Psy Protocol Mencapai 521.000 TPS di Jaringan Proof-of-Work yang Beroperasi Nyata dan Menawarkan Hadiah $100.000 bagi yang Dapat Membuktikan Hasilnya Tidak Valid

marsbitDipublikasikan tanggal 2026-02-14Terakhir diperbarui pada 2026-02-14

Abstrak

Psy Protocol mengumumkan telah mencapai 521.000 TPS dalam jaringan Proof-of-Work yang berjalan secara real dan terverifikasi di chain, tanpa mengorbankan desentralisasi, keamanan, atau privasi. Hasil ini diumumkan bersamaan dengan penawaran hadiah $100.000 bagi siapa saja yang dapat membuktikan ketidakabsahan hasil tersebut. Pengujian dilakukan menggunakan ribuan instance Google Cloud untuk mensimulasikan lingkungan berskala internet. Setiap transaksi didukung oleh bukti kriptografi, dan data lengkapnya telah dipublikasikan untuk verifikasi independen. Arsitektur Psy Protocol memanfaatkan empat komponen kunci: PARTH (arsitektur keadaan paralel), pembuatan bukti di sisi klien, bukti pengetahuan nol (ZK) rekursif, dan penskalaan horizontal melalui "Realms". Pendekatan ini memungkinkan throughput tinggi tanpa hambatan arsitektural tetap. Hasil sebesar 521.000 TPS dianggap sebagai "baseline" untuk ekonomi mesin-native masa depan, yang akan didorong oleh transaksi berkecepatan tinggi dari agen AI otonom. Aplikasi yang layak pada skala ini termasuk pembayaran frekuensi tinggi, pasar dengan penyelesaian terus-menerus, dan kolaborasi padat antar agen AI. Semua data uji dan metode verifikasi telah dibuat open-source dan dapat diverifikasi bahkan pada perangkat keras konsumen seperti Raspberry Pi.

Hong Kong | 11 Februari 2026 — Psy Protocol hari ini mengumumkan bahwa mereka telah mencapai 521.000 transaksi per detik (TPS) dalam jaringan proof-of-work (Proof-of-Work) yang beroperasi nyata dan dapat diverifikasi secara on-chain. Tim menyatakan bahwa hasil ini, yang dicapai tanpa mengorbankan desentralisasi, keamanan, atau privasi, telah melampaui semua tolok ukur publik yang ada dari rantai proof-of-stake (Proof-of-Stake) dan proof-of-work utama hingga saat ini.

Pengujian tekanan ini dilakukan pada ribuan instance Google Cloud untuk mensimulasikan lingkungan operasi berskala internet dengan konkurensi tinggi. Setiap transaksi dalam tolok ukur didukung oleh bukti kriptografi, dan kumpulan data lengkap telah dirilis untuk verifikasi independen.

Untuk menunjukkan keyakinan terhadap hasil ini, Psy Protocol secara terbuka menawarkan hadiah sebesar 100.000 dolar AS (US$100.000) kepada individu atau tim mana pun yang dapat membuktikan bahwa hasil throughput ini tidak valid berdasarkan materi bukti yang telah dirilis.

"Ini bukan demonstrasi devnet, bukan pula perhitungan teoretis," kata Carter Feldman, Pendiri dan CEO Psy Protocol. "Setiap hasil dapat diverifikasi. Jika kami salah, matematika akan membuktikannya—dan kami akan membayar $100.000 kepada orang yang membuktikannya."

Mengapa 521.000 TPS Penting Saat Ini

Tolok ukur throughput tinggi tidak jarang dalam industri kripto. Psy Protocol percaya bahwa hasil ini signifikan secara struktural, terutama karena konteks kasus penggunaan yang ditujunya.

Blockchain awalnya dirancang di sekitar pola transaksi manusia: aktivitas yang terjadi secara sporadis, persetujuan manual, dan tingkat konkurensi yang rendah. Namun, dengan masa depan di mana jutaan agen AI otonom akan terus-menerus bertransaksi, berkolaborasi, dan menyelesaikan pada kecepatan mesin, model ini menjadi semakin tidak cocok.

