NEAR ha lanzado un modelo de pago basado en staking para NEAR AI, ofreciendo a los usuarios una forma de bloquear tokens NEAR y recibir créditos mensuales de cómputo en lugar de pagar mediante facturación tradicional en la nube o tarjetas de crédito.
Según las notas validadas, el sistema brinda a los usuarios acceso a 43 modelos de IA alojados, incluidos modelos de OpenAI, Anthropic y Google. El detalle clave es que los tokens no se consumen. Los usuarios bloquean NEAR y reciben créditos de cómputo proporcionales al tamaño de su participación.
Esto lo hace más interesante que una simple integración de pago.
NEAR está intentando vincular la utilidad del token directamente al uso de IA. En lugar de pedir a los usuarios que compren un token por razones especulativas, el modelo le da al token un papel en el acceso al cómputo.
La pregunta es si los usuarios lo adoptarán a gran escala. Pero como dirección de diseño, vale la pena observarlo.
Para más detalles, visita la plataforma oficial de Near.
TL;DR
- NEAR ha lanzado pagos de cómputo basados en staking para NEAR AI.
- Los usuarios bloquean tokens NEAR y reciben créditos mensuales de cómputo.
- El modelo enlaza la utilidad del token con el acceso a modelos de IA, pero la adopción aún debe demostrarse.
Por qué los pagos de cómputo de IA son difíciles
El uso de IA tiene un problema de pago muy real.
Los usuarios y desarrolladores a menudo pagan a través de cuentas en la nube, tarjetas de crédito, suscripciones, facturas o créditos de plataforma. Eso funciona bien en software tradicional, pero no se traduce de manera limpia a agentes autónomos, usuarios cripto‑nativos o aplicaciones que buscan acceso programable sin facturación convencional.
El modelo de NEAR intenta resolver eso usando el staking como capa de pago.
En lugar de gastar tokens directamente, los usuarios los bloquean. La participación bloqueada determina los créditos de cómputo mensuales. Eso crea una relación diferente entre la propiedad del token y el acceso al producto.
El usuario no está simplemente pagando una tarifa. Está comprometiendo capital a la red y recibiendo acceso al cómputo de IA como beneficio.
Eso podría tener sentido para desarrolladores, creadores de agentes o usuarios que ya poseen NEAR y buscan una razón para usarlo más allá del rendimiento del staking o la gobernanza.
Los tokens no se consumen
El hecho de que los tokens no se consuman es importante.
Si el modelo requiriera que los usuarios gastaran NEAR cada vez que usan un modelo de IA, se parecería más a un sistema normal de pago por uso. Bloquear tokens cambia la economía porque los usuarios mantienen la propiedad mientras reciben créditos.
Eso puede hacer que el sistema se perciba como menos costoso para los usuarios, aunque sigue existiendo un costo de oportunidad. Los tokens bloqueados no pueden usarse libremente en otro lugar mientras estén comprometidos, y su valor de mercado puede variar.
Por lo tanto, el modelo se asemeja a un sistema de membresía o acceso respaldado por staking.
Es un tipo diferente de utilidad del token, y las redes cripto han pasado años buscando modelos de utilidad que no dependan únicamente de la especulación o recompensas inflacionarias.
Los agentes de IA necesitan vías de pago nativas
El ángulo de agentes autónomos es donde esto se vuelve más prospectivo.
Si los agentes de IA van a operar de forma independiente, llamar a modelos, usar herramientas, pagar por servicios y tomar decisiones en entornos de software, necesitan vías de pago programables. La facturación tradicional puede funcionar para cuentas gestionadas por humanos, pero se vuelve engorrosa cuando se espera que los agentes de software actúen de manera continua.
Las vías cripto pueden ser útiles allí.
Un modelo de cómputo basado en staking podría permitir que un agente o entorno de desarrollo acceda a recursos de IA basándose en capital bloqueado en lugar de pagos repetidos con tarjeta o credenciales centralizadas.
Eso aún está en una fase temprana. Hay muchas preguntas abiertas sobre permisos, seguridad, controles contra abusos, predictibilidad de costos y experiencia del usuario. Pero la dirección encaja con el enfoque más amplio de NEAR en IA e infraestructura de agentes.
No exageres la adopción todavía
La advertencia es simple: lanzar no es lo mismo que adoptar.
NEAR puede tener un modelo de créditos de cómputo ingenioso, pero el mercado aún debe demostrar si los usuarios lo prefieren. Los desarrolladores lo compararán con la facturación directa de APIs, créditos en la nube, modelos de código abierto, contratos empresariales y otros mercados cripto‑nativos de cómputo.
El modelo también necesita ser claro.
¿Cuántos créditos genera una participación dada?
¿Qué modelos están disponibles a qué costo?
¿Qué tan predecibles son los créditos a lo largo del tiempo?
¿Pueden los equipos construir alrededor de él sin preocuparse por la volatilidad del token?
¿Atrae el sistema a usuarios que no estaban ya en el ecosistema NEAR?
Esas preguntas determinarán si esto se convierte en un caso de uso real o en un experimento de nicho.
Una historia de utilidad del token más práctica
Lo que hace interesante el modelo de pago de NEAR AI es que le brinda al token un papel práctico.
Las criptomonedas a menudo han tenido dificultades para explicar por qué un token debe existir más allá de la gobernanza, el gas, el staking o los incentivos. Vincular el staking del token al acceso de cómputo de IA le da a NEAR una narrativa de utilidad más concreta.
Eso no garantiza el éxito. Pero es más útil que una simple marca de IA vaga.
Si los usuarios pueden bloquear NEAR y recibir créditos de cómputo para los modelos que realmente usan, entonces el token pasa a ser parte de un bucle de producto. Eso es exactamente lo que muchas redes están intentando construir: demanda de token conectada al uso real en lugar de solo a ciclos de mercado.
Los pagos de cómputo basados en staking de NEAR aún están en una fase temprana, pero apuntan a un modelo cripto‑IA más práctico que la mayoría de la exageración alrededor del sector.
Este artículo se basa en materiales de NEAR AI que describen créditos de cómputo basados en staking y acceso a modelos.
Este artículo fue escrito por el News Desk y editado por Samuel Rae.