據深潮 TechFlow 於 2026 年 11 月 12 日刊載的 Bankless 文章,MegaETH 基金會在報導所稱的「本週二」更名為 MEGA,並宣布從國庫撥出 3,000 萬美元開發自有產品。首個方向是預計於 2026 年 12 月推出的 AI 推理市場;截至原文刊載時,供應商、可用模型及具體運作機制仍未公布。
這項轉向的背景是 MegaETH 鏈上總鎖倉價值(TVL)當時不到 1,000 萬美元,低於原文所述 5 月超過 2.45 億美元的高峰。共同創辦人 Shuyao Kong 也在 X 表示,團隊打造了快速公鏈,卻未找到產品市場契合點,因此必須改變方向。
模型驗證能解決什麼?
MEGA 白皮書提出「純粹智能」(Purified Intelligence),希望檢驗推理服務商是否使用其宣稱的模型,以及服務的隱私與安全性,讓買家更容易選擇第三方算力。原文以 OpenRouter 上 GLM 4.6 的報價為例:開發方 Z.ai 每百萬輸出 Token 為 2.20 美元,第三方服務商 Venice 為 1.75 美元。
但「模型掉包」風險不代表所有第三方服務商都有此行為。原文提及,一項於 2026 年 3 月發表、測試三家黑盒轉售商的研究,發現 46% 的模型身分校驗失敗;該結果不能直接推及整個推理市場。模型指紋辨識、可信執行環境(TEE)與密碼學證明也已有其他團隊探索。其中,原文提及的 FlashProve 仍屬原型,單次推理所需算力約為一般請求的 70 至 95 倍。MEGA 白皮書承認這些方法各有限制,尚未說明最終採用哪一種。

兩項尚待驗證的設計
隱私脫敏是第一項設想:在算力服務商讀取請求前移除敏感資訊,並把複雜任務分配給不同信任程度的節點。原文作者指出,若脫敏由 MEGA 自身處理,使用者只是把敏感資料從推理服務商轉交給 MEGA;要避開這個問題,處理程序須在 MEGA 看不到資料的環境中執行。作者並以 Freysa 曾推出、後因手機效能問題調整的類似功能,說明落地難度。
遠期算力容量是另一項白皮書構想:買家預先鎖定特定時段、模型、調用量、價格及最低速度與穩定性標準,未來還可能轉讓合約。這與只鎖定 GPU 使用時間不同,約定內容包含模型推理服務的交付條件。不過,合約交易與二級轉讓仍是規劃;原文作者也提出疑問:當推理成本下降、模型快速更替,買家是否願意提前鎖定價格與型號?
截至原文刊載時,團隊尚未公開相關程式碼、服務商准入與校驗安排,亦未說明脫敏工具將在哪裡執行。白皮書沒有交代 MEGA 代幣的具體用途,3,000 萬美元撥款也沒有細項預算。因此,模型驗證、隱私處理與遠期合約均應視為待實際產品和交付紀錄檢驗的方案,而非已運作的功能。



