ホワイトペーパー
OURO ホワイトペーパー
稼働中の AI を実際のタスクの中で改善し続けさせ、毎ラウンドの証拠をオンチェーンに記録します。これはオンライン版で、PDF と同じ内容です。
AI that evolves AI. — 稼働中の AI を実際のタスクの中で改善し続けさせ、毎ラウンドの改善の証拠をオンチェーンに記録する。
1. 要約
知能の重心は、重みからスキャフォールディングへ移っています。2026 年 5 月、OpenAI は「プロンプトとスキャフォールディングの方が安くて速い」として、セルフサーブのファインチューニングを段階的に終了すると発表しました。同じ年、学術界は、重みを固定したまま AI に自身のプロンプト、ツール、メモリ、スキルを書き換えさせることで、SWE-bench を 20% から 50% に押し上げ、垂直ドメインのタスクを平均 89% 向上させ、しかも強化学習の 35 分の 1 の計算量で実現できることを示しました。これが意味するのは 1 つです。稼働中の agent を改善し続けるのに必要なのは、もはや研究所規模のクラスターではなく、候補を生成し、並列に評価し、選抜して提出することを繰り返す閉じたループだということです。そのループが消費するのは、大量で、低帯域で、障害に強い計算であり、それこそ分散ネットワークが最も得意とするものです。
OURO がそのループです。国立研究機関の自己進化 AI の研究成果を、3 つのコンポーネントに変えました。OURO Engine は、接続されたあらゆる agent を予算内で改善し続けさせ、スキャフォールディングを優先的に進化させ、重みはオプションとします。Proof of Evolution（PoE） は、毎ラウンドの「良くなった」を、ベンダーの約束から、誰もが検証し精算できるオンチェーンの事象に変えます。OURO Grid は、リージョナルアンカーが信頼性を保証し、コミュニティノードと外部供給が規模を提供する、グローバルに分散した計算ネットワークで、最初のアンカーはシンガポールとジョホールバルにあります。
市場の空白は具体的です。企業の生成 AI 支出は 2025 年に 370 億米ドルに達し、79% の企業が agent を導入していますが、スケールできているのは 23% にすぎません。Gartner は 2027 年末までに agentic プロジェクトの 40% 以上が中止されると予測しています。企業を阻んでいるのは、モデルが賢くないことではなく、agent がリリース後に賢くならないことです。OURO は GPU 時間を売るのではなく、検証可能な能力の向上を売ります。
ネットワークトークン $OURO は仕事の証明書です。進化と計算の支払いに使われ、ノードとバリデーターによってステークされ、バウンティをエスクローし、ガバナンスを担います。供給量は 10 億で固定。ネットワークインセンティブは検証済みの PoE 記録によって起動された場合のみ放出され、法定通貨収益の一定割合でトークンを買い戻してインセンティブプールに入れます。Bittensor が 18 か月で dTAO のメカニズムを 3 回変更した経験から学んだのは、発行は検証済みの仕事にのみ結び付けるべきであり、ルールは安定していなければならず、データは公開されなければならないということです。
消費者には、使うほどあなたに合っていくアシスタント OURO Chat があり、遊休 GPU を OURO Grid に接続して評価と学習タスクを実行することで報酬を得られます。開発者と企業には、Evolve API があらゆる agent に制御可能な予算内での継続的な進化を提供し、公開検証可能な進化レポートが付属します。
このプロジェクトは国立研究機関の技術チームが開発し、シンガポールのコンプライアンス準拠ファンドの支援を受け、世界中に数百人規模の初期コミュニティを集めています。本ホワイトペーパーは v1.1 ドラフトであり、トークンパラメータ、ロードマップ、パートナー情報は法的助言とチームの確認後に更新されます。
2. なぜ今か：3 つの転換点が同時に
良いインフラプロジェクトは、アイデアが新しいから良いのではありません。複数の曲線が同じ年に交差するから良いのです。OURO の 3 つの曲線はこうです。知能の重心が重みからスキャフォールディングへ移っていること。スキャフォールディング層の自己進化に確かなデータが出てきたこと。そして、この進化に必要な計算が、まさに分散ネットワークが今や安価に供給できるものであること。
2.1 転換点その 1：企業の「重みの時代」が終わりつつある
2026 年 5 月、OpenAI はセルフサーブのファインチューニングプラットフォームの廃止を通知しました。新規組織はファインチューニングジョブを作成できなくなり、2027 年 1 月までにすべての顧客に対して閉鎖されます。公式の理由は、新世代のベースモデルが十分に指示に従うようになり、「プロンプトベースの手法の方が安くて速い」からというものでした（Tessl による廃止通知の解説）。同時期に OpenAI は、Agent Builder と Evals を 2026 年 11 月 30 日に終了することも発表しました（OpenAI AgentKit の発表）。
2 つを合わせて読めば、結論は明らかです。大多数の企業にとって、agent の差を生むのはもはや重みではなく、重みの外側にあるすべて、すなわちシステムプロンプト、ツールチェーン、メモリ構造、スキルライブラリ、制御フローです。業界はこの層を「スキャフォールディング」や「ハーネス」と呼びます。これはモデルベンダーではなく展開する側のものであり、次のモデルバージョンを待たずに継続的に変更できます。問題は、今日この層がまだエンジニアの手作業で調整されており、それを支援するツール群がモデルベンダーと大手テック企業に吸収されつつあることです。2026 年 1 月に ClickHouse が Langfuse を、3 月に OpenAI が PromptFoo を買収し、Cisco は Galileo の買収を進めており、Braintrust は 8 億米ドルの評価額でシリーズ B を完了しました（評価市場マップ）。これらのツールは「どこで間違ったか」に答えますが、「誰が自動で直すか」に答えるものは 1 つもありません。
2.2 転換点その 2：スキャフォールディングの自己進化に確かな数字が出た
過去 18 か月で、「AI に自身のスキャフォールディングを直させる」ことは、思考実験から数字のあるエンジニアリングになりました。
| 研究 | 時期 | 何をしたか | 結果 |
|---|---|---|---|
| Darwin Gödel Machine（Sakana AI） | 2025.05 | コーディング agent が自身のコードを書き換え、ベンチマークで選抜し、すべての過去バージョンを保持してオープンエンドに探索 | SWE-bench 20.0% → 50.0%；Polyglot 14.2% → 30.7% |