Ketika jaringan yang dirancang untuk penggunaan skala manusia menghadapi permintaan tingkat mesin yang terus-menerus, hasilnya sering kali adalah kemacetan jaringan, biaya transaksi yang melonjak, dan hambatan beruntun. Psy Protocol memandang 521.000 TPS sebagai "baseline" untuk infrastruktur yang diperlukan bagi ekonomi asli mesin, bukan sebagai batas kinerja tertinggi.

Bagaimana Arsitektur Ini Bekerja

Sebagian besar blockchain mengharuskan setiap node untuk mengeksekusi ulang setiap transaksi, sebuah desain yang secara arsitektural memberlakukan batas keras pada throughput. Psy Protocol menghilangkan hambatan ini melalui empat pilihan desain yang saling melengkapi:

  • Arsitektur State Paralel (PARTH): Setiap pengguna beroperasi dalam partisi state yang terisolasi. Ini menghilangkan persaingan state global, memungkinkan ribuan transformasi state diproses secara bersamaan tanpa konflik.
  • Pembuatan Bukti Sisi Klien: Eksekusi transaksi dan pembuatan bukti dilakukan pada perangkat pengguna, data sensitif selalu tetap dalam kendali pengguna. Penambang hanya bertanggung jawab untuk memverifikasi dan mengagregasi bukti, bukan mengeksekusi ulang transaksi, sehingga menghilangkan komputasi redundan di seluruh jaringan.
  • Bukti Nol Pengetahuan Rekursif: Bukti transaksi tunggal dilipat secara rekursif menjadi satu bukti ringkas per blok. Saat volume transaksi tumbuh, biaya verifikasi meningkat secara logaritmik, bukan linear, yang berarti peningkatan throughput yang signifikan tidak memerlukan peningkatan sumber daya verifikasi yang proporsional.
  • Skala Horizontal melalui Realms: Jaringan diskalakan dengan menambah domain pemrosesan paralel ("Realms") dan kapasitas agregasi bukti. Throughput meningkat secara linear dengan penambahan infrastruktur, bukan dibatasi oleh batas arsitektural yang tetap.

Psy Protocol menyatakan bahwa 521.000 TPS mencerminkan hasil dalam konfigurasi pengujian saat ini; throughput yang lebih tinggi dapat dicapai dengan menskalakan kapasitas pembuatan bukti paralel.

Cara Verifikasi: Data Terbuka, Dapat Diverifikasi dengan Hardware Kelas Konsumen

Karena verifikasi bergantung pada bukti rekursif yang ringkas dan bukan eksekusi ulang lengkap, Psy Protocol menyatakan bahwa kombinasi bukti apa pun dalam tolok ukur dapat diverifikasi secara independen pada hardware kelas konsumen—termasuk perangkat dengan kemampuan terbatas, seperti Raspberry Pi.

Metode pengujian lengkap, data sirkuit ZK, dan bukti gabungan telah sepenuhnya open-source, dapat diakses di:

https://st8.psy.xyz/explorer

Skenario Aplikasi yang Layak pada Skala Ini

Dengan throughput berkelanjutan lebih dari 500.000 TPS, jenis aktivitas on-chain baru berikut ini menjadi layak:

  • Pembayaran mikro frekuensi tinggi antar agen otonom
  • Pasar dengan penyelesaian berkelanjutan yang menggantikan penyelesaian diskrit secara batch
  • Kolaborasi kepadatan tinggi antara populasi agen AI skala besar yang beroperasi tanpa intervensi manusia
  • Operasi agen tanpa kunci pribadi melalui sirkuit tanda tangan yang dapat diprogram, menghilangkan ketergantungan pada kunci pribadi yang dikendalikan manusia atau penahanan pihak ketiga

Tentang Psy Protocol

Psy Protocol sedang membangun platform kontrak pintar proof-of-work untuk "internet agenik (agentic internet)". Arsitekturnya menggabungkan keunggulan proof-of-work dalam hal keamanan dan desentralisasi, dengan efisiensi throughput dan biaya yang secara historis sering dikaitkan dengan sistem proof-of-stake. Psy mengadopsi model konsensus "Proof-of-Useful-Work (PoUW)", di mana penambang melakukan pekerjaan yang produktif secara kriptografi—yaitu mengagregasi dan memverifikasi bukti nol pengetahuan—bukan melakukan perhitungan teka-teki hash yang arbitrer.

