AI Layer 1 研报：寻找未来链上 DeAI 应用的沃土(4)

• 指纹嵌入：在训练时插入一组隐蔽的 query-response 键值对形成模型唯一签名；

• 所有权验证协议：通过第三方探测器（Prover）以 query 提问形式验证指纹是否保留；

• 许可调用机制：调用前需获取模型所有者签发的“权限凭证”，系统再据此授权模型对该输入解码并返回准确答案。

这种方式可在无重加密成本的情况下实现“基于行为的授权调用 + 所属验证”。

Sentient 当前采用的即为 Melange混合安全：以指纹确权、TEE 执行、链上合约分润结合。其中指纹方法为 OML 1.0 实现主线，强调“乐观安全（Optimistic Security）”思想，即默认合规、违规后可检测并惩罚。

指纹机制 是 OML 的关键实现，它通过嵌入特定的“问题-回答”对，让模型在训练阶段生成独特的签名。通过这些签名，模型拥有者可以验证归属，防止未经授权的复制和商业化。该机制不仅保护了模型开发者的权益，还为模型的使用行为提供了可追踪的链上记录。

此外，Sentient 推出了 Enclave TEE 计算框架，利用可信执行环境（如 AWS Nitro Enclaves）确保模型只响应授权请求，防止未经许可的访问和使用。虽然 TEE 依赖硬件且存在一定安全隐患，但其高性能和实时性优势使其成为当前模型部署的核心技术。

未来，Sentient 计划引入零知识证明（ZK）和全同态加密（FHE）技术，进一步增强隐私保护和可验证性，为 AI 模型的去中心化部署提供更成熟的解决方案。

OML提出五种可验证性方法的评估和对比

目前，Sentient 的产品主要包括去中心化聊天平台 Sentient Chat、开源模型 Dobby 系列以及 AI Agent 框架

SentientAGI 已发布多个“Dobby”系列模型，主要基于 Llama 模型，聚焦自由、去中心化和加密货币支持的价值观。其中，leashed 版本风格较为约束和理性，适合稳健输出的场景；unhinged 版本偏向自由大胆，具备更丰富的对话风格。Dobby 模型已经被集成到多个 Web3 原生项目中，如 Firework AI 和 Olas，用户也可以在 Sentient Chat 中直接调用这些模型进行互动。Dobby 70B 是有史以来最去中心化的模型，拥有超过 60 万名所有者（持有 Dobby 指纹 NFT 的人同时也是该模型的共同拥有者）。

Sentient 还计划推出 Open Deep Search，这是一个试图超越 ChatGPT 和 Perplexity Pro 的搜索代理系统。该系统结合了 Sensient 的搜索功能（如查询重述、文档处理）与推理代理，通过开源 LLM（如 Llama 3.1 和 DeepSeek）提升搜索质量。在 Frames Benchmark 上，其性能已超过其他开源模型，甚至接近部分闭源模型，展现了强大的潜力。