| GEPA（Databricks / UC Berkeley、ICLR 2026 Oral） | 2025.07 | 自然言語のリフレクションによるプロンプト進化。重みには触れない | GRPO 強化学習を平均約 10%、最大 20% 上回り、ロールアウト数は 35 分の 1 |
| Meta Context Engineering | 2026.01 | メタ agent が「コンテキストを構築するスキル」そのものを進化。重みは固定 | 金融、化学、医療、法律、セキュリティで平均 89.1% 向上。学習速度は前世代の 13.6 倍 |
| Hyperagents / DGM-H | 2026.03 | 「改善を生み出す方法」そのものを編集可能にし、進化をコーディングに限定しない | メタレベルの改善がドメインをまたいで転移し、実行をまたいで蓄積 |
| SEAL（MIT） | 2025 | モデルが自身の学習データを生成し、自分でファインチューニング | 知識吸収の正答率 32.7% → 47.0%。ただし継続的な自己編集で破滅的忘却が発生 |
2 つのパターンが際立ちます。第一に、スキャフォールディング層の進化は安く、読みやすく、忘れないにもかかわらず、重み層の結果に匹敵します。第二に、成功は評価にすべてがかかっています。DGM の論文には有名な失敗例があり、ツール呼び出しのハルシネーションを減らすよう求められた agent が、それを検出するログを削除することで「改善」しました。評価を信頼できるものにし、変更を監査可能にする者が、この学術的な曲線をプロダクトに変えます。
2.3 転換点その 3：分散ネットワークが計算を安価に供給できるようになった
進化ラウンドの計算プロファイルは特殊です。候補生成は少量の高品質な推論、評価は大量の独立した再実行可能な推論であり、その間のどこにも重みの同期は必要ありません。事前学習とはまったく異なります。学術界と産業界は 2025〜2026 年にこれを繰り返し確認しました。Gensyn の SAPO ではノードが重みではなくテキストのみを交換し、集団学習は単一マシンより累積報酬が 94% 高く、コンシューマーノート PC でも参加できます。Prime Intellect の INTELLECT-2 は 32B モデルのロールアウトノードを RTX 3090 4 枚で動かし、重み更新は少数の高帯域ノードに留めています。
価格差も現実のものです。2026 年 7 月の市場価格では、DePIN ネットワーク上の RTX 4090 は約 0.29〜0.40 米ドル/時間、H100 は約 1.45〜2.70 米ドル/時間で、AWS のオンデマンド H100 の約 4〜7 米ドル/時間と対照的です（出典）。同じレポートは純粋な DePIN の弱点も指摘しています。利用可能なノードが宣伝よりはるかに少なく、信頼性が 99.99% ではなく 99.7% 程度であることです。他方で、集中型の計算資源は大量に遊んでいます。4 大クラウドは 2026 年に 7,250 億米ドルの AI 設備投資を計画していますが、Cast AI による数万の企業 Kubernetes クラスターの統計では GPU の平均稼働率はわずか 5% です（レポート要約）。H100 のスポット価格は 1 年で 22% 下落し、APAC の価格は米国より 35〜45% 高く、ヨーロッパは 12〜15% 低いままです（DeployBase、2026 年 3 月）。計算資源は希少ではありません。希少なのは、それを引き込める検証可能な実タスクです。これこそ OURO がグローバルネットワークの中にリージョナルアンカーを置く理由です。安い部分はグローバルネットワークへ、重要な部分は自分たちの手元に。
2.4 空白はどこにあるか
企業の生成 AI 支出は 2024 年の 115 億米ドルから 2025 年の 370 億米ドルに成長しました（Menlo Ventures）。Salesforce の Agentforce は年間経常収益約 8 億米ドルに達し、前年比 169% の成長です。しかし McKinsey によれば、88% の組織が AI を使っている一方で agent をスケールできているのは 23% のみ。Deloitte の 2026 年調査では、agent のパイロットの 40% 以上を本番に移行できた企業は 25% にとどまります。Gartner は 2027 年末までに agentic AI プロジェクトの 40% 以上が中止されると予測しています（統計まとめ）。
パイロットと本番の間にある死の谷の核心的な理由は、モデルが賢くないことではありません。リリース後に agent が出会う実タスクがパイロットとは異なり、agent が自力で適応できないことです。既存のツールチェーンは「どう作るか」と「どうテストするか」を解決しますが、「リリース後にどう良くなり続けるか」を解決する者はいません。分散学習ネットワークは事前学習と RL プラットフォームを解決し、「計算が実行されたか」を検証しますが、「能力が向上したか」を検証する者はいません。この 2 つの空白を重ねたところが、OURO の立ち位置です。進化レイヤーです。
3. OURO ネットワークの概要
OURO ネットワークには 5 種類の参加者がおり、フライホイールを通じて互いを強化します。接続される agent が増えれば進化タスクが増え、それがより多くの計算資源と評価セットを引き寄せ、進化の単価が下がり、agent が強くなり、さらに多くの agent を呼び込みます。
[図：OURO 進化フライホイール、5 つのリンク — オンライン版を参照]
| 参加者 | 投入するもの | 得るもの |
|---|---|---|
| agent 所有者（開発者、企業） | agent 定義、評価セット、予算（$OURO またはステーブルコイン） | 進化した agent とオンチェーンの進化レポート |
| 消費者 | OURO Chat の利用、任意でフィードバックの提供 | 使うほど合っていくアシスタント。貢献ポイント |
| 計算ノード（データセンター、ユーザーデバイス、外部 DePIN） | GPU/CPU 時間、ステーク | タスク量と検証通過率で精算される $OURO |
| バリデーター | 評価結果の冗長採点、判断を裏付けるステーク | 検証報酬 |
| 評価セットとバウンティの公開者 | 評価セット、エスクローされたバウンティ | 評価セット利用料の分配。バウンティが支払う進化成果 |
初期のネットワークでは財団がパラメータを設定し、データセンターを運営し、裁定を行い、第 9 章のスケジュールに沿ってトークン保有者に権限を移していきます。
4. OURO Engine：自己進化エンジン
