Ejecutar un LLM en una blockchain: nuestro primer artículo mide el precio real de cada token

En pocas palabras. Ejecutar una IA directamente en una blockchain implica pagar por cada cálculo en “instrucciones” contadas individualmente, no en segundos de servidor. Nuestro artículo mide con precisión lo que cuesta cada token generado por un modelo de lenguaje en Internet Computer (ICP), y muestra tres cosas: el costo depende primero de la calidad del software que ejecuta el modelo, puede predecirse con una fórmula sencilla a partir de la hoja de especificaciones del modelo, y existe un límite inferior medible que se alcanza con un formato de pesos ternarios diseñado específicamente. Todo ello con salidas bit a bit idénticas de una red a otra: la propia definición de IA verificable.

Lo que muestra el artículo

Tres resultados principales, todos medidos en la red real de ICP, no en simulación:

1. El software establece el precio. El mismo modelo, en el mismo canister, genera 10 tokens por llamada con la implementación de la comunidad y 29 con la nuestra. Casi el triple, sin cambiar el modelo ni el hardware: el coeficiente de costo es una propiedad del software de ejecución.
2. El costo es predecible a partir de la tarjeta del modelo. En 11 modelos recientes de 8 familias, una ley simple vincula el presupuesto de instrucciones con el número de tokens generados, con un error medio del 7.7 %. La multiplicación de matrices representa aproximadamente el 98.7 % del costo: es lo único que vale la pena optimizar.
3. Un límite inferior ternario, verificable al bit. Una ruta de ejecución diseñada para pesos ternarios alcanza el límite inferior empírico del costo de decodificación, con salidas idénticas a nivel de byte en una réplica local, una subred suiza de 13 réplicas y la red principal de ICP.

Por qué es importante para Meotis

Nuestra tesis es que el patrimonio cognitivo de una organización debe ser soberano y verificable. Ya practicamos el anclaje en cadena con LAMS y la Fundación ORIGYN en ICP. Este artículo explora el siguiente paso: no solo probar la integridad de los datos en cadena, sino ejecutar la inteligencia misma en un entorno donde cada cálculo se cuenta, es reproducible y es auditado por consenso. Una IA en la que cada respuesta puede verificarse al bit por máquinas independientes es la versión más estricta de “nada ocurre sin dejar rastro”.

El artículo está escrito por Julien Aerni, Siméon Fluck y Dustin Becker, publicado en acceso abierto (CC BY 4.0). Cada número del artículo se remonta a un archivo de medición identificado, y el resultado principal se reproduce en unos treinta minutos con el artefacto complementario.