Pertanyaan Terkait

QApa yang diumumkan oleh Psy Protocol dan berapa TPS yang mereka klaim capai?

APsy Protocol mengumumkan bahwa mereka telah mencapai 521.000 TPS dalam jaringan proof-of-work yang berjalan secara real dan dapat diverifikasi di chain.

QApa yang ditawarkan Psy Protocol untuk membuktikan kepercayaan mereka terhadap hasil tes tersebut?

APsy Protocol menawarkan hadiah sebesar $100.000 kepada siapa pun yang dapat membuktikan bahwa klaim throughput 521.000 TPS mereka tidak valid berdasarkan bukti kriptografi yang telah dirilis.

QMenurut Psy Protocol, mengapa pencapaian 521.000 TPS ini penting dalam konteks masa depan?

APencapaian ini penting karena dirancang untuk ekonomi mesin-native masa depan, di mana jutaan agen AI otonom akan melakukan transaksi pada kecepatan mesin, bukan lagi untuk pola penggunaan manusia yang berselang dan lambat.

QBagaimana arsitektur Psy Protocol menghilangkan hambatan throughput yang umum di blockchain tradisional?

AArsitekturnya menggunakan empat pilihan desain: arsitektur state paralel (PARTH), pembuatan proof di sisi klien, recursive zero-knowledge proof, dan penskalaan horizontal melalui Realms untuk menghilangkan kebutuhan setiap node mengeksekusi setiap transaksi.

QApa saja contoh aplikasi yang layak dengan throughput lebih dari 500.000 TPS menurut artikel?

AAplikasi yang layak termasuk micropayment frekuensi tinggi antar agen otonom, pasar dengan penyelesaian terus-menerus, kolaborasi padat antar kelompok agen AI, dan operasi agen tanpa kunci pribadi melalui sirkuit tanda tangan yang dapat diprogram.

Bacaan Terkait

Memberi "Noise" ke AI Juga Bisa Meningkatkan Skor, Karya Ini Membuat Noise Mencapai Transfer Positif

Dalam bidang transfer learning, sumber data biasanya berupa gambar, teks, atau audio. Namun, penelitian "Semi-Supervised Noise Adaptation (SSNA)" menunjukkan bahwa **noise acak yang tidak memiliki makna semantik**—dihasilkan dari distribusi Gaussian—juga dapat meningkatkan performa model dalam skenario semi-supervised dengan sedikit data berlabel. Metode ini menggunakan **Kerangka Adaptasi Noise (Noise Adaptation Framework, NAF)**. NAF membuat struktur kategori diskriminatif dalam domain noise acak, lalu mentransfer **struktur** ini ke data target nyata untuk memberikan batas klasifikasi yang lebih jelas. Model memproyeksikan domain noise dan target ke ruang representasi bersama dan menyelaraskannya pada tingkat kategori. Dalam eksperimen, dengan hanya 4 sampel berlabel per kelas, NAF meningkatkan akurasi secara signifikan dibandingkan baseline ERM pada dataset seperti CIFAR-10 (+12.35%), CIFAR-100 (+7.61%), dan lainnya. Peningkatan juga terlihat pada dataset skala besar seperti ImageNet-1K dan tugas klasifikasi teks. Kunci keberhasilan ini bukanlah sifat acak noise itu sendiri, melainkan **struktur kategori yang dapat dipisahkan** yang dibentuknya dalam ruang representasi. Eksperimen ablasi menunjukkan bahwa jika semua noise dikompresi menjadi satu titik (tanpa struktur), kinerja justru menurun drastis. Sebaliknya, memperlebar jarak antara pusat kategori noise meningkatkan akurasi. Penelitian ini menawarkan perspektif baru: dalam transfer learning, pengetahuan yang dapat ditransfer bisa berupa **cara data diorganisasikan dalam ruang representasi**, bukan hanya konten semantiknya. Ini membuka kemungkinan untuk skenario di mana data sumber asli tidak tersedia karena masalah privasi, hak cipta, atau keterbatasan akses. Noise sintetis dapat menjadi alternatif sumber daya yang efektif dan rendah biaya.