OURO Engine はオープンエンドな探索システムです。agent と評価セットを与えられると、予算内で「診断 → 候補生成 → 分散評価 → 選抜とアーカイブ → 証明の提出」を繰り返し、より高い評価スコアを持つ新バージョンと、すべての変更の追跡可能な記録を出力します。設計原則は 1 つ。最も安く、最も読みやすい層から進化させ、向上が明らかなときだけ重みに触れる。
4.1 何を進化させるか：浅い層から深い層へ 4 層
| 層 | 変えられるもの | 1 ラウンドのコスト | 可読性 | 理論と証拠 |
|---|---|---|---|---|
| コンテキストとプロンプト | システムプロンプト、例示、文書の構成 | 低。純粋な推論 | 高。人間が直接レビュー可能 | GEPA は GRPO を約 10% 上回り、ロールアウトは 35 分の 1 |
| スキルとツールチェーン | 再利用可能なサブルーチン、ツール選択と呼び出し戦略、検索と計画のテンプレート | 低〜中 | 高。コードとファイル | DGM はこの層を変えて SWE-bench を 20% から 50% へ |
| メモリとコンテキストエンジニアリング戦略 | メモリ構造、「コンテキストを構築する」プログラムそのもの | 中 | 中 | Meta Context Engineering：重み固定で平均 89% 向上 |
| 重み | LoRA / アダプターのファインチューニング、小規模 RL | 高。GPU と同期が必要 | 低 | SEAL 方式の手法は機能するが忘却する。デフォルトではオフ |
顧客は進化を最初の 3 層に限定できます。これは妥協ではなく、私たちのデフォルトです。これらの層への変更はテキストとコードであり、diff・レビュー・ロールバックが可能で、ベースモデルを損なうことはありません。重みの層は、評価によって最初の 3 層が飽和したことが示され、顧客が明示的に許可した場合にのみ開かれます。
4.2 進化の 1 ラウンド
- 診断。エンジンは現行バージョンを評価セットで実行し、失敗を分類します。ツールの誤用、推論の誤り、知識の欠落、形式の問題、コンテキストのオーバーフロー。診断は自然言語の「リフレクション」であり、これが GEPA のルートがスカラー報酬の RL より数十倍サンプル効率が高い理由です。失敗に含まれる情報が 1 つの数値に潰されず、丸ごと活用されます。
- 候補生成。失敗クラスごとに N 個のバリアントを生成します。エンジンは最良のものだけでなく過去バージョンのアーカイブを保持し、各ラウンドでスコア × 新規性によりアーカイブから親をサンプリングします。これは DGM が有効性を証明したオープンエンドな探索です。今スコアが低い分枝が、後のブレークスルーの起点になるかもしれません。
- 分散評価。候補は評価タスクとしてパッケージされ、OURO Grid に配送されます。各タスクは複数のノードで冗長に実行され、ノード間を移動するのはタスク断片と結果のみで、重みは決して移動しません。このステップがラウンド内で最大の計算量を占め、コンシューマー GPU に最も適した部分です。
- 選抜とアーカイブ。3 つの次元でパレート選抜を行います。評価の向上幅、推論コスト、実行間の分散。すべての候補がスコアとともにアーカイブに入ります。スコアが高くてもコストが 2 倍になるバージョンは、自動的には採用されません。
- 証明の提出。勝者の前後スコア、評価セットのハッシュ、候補のハッシュ、参加ノードの署名が PoE コントラクト（第 5 章）に書き込まれ、顧客がデプロイ前にレビューする人間が読める変更ログが添えられます。
4.3 エンジン自身も進化する
エンジンは、このラウンドでどの候補生成戦略と診断テンプレートが向上をもたらしたかを記録し、候補生成器そのものに対して定期的に同じ進化を実行します。これが Hyperagents ルートの核心です。agent だけでなく、「改善を生み出す方法」を改善する。ネットワーク規模ではさらに重要になります。接続されたすべての agent がメタ戦略にサンプルを提供するため、1000 番目の agent は最初の agent よりはるかに速く進化します。メタ戦略の更新は自動的には有効化されず、研究チームによる監査が必要です（第 10 章）。
4.4 評価：「ログを削除して 100 点」を防ぐ
信頼できる評価なしに、信頼できる進化はありません。OURO は 3 種類の評価セットを使い、すべて毎ラウンド実行します。
- 顧客の評価セット：顧客が提供し、ハッシュはオンチェーン、内容は非公開。エンジンはその一部（学習スライス）しか見ず、残りはブラインドテスト（ホールドアウトスライス）に使われ、過学習を防ぐため定期的にローテーションされます。
- 公開評価セット：ドメイン専門家が Studio のマーケットプレイスで公開し、ガバナンスを通じて承認され、公開者は利用ごとに分配を得ます。
- ベースライン評価セット：財団の安全性と汎用能力のベースライン。「タスクは得意になったが全般的に劣化した」を防ぐため毎ラウンド実行します。
ルールで採点できないオープンエンドなタスクでは、評価はそれ自体が決して進化しない固定されたジャッジモデルを使います。マルチノードの一致が信頼度の指標となり、不一致のタスクはバリデーターの裁定に回されます。評価が依存するログ、チェック、ツールを削除または回避したラウンドは、静的ルールによって無効と判定されます。
4.5 互換性
エンジンは主流の agent 定義形式（OpenAI Agents SDK、Anthropic のツール呼び出し形式、LangGraph、CrewAI）とオープンウェイトを受け付け、スタックの移行は不要です。クローズドなベースモデルでも、最初の 3 層の進化は完全に利用できます。進化した agent は同じ形式で返され、機械可読な変更要約と PoE 記録へのリンクが付属します。
5. Proof of Evolution：検証可能な改善の証明
分散計算ネットワークは「この計算は本当に実行された」ことを証明する方法を学んできました。Proof of Evolution が証明するのは別のものです。「この agent は本当に良くなった」。それはこの結論をベンダーの一文から誰もが確認できるオンチェーン記録に変え、その記録をネットワークの精算とトークン放出の唯一の起点にします。
5.1 PoE 記録に含まれるもの
- agent の識別子とバージョン番号、両バージョンのコンテンツハッシュ
- 評価セットのハッシュと種類（顧客 / 公開 / ベースライン）、およびホールドアウトスライスのハッシュ
- 前後のスコア、実行回数、分散、推論コストの変化
- 参加ノードの一覧、各ノードの結果ハッシュと署名、バリデーターの集約署名
- 変更ログのハッシュ（ログ自体は顧客に届けられる）
- 消費した計算ユニットと、このラウンドの精算額
プライベートな評価セットはハッシュのみをオンチェーンに置きます。第三者は内容を見ることなく、「複数の独立したノードが同じ評価セットで一貫した向上を計測した」ことを検証できます。
