Протокол x402 перешёл на гибкую модель ценообразования, отказавшись от фиксированных комиссий. Обновление призвано стимулировать использование ИИ-агентов для выполнения запросов к языковым моделям, вычислений и работы с данными.
От плоской ставки к оплате за потребление
Ключевое изменение — переход от плоской ставки к переменному тарифу, основанному на фактическом потреблении ресурсов. Пользователи будут платить пропорционально объёму выполненных операций, а не единую абонентскую плату. Такой подход делает протокол более привлекательным для разработчиков, чьи потребности в вычислительных мощностях могут сильно колебаться.
Этот шаг перекликается с трендом на интеграцию ИИ и платежей, который ранее задал инфраструктурный провайдер Alchemy, запустив инструмент AgentPay для связи платежных систем.
Оптимизация для ИИ-агентов
Новая система ценообразования разработана специально для поддержки работы ИИ-агентов. Она оптимизирована для трёх основных типов задач: LLM-инференс (получение ответов от больших языковых моделей), выполнение сложных вычислений и обработка запросов к данным. Это позволяет создавать более экономичные и масштабируемые децентрализованные приложения с элементами искусственного интеллекта.
Концепция платы за использование ИИ-вычислений созвучна новой стратегии Solana
SOL$85.77-2.29%, чей фонд недавно заявил о переходе к «агентным платежам», позиционируя блокчейн как платформу для автономных агентов.
Переменное ценообразование — стандартная практика в облачных сервисах, которая теперь адаптирована для децентрализованных вычислений в Web3.
Конвергенция блокчейна и ИИ
Обновление x402 отражает общий тренд на конвергенцию блокчейн-технологий и искусственного интеллекта. Растущий спрос на ИИ-вычисления заставляет искать новые, более эффективные и децентрализованные модели предоставления этих ресурсов.
Внедрение оплаты по факту использования делает протокол более конкурентоспособным на фоне традиционных централизованных облачных платформ. Обновление может ускорить развитие нового сегмента DeFi — рынка децентрализованных вычислений для машинного обучения и работы с данными.