marsbit4m yang lalu

Memberi "Noise" ke AI Juga Bisa Meningkatkan Skor, Karya Ini Membuat Noise Mencapai Transfer Positif

marsbit4m yang lalu

Operator Teleprompter "Khusus" Gedung Putih Raup Lebih dari $100.000 dengan Prediksi Berbasis Informasi Orang Dalam

Artikel berjudul "Operator Teleprompter Gedung Putih Dapatkan Lebih dari $100.000 dengan Informasi Orang Dalam" mengungkap kasus insider trading di pasar prediksi oleh Gabriel Perez, asisten teknis dan operator teleprompter untuk mantan Presiden AS Donald Trump. Perez, yang memiliki akses ke naskah pidato Trump sebelum disampaikan, menggunakan informasi orang dalam ini untuk bertaruh pada kata-kata spesifik yang akan disebutkan Trump dalam berbagai pidato di platform prediksi Kalshi. Dalam sekitar tiga bulan, ia mendapat untung lebih dari $100.000. Namun, platform Kalshi mendeteksi aktivitas mencurigakan, membekukan dana sekitar $90.000, dan melaporkannya ke CFTC. Akibatnya, Perez diberhentikan sementara tanpa gaji oleh Trump. Meski mengembalikan keuntungan dan berjanji tidak mengulangi pelanggaran, ia tidak menghadapi tuntutan pidana karena dianggap tidak membocorkan informasi rahasia negara. Kasus ini menyoroti kerentanan pasar prediksi "sebutan" terhadap manipulasi, di mana orang dalam atau pembicara sendiri dapat dengan mudah mempengaruhi hasil. Insiden serupa sebelumnya melibatkan tentara dan insinyur Google. Sebagai tanggapan, platform seperti Kalshi mulai memperketat aturan, termasuk mengharuskan pengguna mengungkapkan tempat kerja. Artikel menyimpulkan bahwa meskipun pembersihan perdagangan orang dalam membuat pasar prediksi lebih patuh, hal itu juga menjauhkannya dari tujuan awalnya sebagai pengejawantahan kebijaksanaan kolektif, menjadikannya lebih mirip kasino biasa.

marsbit1j yang lalu

Operator Teleprompter "Khusus" Gedung Putih Raup Lebih dari $100.000 dengan Prediksi Berbasis Informasi Orang Dalam

marsbit1j yang lalu

Operator Teleprompter "Khusus" Gedung Putih, Meraup Lebih dari 100 Ribu Dolar AS dengan Prediksi Menggunakan Informasi Orang Dalam