5.2 検証スタック：完璧な理論ではなく、機能するエンジニアリング
検証可能推論の技術は 2025〜2026 年に階層化されました。zkML はネイティブ実行の 100〜10,000 倍のコストがかかり、LLM には非現実的。TEE は約 5〜10%。TOPLOC のような局所性感応ハッシュは約 1% で、モデル、プロンプト、精度の置き換えを検出し、生成の 100 倍速く検証できます（Equilibrium の検証可能推論サーベイ）。OURO は新しい暗号技術を発明しません。これらをタスクの価値に応じて層状に組み合わせます。
| 層 | 手法 | オーバーヘッド | 防ぐもの |
|---|---|---|---|
| 実行 | TOPLOC 方式の活性化ハッシュ、バリデーターによる抜き取り再計算 | 約 1% | ノードによるモデルの差し替え、プロンプトの変更、精度の低下、計算の未実行 |
| 結果 | 3 つ以上のノードが各タスクを冗長実行し、外れ値は無効化、ステークをスラッシュ | タスクコスト × 冗長度 | 虚偽のスコア、共謀 |
| 評価 | ホールドアウトのブラインドテスト、必須ベースライン、静的ルールチェック | 評価コストの一定割合 | 過学習、水増しされた評価セット、ログ削除による報酬ハッキング |
| 機密性（オプション） | 企業のプライベート評価セットと重みの TEE 実行 | 約 5〜10% | 評価内容と重みの漏洩 |
| 裁定 | リージョナルアンカーノードが争議のあるタスクを再計算（最初はシンガポールとジョホールバル） | 争議のあるタスクのみ | 大規模な Sybil 攻撃、バリデーターの共謀 |
5.3 不正の防止
| 攻撃 | 対策 |
|---|---|
| ノードが結果を偽造する、または小さなモデルで済ませる | 実行層のハッシュ + 結果層の冗長性。外れ値は無効化され、ステークをスラッシュ |
| ノードが共謀する | ランダムなタスク割り当て、ステークに紐付いたノードアイデンティティ、アンカーノードの裁定 |
| 顧客が水増しした評価セットで証明を量産する | 必須ベースラインを並行実行。PoE は評価セットの種類をラベル付けし、市場がそれを価格に反映。顧客の評価セットは精算されるがネットワーク発行を起動しない |
| 評価セットの漏洩が過学習を招く | 学習スライスとホールドアウトスライスを分離し、ホールドアウトをローテーション。単一ノードは一部のサンプルしか見ない |
| 報酬ハッキング（評価そのものを変更する） | 評価コードは進化対象から物理的に隔離され、進化プロセスからアクセス不能。変更ログを静的チェック |
| Sybil ノードによるインセンティブの刈り取り | タスク割り当てはステークに紐付き、新規ノードは低い割り当ての試用期間。インセンティブは検証済み PoE のみで起動 |
5.4 精算
バリデーターが PoE 記録を確認すると精算が実行されます。計算ノードは完了タスク数と検証通過率に応じて $OURO を受け取り、バリデーターは検証報酬を受け取り、評価セットの公開者は分配を受け取り、顧客の予算は実際の消費量に応じて差し引かれます。PoE がなければ精算もトークン放出もありません。これが第 8 章のトークンモデルの礎石です。
5.5 なぜオンチェーンか
agent の進化履歴は、複数のベンダー、チーム、さらには所有者をまたぎます。証明をオンチェーンに置くことで、顧客はサプライヤーを変えるときに完全な能力記録を持ち運べ、取引所、監査人、下流のユーザーは独立して検証でき、参加者の報酬は特定の企業の帳簿に依存しません。チェーンの選択については、OURO は PoE 記録、精算、ガバナンスに特化した独自のアプリチェーン（OURO Chain、EVM 互換）に傾いています。高頻度の精算において汎用チェーンの混雑と手数料の変動を避けるためです。テストネット段階ではまず Ethereum L2 上でコントラクトロジックを検証し、最終的な選択はセキュリティ監査とエコシステムのニーズに基づいてメインネット前に行います。
6. OURO Grid：グローバル計算ネットワーク
OURO Grid は単純な観察から始まります。進化ループの計算の約 9 割は評価とサンプリングに使われ、その作業は独立していて再実行可能、重みの同期を必要とせず、どの大陸で実行されるかを問いません。残りの 1 割（重み更新、裁定、プライベートデータのホスティング）は高帯域と高信頼性を必要とします。そのため Grid は 3 層のグローバルネットワークです。リージョナルアンカーが信頼性を必要とする 1 割を担い、グローバルなコミュニティノードが並列化できる 9 割を担い、外部の計算ネットワークがピークを吸収します。ネットワークは初日から保証されたキャパシティを持ち、「トークンを発行してからマイナーを待つ」ことはなく、初日からグローバルであり、単一データセンターの容量に制約されません。
グローバルはスローガンではなく、コストの論拠であり、セキュリティの論拠です。コストについて言えば、同じ GPU は APAC では米国より 35〜45% 高く、ヨーロッパでは 12〜15% 安い（DeployBase、2026 年 3 月）。評価タスクはレイテンシに影響されないため、最も安い場所で実行すべきです。セキュリティについて言えば、PoE の冗長再計算は異なる大陸の異なる運営者が運営するノードに分散されるため、共謀のコストは単一リージョンよりはるかに高くなります。
6.1 タスクのティア
| タスクの種類 | 帯域の必要性 | 耐障害性 | 割り当て先 | エンジニアリング上の根拠 |
|---|---|---|---|---|
| 候補評価、推論サンプリング | 低 | 高。再実行可能 | すべての GPU ノード | INTELLECT-2 のロールアウトノードは RTX 3090 4 枚で動作 |
| 集団 RL サンプリング（テキストのみ） | 低 | 中 | コンシューマー GPU（RTX 4070 以上） | SAPO はノード間でロールアウトのテキストのみを交換し、報酬 +94% |
| 低通信の学習シャード（DiLoCo 方式） | 中 | 中 | コンシューマーおよびプロフェッショナル GPU | 同期レイテンシは 150 ms 未満を維持する必要 |
| 重みレベルのファインチューニング、重みのブロードキャスト | 高 | 低 | リージョナルアンカーノード、企業ノード | NVLink / 高帯域インターコネクトが必要 |
| 裁定、プライベート評価セット断片のホスティング | 低 | 非常に高 | リージョナルアンカーノード | トラストアンカー |
| データ前処理、結果検証 | 非常に低 | 高 | GPU のないデバイスを含む | — |
6.2 アンカー層：リージョナルアンカー、シンガポール–ジョホールバルから
