Bagel

Bagel 是一个去中心化的机器学习数据湖，旨在解决开源AI中数据共享和贡献者激励的问题。其核心差异点在于将密码学技术与隐私保护机器学习相结合，使得数据和模型贡献可以在不暴露底层专有信息的前提下被验证并获得奖励。例如，其 ZKLoRA 技术允许开发者在不泄露适配器权重的情况下证明微调后AI适配器的有效性，解决了模型共享中的信任与归属问题。

Bagel 解决的市场痛点在于开源AI中的“搭便车”问题：数据或算力贡献者往往得不到认可或补偿，阻碍了高质量开源数据集的成长。通过引入密码学归属和激励机制，Bagel 旨在使数据贡献成为一种可验证且经济上可持续的活动。

近半年（2026-02-28 至 2026-08-31），Bagel 展现了活跃的社区参与和技术进展。它于2026年8月27日在多伦多举办了机器人与物理AI社区活动，并在此前于门洛帕克与 Alumni Ventures 共同举办了围绕世界模型的聚会。2026年3月，Bagel Labs 的一篇论文被 CVPR 2026 接收，表明其在扩散模型研究方面的持续贡献。这些活动反映出其专注于围绕去中心化AI基础设施构建社区，而非纯粹商业推广。