Sebuah staf Gedung Putih yang bertugas mengoperasikan teleprompter (penyusun teks pidato) untuk mantan Presiden AS Donald Trump, Gabriel Perez, telah diduga melakukan perdagangan orang dalam (insider trading) di pasar prediksi. Perez, yang memiliki akses ke naskah pidato Trump sebelum disampaikan, dilaporkan memanfaatkan informasi non-publik tersebut untuk bertaruh pada kata-kata spesifik yang akan disebutkan Trump dalam berbagai pidatonya di platform prediksi Kalshi. Dalam kurun waktu sekitar tiga bulan, ia dikabarkan memperoleh keuntungan lebih dari $100,000. Kalshi kemudian mendeteksi aktivitas transaksi yang tidak biasa dan membekukan lebih dari $90,000 di akun Perez sebelum melaporkan kasus ini kepada Commodity Futures Trading Commission (CFTC). Atas insiden tersebut, Perez diberhentikan sementara dari tugasnya tanpa gaji oleh Trump. Berbeda dengan dua kasus insider trading sebelumnya di pasar prediksi yang melibatkan seorang tentara dan insinyur Google, Perez tidak menghadapi tuntutan pidana. CFTC dikabarkan sedang dalam proses penyelesaian damai yang mewajibkannya mengembalikan keuntungannya dan berhenti melakukan transaksi serupa. Kasus ini menyoroti kerentanan pasar prediksi "sebutan" (mention markets) terhadap manipulasi, di mana individu dengan informasi orang dalam atau bahkan pembicara itu sendiri dapat dengan mudah memengaruhi hasilnya. Beberapa contoh, seperti CEO Coinbase yang dengan sengaja menyebut semua opsi taruhan dalam sebuah konferensi, mengilustrasikan masalah ini. Menanggapi hal tersebut, Kalshi telah memperketat kebijakan dengan mewajibkan pengguna mengungkapkan tempat kerja mereka untuk mencegah penyalahgunaan informasi orang dalam. Insiden Perez menandai langkah lain dalam pembersihan perdagangan orang dalam di industri pasar prediksi, sekaligus mempertanyakan keandalan pasar tersebut sebagai cerminan kebijaksanaan kolektif.

Odaily星球日报1j yang lalu

Operator Teleprompter "Khusus" Gedung Putih, Meraup Lebih dari 100 Ribu Dolar AS dengan Prediksi Menggunakan Informasi Orang Dalam

Odaily星球日报1j yang lalu

Tambang Bitcoin Berubah Menjadi Pabrik AI

Tambang Bitcoin Berubah Menjadi Pabrik AI Di Texas, AS, proyek kampus besar pertama OpenAI "Stargate" dibangun di atas lahan bekas penambangan Bitcoin oleh Crusoe, perusahaan yang awalnya memanfaatkan gas alam terbuang untuk menambang kripto. Ini mencerminkan tren transformasi besar: infrastruktur dan sumber daya dari era Crypto kini dialirkan ke industri AI. Pilar utama transformasi ini adalah: 1. **Tambang ke Pusat Data AI:** Perusahaan penambangan seperti Bitdeer, CoreWeave (dulunya Atlantic Crypto), TeraWulf, dan Hut 8 menjual atau mengalihkan kapasitas pusat data mereka yang sudah memiliki akses listrik, lahan, dan izin ke perusahaan AI seperti Anthropic dan AWS. Kontrak jangka panjang bernilai miliaran dolar ini lebih menguntungkan dibandingkan pendapatan menambang Bitcoin yang menurun. 2. **Talenta Crypto ke Startup AI:** Mantan eksekutif dan insinyur Crypto membawa keahlian mereka ke bidang AI. Contohnya, Alex Atallah (co-founder OpenSea) mendirikan OpenRouter, sebuah platform agregator untuk ratusan model AI. Burkay Gur (eks Coinbase) mendirikan Fal.ai, infrastruktur untuk inferensi media generatif. 3. **Modal Crypto Mendanai AI:** Kekayaan yang terakumulasi dari pasar Crypto digunakan untuk membiayai ekosistem AI. Jed McCaleb (pendiri Ripple/Stellar) mendanai Voltage Park, penyewa GPU skala besar. Venture capital Crypto seperti Paradigm berinvestasi dalam startup AI seperti Nous Research (pengembang model Hermes). Bahkan investasi awal SBF (FTX) di Anthropic dan Anysphere (penghasil Cursor) menunjukkan aliran modal ini. Intinya, industri Crypto tidak menghilang, tetapi aset-aset berharganya—infrastruktur listrik/pusat data, talenta teknis, dan modal—ditempatkan kembali untuk membangun fondasi industri AI berikutnya.

链捕手1j yang lalu

Tambang Bitcoin Berubah Menjadi Pabrik AI

链捕手1j yang lalu

Trading

Spot
活动图片