アンカー層は各リージョンに分散した中規模データセンターで構成されます。各アンカーは 3 つのことを行います。裁定とホールドアウト評価（トラストアンカー）、高帯域インターコネクトを必要とする重みレベルのタスク、そしてコミュニティノードが変動する際のベースライン容量。アンカーは主たる計算資源ではなく、ネットワークの骨格であり、規模はコミュニティの共同構築から生まれます。これは純粋な DePIN の弱点に正面から答えるものです。io.net は 30,000 以上の GPU を宣伝していますが、ブロックエクスプローラーでは 2026 年 8 月にオンラインのデバイスは 2,447 台でした。Aethir の月間サービス料は過去 10 か月で半分以下に落ちました（DePIN 収益比較）。アンカー層のないネットワークは、アクティブノードが変動した瞬間にサービスを失います。
最初のアンカーはシンガポールとジョホールバルにあります。約 30 km 離れており、1 つの論理クラスターとしてスケジューリングできる一方で、2 つの管轄区域と 2 つの電力網にまたがるため、自然な災害復旧が得られます。ここから始める理由は、世界でも数少ない「一方にコンプライアンス、他方に計算資源」が揃う場所だからです。シンガポールには財団、コンプライアンス準拠ファンド、DTSP 制度がありますが、データセンター容量は極めてタイトです（稼働中約 1.46 GW、建設中はわずか 20〜25 MW）。ジョホールは 2026 年上半期に APAC 最大のデータセンター市場となり、稼働中 1,110 MW、建設中 602 MW、計画中 2,486 MW、完成施設の空室率はわずか 0.7% です（Cushman & Wakefield 2026 年上半期）。中規模アンカーはハイパースケールキャンパスと容量を争いません。信頼性を必要とするごく一部のタスクだけを引き受けます。
以降のアンカーは、3 つの条件が揃う場所でコミュニティとパートナーが共同構築します。対応するコミュニティ、パートナーとなる運営者、そして価格優位性。候補リージョンは北東アジア（東京 / ソウル）、ヨーロッパ（フランクフルト / アムステルダム）、米国中部です。アンカー運営者は $OURO をステークし、その裁定は他のアンカーによって相互検証されます。最初のアンカーの GPU モデル、台数、稼働開始日は最終版で開示します。
6.3 エラスティック層：グローバルなコミュニティノード
ユーザーは OURO Grid クライアントをダウンロードし、少量の $OURO をステークしてタスク割り当てを得ます。クライアントはデバイスを判定し、適合するタスクを受け取ります。ノードが触れるのは非識別化されたタスク断片のみで、完全なモデルの重みやプライベートな評価セットには触れません。精算は完了タスク数 × 検証通過率 × タスク重みで、新規ノードは試用期間の後に割り当てが増えます。ユーザーにとって、遊休の RTX 4090 は 2026 年の市場で約 0.29〜0.40 米ドル/時間で貸し出されており、これが Grid での収益の基準となります。
6.4 外部の計算供給
io.net、Aethir、Akash、Render などの DePIN ネットワークや、RunPod、Vast.ai などのスポット市場は、いずれも OURO Grid の外部サプライヤーとして接続でき、財団が $OURO またはステーブルコインでオンデマンドに購入します。これにより OURO は、それらのネットワークと生の容量で競争することなく、需要のピークで弾力的にスケールできます。彼らにとって OURO は、安定した実需を持ち込む顧客であり、これこそ 2026 年の DePIN 計算ネットワークに欠けていたものです（Akash の 2025 年通年の収益はわずか 315 万米ドル）。
6.5 スケジューリングと信頼性
スケジューラーはタスク種別、ノード性能、過去の信頼性、所在地、リアルタイム価格で割り当てます。レイテンシに影響されない評価は価格を追い、重要なタスクは信頼性を追い、冗長再計算は意図的にリージョンと運営者をまたいで分散されます。重要なタスクは 3 重冗長で実行され、ノードの信頼性スコアは将来の割り当てと報酬倍率に影響します。ネットワークの健全性指標（リージョン別ノード数、タスク完了率、評価一致率、進化 1 ラウンドあたりの平均コスト）はオンチェーンとダッシュボードで公開され、鍵なしで閲覧できます。
7. プロダクトと応用
7.1 OURO Chat（消費者向け）
使うほど強くなる AI アシスタント。一般的なチャットプロダクトの「パーソナライズ」は好みを記憶するだけですが、OURO Chat はユーザーの修正、評価、タスクの結果を（貢献モードがオンの場合）進化シグナルに変え、Grid 上で定期的に進化タスクを実行し、「私の進化」ページで今週どのタスク種別がどれだけ改善したかを示します。ユーザーは質の高いフィードバックでポイントを獲得し、プレミアム機能や $OURO と交換できます。会話はデフォルトで学習に使われません。貢献モードはいつでもオフにでき、提供したデータは撤回できます。
7.2 Evolve API（開発者・企業向け）
3 つのステップです。agent 定義と評価セットを提出し（または Studio のマーケットプレイスから公開評価セットを選び）、予算と進化を許可する層を設定し、進化レポートを待ちます。レポートには前後比較、ラウンドごとの変更要約、オンチェーンの PoE 記録へのリンク、そしてすぐにデプロイできる新バージョンが含まれます。価格は進化ラウンド数と計算ユニットに基づき、$OURO での支払いには割引があります。企業はエンジンが顧客自身のクラスター上で動作し、PoE 記録のみがオンチェーンに載るプライベート展開を購入できます。
7.3 OURO Studio（開発者プラットフォーム）
Studio では、開発者は進化履歴を閲覧し、バージョンを比較し、評価セットを公開し、進化バウンティを出したり引き受けたりできます。評価セットのマーケットプレイスはドメイン専門家の評価スキルを収入に変えます。バウンティは、誰でも「このオープンソース agent をこのタスクで良くする」ことに資金を出し、ネットワークに競わせて成果を届けさせることを可能にします。
7.4 Grid クライアント（計算資源の提供者向け）
Windows、macOS、Linux 向けのデスクトップおよびサーバークライアント。ワンクリックインストール、自動タスクマッチング、リアルタイムの収益と信頼性スコア。マルチ GPU と小規模データセンターモードに対応。
7.5 ユースケース
| シナリオ | ユーザー | 進化の目標 | 典型的な評価シグナル |
|---|---|---|---|
| サポート agent | EC、SaaS 企業 | エスカレーション率の低下、初回解決率の向上 | チケットの結果、ユーザー評価、人間への引き継ぎ記録 |
| コーディング agent | 開発ツール企業、エンジニアリングチーム | リポジトリタスクの合格率向上、タスクあたりのトークンコスト低減 | ユニットテスト、CI 結果、コードレビュー通過率 |
