Bạn thực sự đang điều chỉnh Claude sao? DGrid muốn sử dụng xác minh trên chuỗi để kết thúc "thời đại hộp đen" của AI trung gian

Trong năm qua, trạm trung chuyển mô hình AI (MaaS, Model as a Service) đã trở thành một trong những lĩnh vực sôi động nhất trong thế giới tiền điện tử. Từ việc OpenRouter hoàn thành vòng gọi vốn với định giá 1,3 tỷ USD, đến WLFI, Tôn Vũ Trân và nhiều người khác tham gia, ngày càng nhiều người chơi chen chân vào "ngành kinh doanh bán nước" này - tập hợp các mô hình AI chính thống toàn cầu và bán lại cho các nhà phát triển thông qua một giao diện thống nhất.

Lĩnh vực này rất nóng, nhưng một vấn đề cơ bản vẫn chưa ai trả lời thẳng thắn: Khi bạn trả tiền để gọi một mô hình hàng đầu, làm thế nào bạn biết rằng nền tảng thực sự đã cung cấp cho bạn mô hình đó, chứ không phải lén lút thay thế bằng phiên bản rẻ hơn?

Đây không phải là lo lắng vô căn cứ. Đối với hầu hết các yêu cầu, sự khác biệt giữa GPT-5.6 và một mô hình giá rẻ nào đó không rõ ràng, người dùng gần như không thể nhận ra. Đối với nền tảng, việc sử dụng mô hình giá rẻ để giả mạo mô hình giá cao, chênh lệch giá chính là lợi nhuận thuần. Sự không đối xứng thông tin này là vùng xám mà toàn bộ lĩnh vực MaaS đều ngầm thừa nhận.

Mạng AI phi tập trung DGrid AI muốn giải quyết chính vấn đề này. Và câu trả lời của nó - cùng với dữ liệu doanh thu 23 triệu USD trong nửa đầu năm 2026 - có thể cho thấy rằng "có thể xác minh" chính là một ngành kinh doanh tốt.

Tội lỗi nguyên thủy của trạm trung chuyển: Hộp đen

Để hiểu sự khác biệt của DGrid, trước tiên cần hiểu logic hoạt động của các nền tảng MaaS hiện có.

Dù là những aggregator có thương hiệu như OpenRouter hay các trạm trung chuyển mới tham gia, bản chất đều là "nhà trung gian hộp đen": nền tảng tự kết nối với các kênh mô hình khác nhau, sau đó đóng gói và bán lại cho người dùng. Người dùng chỉ thấy một điểm truy cập API, còn yêu cầu cuối cùng được định tuyến đến đâu, có phải là mô hình đã công bố hay không, có bị giảm cấp hay không, hoàn toàn phụ thuộc vào một câu nói của nền tảng.

Nền tảng có thương hiệu dựa vào "uy tín" - bạn tin rằng nó sẽ không làm điều xấu. Nhưng uy tín không phải là cơ chế, nó không thể được xác minh và không thể bị truy cứu trách nhiệm. Một khi nền tảng vì áp lực chi phí mà thao túng, người dùng sẽ là người cuối cùng biết được.

Khi dịch vụ AI từ một nền tảng tập trung duy nhất, phát triển thành một mạng lưới mở với nhiều nhà cung cấp mô hình, nút, nhà phát triển và người dùng phân tán cao, vấn đề này sẽ được khuếch đại mạnh mẽ. Số lượng bên tham gia càng nhiều, hộp đen càng nhiều, chi phí tin cậy càng cao.

DGrid đánh giá rằng: Trong một mạng lưới AI đủ mở, niềm tin không thể đến từ sự bảo chứng của thương hiệu, mà phải đến từ một cơ chế có thể xác minh.

PoQ: Biến "niềm tin" thành "có thể xác minh"

Giải pháp của DGrid được gọi là Proof of Quality (viết tắt là PoQ).

Ý tưởng của nó không phải là để xác định xem một câu trả lời AI có "hoàn toàn chính xác" hay không - điều này về mặt kỹ thuật vừa không thực tế vừa vô nghĩa. PoQ muốn xác minh một điều khác: Liệu nhà cung cấp mô hình có giao hàng một cách trung thực dịch vụ mà họ đã hứa hẹn hay không.

Cụ thể, PoQ thông qua một bộ dữ liệu kiểm tra riêng của nền tảng, tiến hành kiểm tra độc lập và ngẫu nhiên các nhà cung cấp mô hình kết nối vào mạng, sau đó đưa kết quả xác minh lên chuỗi. Nếu một nhà cung cấp đưa ra mô hình kém chất lượng, thay thế hàng tốt bằng hàng kém hoặc tính phí giả, sẽ bị cơ chế phát hiện và xử phạt.

Có một chi tiết dễ bị hiểu lầm nhưng rất quan trọng: Đối tượng kiểm tra của PoQ là "nhà cung cấp", chứ không phải mỗi lần gọi của người dùng. Toàn bộ quá trình xác minh sử dụng ngân hàng câu hỏi riêng của nền tảng, không chạm vào dữ liệu gọi của người dùng và cũng không đưa bất kỳ dữ liệu người dùng nào lên chuỗi. Nói cách khác, nó bảo vệ quyền được biết của người dùng, chứ không phải đánh đổi quyền riêng tư của người dùng.