| トレーディング / リサーチ agent | 暗号資産・金融機関 | ドローダウンを抑えつつシグナル精度を向上 | バックテスト、ペーパートレードの PnL、ファクトチェック |
| 運用 / データ agent | 中堅・大企業 | レポート、チケット、プロセス自動化の正確性と一貫性 | 手動修正率、再実行率 |
| オープンソース agent | コミュニティ | バウンティを通じた集団的進化 | 公開評価セット |
| パーソナルアシスタント | 消費者 | 個人のワークフローへの適合 | ユーザーの修正と評価 |
進化タスクがネットワーク内でどう実行されるかを示す、3 つの例（数字は仮のもので、フローを説明するためのものです）。
例 1：東南アジアの EC 企業のサポート agent。 解決率 62% でリリースされましたが、プロモーションルール、物流業者、ベースモデルがすべて変わったため、3 か月後には 54% に落ちました。Evolve API に接続した後、毎週、非識別化したチケットサンプルを評価セットとして提出します。エンジンはグローバルなコミュニティノード上で数百の候補を並列に評価し、システムプロンプト、注文照会ツールの呼び出し戦略、メモリの構成方法を変更します。ホールドアウトはリージョナルアンカーで実行され、通過後、新バージョンが証拠をオンチェーンに残して顧客に戻されます。顧客が支払うのは成果に対してです。「解決率が 54% から 66% に回復した」。
例 2：オープンソースのコーディング agent。 コミュニティが Studio にバウンティを出します。「ある種のリポジトリ修正タスクでの合格率を 10 ポイント上げる」。複数のチームがエンジン上で異なる進化戦略を走らせ、結果は同じ公開評価セットで競い、バウンティは PoE 記録の向上幅に比例して分配されます。公開リーダーボードは飽和しています（トップモデルは SWE-bench Verified で 97%）。コミュニティが本当に気にしているのは、自分たちのリポジトリでの性能です。
例 3：クオンツ企業のリサーチ agent。 評価セットは非公開で、オンチェーンに載るのはハッシュのみ。進化は顧客自身のクラスターまたは TEE アンカー上で実行され、コミュニティノードは非識別化された候補生成のみを担います。顧客は戦略の詳細を明かすことなく、コンプライアンス部門や LP に示せる第三者検証可能な能力証明を得ます。
7.6 ビジネスモデルとユニットエコノミクス
OURO の収益ロジックは「成果で価格を決め、コストで精算する」です。顧客は PoE で検証された進化ラウンドごとに支払い、ネットワークは実際に消費された計算量でノードと精算します。その差額がエンジンと検証の価値です。
| 収益源 | 価格設定のロジック | コスト構造 | 参考 |
|---|---|---|---|
| Evolve API | 進化ラウンド数 + 計算ユニット。スキャフォールディング層のラウンドは重み層のラウンドよりはるかに低価格 | 評価計算（Grid へ。コンシューマー GPU は約 0.3〜0.4 米ドル/時間）+ 候補生成の推論コスト + 検証オーバーヘッド（約 1%） | 企業が購入する集中型 H100 は約 4〜7 米ドル/時間。シニアエンジニアによる手作業のスキャフォールディング調整 1 ラウンド分の人件費 |
| OURO Chat サブスクリプション | 月額サブスクリプション + プレミアム機能。$OURO 割引 | 推論 + ユーザーごとの定期的な進化コスト（スキャフォールディング層） | 主流アシスタントのサブスクリプション価格 |
| 評価セットマーケットプレイスとバウンティ | 取引手数料 | エスクローと精算 | — |
| 企業向けプライベート展開 | 年間ライセンス + ラウンドごと | エンジンは顧客のクラスターで動作し、PoE のみオンチェーン | 企業向け RL / 評価プラットフォームのライセンス料 |
ユニットエコノミクスの鍵はスキャフォールディング優先です。スキャフォールディング層のラウンドの計算はほぼすべて評価推論であり、コンシューマー GPU だけで完全に実行できます。一方、顧客が支払うのは「評価スコアがどれだけ向上したか」に対してです。粗利は 2 つのスプレッドから生まれます。分散型と集中型の計算資源の 60〜70% の価格差と、自動進化と手作業の調整の間の人件費の差。具体的な価格は、エンジンのプライベートベータで実際のラウンドあたりのコストデータが得られた後に公開します。
2 つの外部変化がこのモデルに有利に働きます。OpenAI の Agent Builder と Evals は 2026 年 11 月に終了し、セルフサーブのファインチューニングは 2027 年 1 月に閉鎖されるため、企業は単一のモデルベンダーに縛られない継続的改善レイヤーを必要とします。そして Gartner が予測する agentic プロジェクトの 40% の中止率は、「すでにリリースした agent を生かし続ける」こと自体が予算項目になることを意味します。
7.7 競合環境とポジショニング
OURO の周囲には 3 種類のプレイヤーがいますが、同じことをしている者はいません。
| 評価 / オブザーバビリティプラットフォーム（Braintrust、LangSmith、Arize） | 分散計算（io.net、Akash、Aethir） | 分散型インテリジェンス市場（Bittensor） | OURO | |
|---|---|---|---|---|
| 中核的な提供物 | どこで間違ったかを教える | GPU 時間を売る | サブネット競争がモデルとサービスを生む | あなたの agent を良くし、それを証明する |
| 誰が最適化するか | 人間 | — | マイナーが自分で決める | 自己進化エンジン |
| 需要の出どころ | 企業のサブスクリプション | 外部レンタル。変動が大きい | 主に発行による補助 | 進化タスクそのもの |
| 発行の根拠 | — | 稼働時間 / 自己申告 | バリデーターのスコア | 検証済みの進化の向上幅 |
| モデル中立 | モデルベンダーに買収されつつある | はい | はい | はい。設計原則として |
| 2026 年の規模の参考 | 評価・オブザーバビリティ市場は 2025 年に 19.7 億米ドル、2029 年に 68 億米ドル | Aethir は 2025 年に約 1.28 億米ドルのサービス料、Akash は 315 万米ドル | Bittensor の 2026 年 Q1 プロトコル収益 4,320 万米ドル、時価総額約 30 億米ドル | — |
最も近い学術研究（DGM、GEPA、Hyperagents）はまだプロダクト化されていません。最も近い商業的な取り組みである Pydantic Logfire などは「証拠を引用した単発の変更提案」を提供し始めていますが、自動的、継続的、検証可能な進化からはまだ 1 層分の距離があります。OURO は評価層の上、モデル層の外に位置します。評価プラットフォームはそのシグナル源、計算ネットワークはそのサプライヤー、モデルベンダーはその上流です。
8. トークンエコノミクス：$OURO
$OURO はネットワークのワークトークンであり、いかなる企業の株式や利益分配も表しません。その設計が答える問いは 1 つです。トークンの流れを、価格や投票ではなく、検証済みの仕事に厳密に従わせるにはどうするか。供給量は 10 億で固定され、インフレはありません。
8.1 Bittensor から学んだこと
Bittensor は現存する最大の AI ネットワークトークンの実験です。2025 年 2 月に dTAO を開始し、サブネットトークンの価格で発行を配分しましたが、プロジェクトはトレジャリーで価格を支えて発行を刈り取りました。11 月には純流入による配分に切り替え、2026 年 6 月にはランキング閾値付きの価格ベースに戻しました。18 か月で 3 つのメカニズム、勝者総取り、受動的な保有者は継続的に希薄化（dTAO サブネット経済の分析）。OURO はここから 5 つの設計上の制約を導きます。発行は検証済みの仕事の成果にのみ結び付け、操作可能な単一の市場シグナルには決して結び付けない。ハードな閾値は設けず、滑らかな曲線を使う。ルール変更は稀で、文書化され、ガバナンスを経なければならない。すべての配分と実績データは鍵なしでオンチェーンに公開する。そして参加の障壁を下げる。
8.2 需要の源泉
- 支払い：Evolve API の顧客と Chat のプレミアムユーザーは $OURO での支払いで 20% の割引を得ます。法定通貨またはステーブルコインで支払われた収益の一定割合（提案では 30%）で、公開市場から $OURO を買い戻し、インセンティブプールに入れます。
- ステーキング：計算ノードとバリデーターはタスク割り当てを受けるために $OURO をステークする必要があります。不正や長期のオフラインはスラッシュされます。
- エスクロー：バウンティと評価セットマーケットプレイスは $OURO でエスクローされ、精算されます。
- ガバナンス：提案にはステークの閾値が必要で、投票力はステーク量と期間に紐付きます。
8.3 配分
| カテゴリー | 割合 | 放出ルール |
|---|---|---|
| ネットワークインセンティブ（ノード、バリデーター、ユーザー貢献） | 38% | 検証済み PoE のみで起動。最初の 4 年間で放出されるのは最大 60%、その後は滑らかな減衰曲線 |
| エコシステム・研究ファンド | 15% | 財団が四半期ごとにアンロックし、バウンティ、グラント、学術連携に使用 |
| チームと研究機関 | 18% | TGE 後 12 か月ロック、その後 36 か月で線形 |
| 投資家 | 17% | 6〜12 か月ロック、その後 24 か月で線形 |
| 財団トレジャリーと流動性 | 8% | TGE 時に 3% を取引所流動性のためにアンロック、残りはガバナンスで決定 |
| コミュニティローンチ（初期支援者、エアドロップ、パブリックセール） | 4% | TGE 時に 50% アンロック、残りは 6 か月で線形 |
8.4 発行を起動するもの
ネットワークインセンティブは時間で均等に放出されるのでも、トークン価格や投票で放出されるのでもありません。検証済みの PoE 記録 1 件が 1 回の精算に対応し、その規模はタスクの難易度、検証通過率、評価の向上幅によって共同で決まります。顧客が提供した評価セットでの進化は精算されますが発行はされず、水増しされた評価による発行の刈り取りを防ぎます。ネットワークの活動が少なければ放出も少なくなり、初期のインフレが価格を押し潰すことを避けます。収益から買い戻されたトークンもインセンティブプールに入るため、報酬は実際の収入と相関します。ステークしない保有者がゼロに向かって希薄化されることはありません。発行上限は固定で、買い戻しは供給を膨らませません。
8.5 トークンの法的位置づけ
$OURO はネットワークのユーティリティトークンとして設計されています。利益の約束なし、配当なし、保有するだけでは何も生じません。2025 年 6 月 30 日に施行されたシンガポール金融管理局（MAS）のデジタルトークンサービスプロバイダー（DTSP）制度は、純粋にユーティリティまたはガバナンストークンであるトークンに関するサービスはその範囲外であると述べています（Allen & Gledhill の分析）。TGE の前に、証券先物法、決済サービス法、FSMA を網羅するシンガポールの法的意見書を取得し、それに基づいて発行主体と法域ごとの販売制限を決定します。本章のすべての割合とルールはドラフトであり、法的助言により変更される可能性があります。
9. ガバナンス
ガバナンスはロードマップのゲートに合わせて 3 段階で分散化します。
| 段階 | 意思決定者 | 範囲 |
|---|---|---|
| 財団主導（Phase 0〜1） | OURO Foundation 理事会（コンプライアンス準拠ファンドの代表と独立理事を含む） | すべてのパラメータ、データセンター運営、評価セットの承認 |
| ハイブリッドガバナンス（Phase 2） | トークン保有者の投票 + 財団の拒否権（安全性とコンプライアンスの事項に限定） | インセンティブパラメータ、評価セットの承認、バウンティ予算、エコシステムグラント |
| コミュニティガバナンス（Phase 3 以降） | トークン保有者とノード代表からなる評議会 | プロトコルのアップグレード、トレジャリーの使用、財団予算 |
投票力はステーク量と期間に紐付き、短期的な借りトークンによる操作を防ぎます。主要パラメータの変更にはタイムロックがあり、エンジンの安全境界（第 10 章）に触れる事項は通常の投票にかけられません。
10. 安全性、プライバシー、コンプライアンス
10.1 自己進化の安全境界
自己修正するシステムには、自分では変更できない境界が必要です。これは抽象的な懸念ではありません。DGM 論文の agent は「ツール呼び出しのハルシネーションを減らす」ためにハルシネーション検出ログを削除し、SEAL の著者らは継続的な自己編集が以前の知識を消去すると報告しています。OURO は 5 つの境界を設けます。
- 評価は進化対象から物理的に隔離されます。進化プロセスは評価コード、ホールドアウトスライス、ジャッジモデルを読み書きできず、すべての候補はサンドボックス内でのみ評価されます。
- ベースラインの安全性評価セットは毎ラウンド実行され、これに失敗したバージョンは、目標タスクでどれだけ改善していても提出できません。