Cơ chế này không chỉ là một khái niệm trong tài liệu trắng. Các thành viên cốt lõi của đội ngũ DGrid có nền tảng tiến sĩ từ các trường như Stony Brook University, đã công bố 4 bài báo học thuật liên quan đến PoQ và các hướng nghiên cứu liên quan:

• Proof of Quality: https://arxiv.org/abs/2512.16317

• Optimistic TEE-Rollups: https://arxiv.org/abs/2512.20176

• Cost-Aware Proof: https://arxiv.org/html/2601.21189v1

• PoQ-Judge: https://arxiv.org/pdf/2606.11196

Trong toàn bộ lĩnh vực MaaS, PoQ hiện là cơ chế duy nhất đưa chất lượng dịch vụ mô hình lên chuỗi để xác minh. Đây cũng là rào cản cốt lõi giúp DGrid khác biệt với tất cả các trạm trung chuyển khác - người khác cung cấp cho bạn API, DGrid cung cấp cho bạn API + một đảm bảo chất lượng có thể xác minh.

Từ "trạm trung chuyển" đến "thị trường mở"

Ngoài cơ chế tin cậy, DGrid cũng đã đi một con đường khác với các trạm trung chuyển về hình thức sản phẩm.

Trạm trung chuyển là khép kín: nền tảng quyết định kết nối mô hình nào, cách định giá ra sao, người dùng chỉ có thể chấp nhận một cách thụ động. DGrid thì là một thị trường mở - các nhà cung cấp mô hình có thể tự do tham gia, tự định giá, cạnh tranh công khai trên thị trường, người dùng thông qua AI Gateway thống nhất để gọi trực tiếp, PoQ đảm bảo chất lượng ở phía sau.

Nói một cách ví von, các trạm trung chuyển khác giống như "mua hộ", bạn chỉ có thể tin rằng người mua hộ cung cấp cho bạn hàng chính hãng; DGrid giống như "chợ mở có kiểm tra chất lượng trên chuỗi", ai có hàng tốt, ai có giá thấp, thị trường cạnh tranh sẽ quyết định, và mỗi sản phẩm đều có hồ sơ kiểm tra chất lượng có thể xác minh.

Xung quanh thị trường này, DGrid đã xây dựng một ma trận sản phẩm hoàn chỉnh:

• AI Gateway: một API tổng hợp hơn 200 mô hình chính thống như Claude, GPT, Gemini, MiniMax, GLM, định tuyến thông minh dựa trên chi phí, tốc độ, hiệu suất lịch sử, giá cả thấp hơn nhiều so với chính thức

• AI Arena: người dùng đánh giá ẩn danh, tích lũy dữ liệu sở thích con người chất lượng cao để cải thiện định tuyến, số lượng người tham gia đã vượt quá 300,000

• DClaw: triển khai trợ lý AI cục bộ chỉ với một cú nhấp chuột trong vòng một phút, không cần cấu hình khóa để gọi mô hình hàng đầu, hỗ trợ ghi nhớ lâu dài và kỹ năng cắm nóng

• Model Marketplace: mô hình tự do niêm yết, tự định giá, mã hóa tài sản, mở ra con đường thu nhập trực tiếp cho nhà cung cấp

• Dori: đại lý gợi ý thông minh, chỉ cần mô tả nhu cầu bằng ngôn ngữ tự nhiên là có thể tìm ra giải pháp mô hình tối ưu

23 triệu USD: Vòng lặp thương mại có thể xác minh

Một cơ chế hợp lý cuối cùng vẫn phải dựa vào thị trường để xác minh.

Trong nửa đầu năm 2026, chương trình thành viên Genesis của DGrid đã đạt doanh thu tích lũy vượt 23 triệu USD, số lượng thành viên trả phí vượt quá 15,000 người. Người dùng trả 1,580 USD phí hàng năm để nhận được hạn mức sử dụng mô hình 300 USD mỗi tháng (tương đương với giá chính thức 4.4 lần), quyền lợi NFT độc quyền, khả năng triển khai DClaw, và phần thưởng khai thác token DGAI.

Những người dùng trả phí này không chỉ là những người chơi gốc trong lĩnh vực tiền điện tử, mà còn bao gồm nhiều nhà phát triển và doanh nghiệp có nhu cầu gọi AI thực sự. Họ sẵn sàng trả phí liên tục, điều này chứng tỏ rằng sự kết hợp "giá thấp + có thể xác minh" đã chạm đúng nhu cầu thực tế - dù sao thì, ai cũng muốn sử dụng mô hình thật sự với giá thấp hơn mà không bị giảm cấp một cách lén lút?

Viết ở cuối: Có thể xác minh, mới là đích đến của mạng lưới AI

Lĩnh vực AI MaaS sẽ tiếp tục nóng lên. Sẽ có nhiều vốn đổ vào, nhiều người chơi tham gia, và nhiều nền tảng "tập hợp N mô hình" xuất hiện.

Nhưng khi lĩnh vực trở về với lý trí, người dùng và thị trường cuối cùng sẽ đặt ra một câu hỏi cơ bản hơn: Số tiền tôi đã trả, đổi lại rốt cuộc là gì?

Đối với các nền tảng hộp đen phụ thuộc vào uy tín thương hiệu, câu hỏi này mãi mãi chỉ có thể được trả lời bằng "hãy tin tôi". Còn câu trả lời của DGrid là một cơ chế có thể xác minh, có thể truy cứu trách nhiệm, có thể thanh toán - biến "niềm tin" thành "có thể kiểm tra".

Trong một thế giới AI ngày càng mở và phân tán, có lẽ đây mới là câu trả lời thực sự bền vững. 23 triệu USD là lá phiếu tin tưởng đầu tiên mà thị trường dành cho DGrid. Và trọng lượng của lá phiếu này chính là nó có thể được xác minh trên chuỗi.