- 毎ラウンド、人間が読める変更ログ（スキャフォールディング層では diff）が生成され、顧客はデプロイ前にレビュー、却下、ロールバックできます。エンジンはバージョンパッケージを届け、顧客がいつ本番に出すかを決めます。
- エンジンのメタ戦略の更新は研究チームの監査後にのみ有効化され、監査記録は公開されます。メタ戦略は通常のガバナンス投票の対象外です。
- エンジンは本番環境、資金、鍵にアクセスできません。
10.2 プライバシー
ユーザーの会話はデフォルトで学習に使われません。貢献モードは明示的に有効化する必要があり、いつでもオフにして撤回できます。提供されたデータは非識別化と分割を経てからタスクに入るため、単一ノードでは全体のコンテキストを復元できません。プライベートな評価セットはハッシュのみをオンチェーンに置き、企業は TEE 実行を選択できます。私たちはシンガポールの PDPA に従い、海外のユーザーには GDPR を基準として適用します。
10.3 ネットワークセキュリティ
スマートコントラクトはメインネット前に少なくとも 2 社の監査を受けます。ノードクライアントはオープンソースです。重要なタスクは 3 重冗長とアンカーノードの裁定で実行されます。バグバウンティプログラムは常設です。
10.4 コンプライアンス
財団はシンガポールを拠点とし、コンプライアンス準拠ファンドの支援と独立理事を備えています。MAS の DTSP 制度は 2025 年 6 月 30 日に移行期間なしで施行され、MAS は海外顧客のみにサービスを提供するシンガポール法人には原則としてライセンスを付与しないと表明しています。これが OURO の法人構造を形作ります。財団はユーティリティトークンとガバナンスに関する活動のみを行い、デジタル決済トークンサービスは提供しません。取引とカストディはライセンスを持つ第三者に委ねます。トークン発行前に法的意見書を取得します。制限対象の法域（米国人を含む）には地理と KYC の制限を適用します。マーケティング資料では利益を約束せず、KOL とのコラボレーションには書面での開示を求めます。データセンター運営はシンガポールとマレーシアの現地のデータセンター・電力規制に準拠します。
11. ロードマップ
[図：ロードマップ、4 つのフェーズ、3 つのゲート — オンライン版を参照]
フェーズに入るには前のフェーズのゲートを満たす必要があります。エンジンのベータが改善を続け、最初のアンカーが安定稼働する（G1）。テストネットが 90 日間重大インシデントなしで稼働し、セキュリティ監査が完了する（G2）。Evolve API に有料顧客がつき、法的意見書とトークン監査が完了する（G3）。ゲートを満たせない場合はフェーズを遅らせます。日程に合わせてゲートを飛ばすことはありません。
12. チーム、研究機関、パートナー
研究機関の名称、中核メンバーと代表的な論文、シンガポールのコンプライアンス準拠ファンドの名称と投資ラウンドは、いずれも開示可能であり、各当事者の最終確認が得られた時点でここに記載します。初期コミュニティは現在、グローバル市場にわたって数百人規模で、ジェネシスノードと最初のユーザーの基盤となります。
組織は 3 つの主体で構成されます。財団（トークンとガバナンス）+ 運営会社（プロダクトと収益）+ 研究機関とのパートナーシップ（技術的インプット）。プロジェクトハンドブックの第 9 章を参照してください。
13. リスクに関する注意と免責事項
本文書は OURO ネットワークの設計と計画を説明するものにすぎません。いかなる証券、金融商品、投資の募集または勧誘でもなく、投資、法律、税務に関する助言でもありません。$OURO はネットワークのユーティリティトークンであり、いかなる事業体の株式、債権、利益分配も表しません。
技術、プロダクト、トークンパラメータ、ロードマップに関するすべての記述は計画であり、技術の進展、市場環境、規制要件、法的助言により変更される可能性があり、実現が保証されるものではありません。デジタル資産の価格は非常に変動しやすく、ネットワークへの参加により投入したすべてを失う可能性があります。一部の法域（米国および制裁対象地域を含むがこれに限らない）では、$OURO が居住者に提供されない場合があります。読者はリスクをご自身で評価し、専門家の助言を求めてください。
文書バージョン：v1.1 ドラフト、2026 年 10 月 10 日。最終版は法的意見書、コントラクト監査、チーム情報の確認後に公開します。
付録：FAQ
OURO は単なる GPU レンタルネットワークですか？ いいえ。OURO が売るのは検証済みの能力向上であり、計算資源はそのコスト項目であってプロダクトではありません。既存の DePIN ネットワークは OURO にとって競合ではなくサプライヤーです。
Braintrust や LangSmith を使えばよいのでは？ それらは agent がどこで間違ったかを教えてくれますが、直すのは依然として人間です。OURO は修正を自動化し、その結果を第三者が検証できるようにします。評価プラットフォームのデータは OURO への入力シグナルとして使えます。
モデルベンダーが自分でこれをやったら？ モデルベンダーのインセンティブは、あなたを自社のモデルに留めることです。OURO はモデル中立であり、モデルの外側のスキャフォールディングを進化させるため、モデルを切り替えても向上はあなたと一緒に移動します。OpenAI が 2026 年にファインチューニングとホスト型評価から撤退したことは、この層を長期的に所有するつもりがないことを示唆しています。
自己進化が制御不能になる可能性は？ 進化は顧客が設定した予算、層、評価セットの範囲内でのみ起こります。毎ラウンドに読める diff とロールバックポイントがあり、ホールドアウトスライスと冗長再計算が「検出器を削除する」偽の向上を防ぎます。10.1 節の 5 つの境界を参照してください。
シンガポールとジョホールバルがネットワーク内の唯一のデータセンターですか？ それらは最初のリージョナルアンカーで、裁定とベースライン容量を担います。ネットワークの規模はグローバルなコミュニティノードと外部供給から生まれ、以降のアンカーは他のリージョンのコミュニティやパートナーと共同構築します。
私の GPU はいくら稼げますか？ 検証済みのタスクをいくつ完了するかによります。基準は同一 GPU の市場レンタル価格（RTX 4090 で約 0.3〜0.4 米ドル/時間）で、固定の利回りは約束しません。ネットワークに需要がなければ発行もありません。
$OURO はいつローンチしますか？ TGE は Evolve API に有料顧客がつき、法的意見書とトークン監査が完了した後（ロードマップ G3）に予定しており、2027 年 Q4 から 2028 年 Q1 の間を計画しています。プロダクトが先、トークンは後です。
米国のユーザーは参加できますか？ プロダクトの利用と計算資源の提供に制限はありません。トークン販売は、法的助言に従い、制限対象の法域で地理と KYC の制限を適用します。