TPS de Blockchain: Por Qué las Cifras Récord a Menudo Colapsan en el Mundo Real y Qué Métricas Importan Realmente
Un análisis con Carter Feldman de Psy Protocol revela las limitaciones de la métrica de transacciones por segundo, el “problema de escalabilidad lineal” y el papel de la tecnología Zero-Knowledge para un rendimiento sostenible.
Las cifras de Transacciones Por Segundo (TPS) son el caballo de batalla de muchos proyectos blockchain, pero a menudo ofrecen una imagen engañosa de su capacidad real para escalar. Carter Feldman, fundador de Psy Protocol, explica a Cointelegraph que estas métricas, comúnmente obtenidas en entornos de prueba aislados, ignoran el costo fundamental de la descentralización: la verificación y retransmisión entre nodos. Casos como el de EOS, que prometía 1 millón de TPS pero alcanzaba solo 50 en condiciones realistas, ejemplifican la brecha entre el marketing y el rendimiento en red principal.
La Ilusión del TPS: Cuando el Benchmark Ignora la Descentralización
La crítica fundamental de Feldman
La tesis central de Feldman es que el TPS es una métrica válida solo si se mide en un entorno que simule la red descentralizada real, no en pruebas de laboratorio.
“Muchas pruebas pre-mainnet, de testnet o de benchmarking aislado miden TPS con un solo nodo en ejecución”, señaló el experto. “En ese punto, bien podrías llamar a Instagram una blockchain que puede alcanzar 1,000 millones de TPS porque tiene una autoridad central validando cada llamada a la API”.
Para él, medir solo la ejecución en una máquina virtual es insuficiente para evaluar el rendimiento de una red distribuida.
El costo oculto: verificación y consenso
La descentralización añade una capa crítica de complejidad que las pruebas simplificadas pasan por alto. En una blockchain operativa, cada nodo completo debe verificar independientemente cada transacción según las reglas del protocolo. Además, estas transacciones deben ser retransmitidas a través de la red para alcanzar un consenso. Factores del mundo real como el ancho de banda disponible, la latencia de la red y su topología impactan directamente en el rendimiento final, creando un cuello de botella que no aparece en un entorno controlado con un solo nodo.
Caso de estudio: La promesa vs. la realidad de EOS
El histórico proyecto EOS sirve como ejemplo paradigmático de esta brecha. Su documento técnico original, publicado durante su ICO en 2018, sugería una capacidad teórica de aproximadamente 1 millón de TPS. Sin embargo, un informe de investigación de la firma Whiteblock, que Feldman cita basándose en su experiencia como ex productor de bloques en EOS, midió un rendimiento realista de solo alrededor de 50 TPS. Otros reportes, en condiciones más favorables, hablaban de unos 4,000 TPS, una cifra aún muy lejana de la promesa inicial y que ilustra la caída del rendimiento al enfrentarse a las restricciones de una red descentralizada.
El Problema de la Escalabilidad Lineal y una Solución Potencial: Zero-Knowledge
La carga incremental por transacción
Feldman describe el “problema de escalabilidad lineal” inherente a los diseños blockchain tradicionales. En estos sistemas, cada transacción adicional añade carga computacional y de red a cada nodo validador. Escalar el rendimiento (aumentar el TPS) implica, por tanto, incrementar linealmente la carga para cada participante de la red. Este enfoque eventualmente choca con límites físicos de hardware y ancho de banda, forzando un difícil equilibrio entre rendimiento y el grado de descentralización.
Zero-Knowledge: Más allá de la privacidad
La tecnología Zero-Knowledge (ZK), conocida por sus aplicaciones en privacidad, emerge como una solución potencial a este problema fundamental de verificación. En esencia, las pruebas ZK permiten demostrar que un conjunto o lote de transacciones es correcto y válido, sin que cada nodo de la red tenga que reprocesar cada una de ellas individualmente. Esto desacopla parcialmente la carga de verificación del volumen de transacciones.
El poder de las pruebas ZK recursivas
Feldman profundiza en un mecanismo específico: las pruebas ZK recursivas.
“Resulta que puedes tomar dos pruebas ZK y generar una prueba ZK que demuestre que ambas pruebas son correctas”, explicó. “Así que puedes tomar dos pruebas y convertirlas en una”.
Este proceso puede repetirse, creando una estructura en forma de árbol donde miles de transacciones se comprimen en una única prueba sucinta. La conclusión clave es que esta tecnología permite aumentar el rendimiento de la red (throughput) sin aumentar proporcionalmente los costos de verificación para cada nodo individual.
Los trade-offs y desafíos de ZK
Sin embargo, Feldman advierte que ZK no es una bala de plata y presenta sus propios desafíos. La generación de estas pruebas (realizada por entidades llamadas “provers”) es computacionalmente muy intensiva y puede requerir hardware especializado. Así, la carga no desaparece, sino que se traslada de los verificadores a los probadores. Además, integrar esta tecnología en arquitecturas blockchain existentes es complejo.
“Al principio, era casi imposible conseguir financiación para cualquier cosa que no fuera una ZK EVM… No puedes simplemente bifurcar las EVM o su almacenamiento de estado porque todo se hace de manera completamente diferente”, afirmó Feldman.
Más Allá del Número: Métricas y Contexto del Mundo Real
TPS en producción: la única métrica válida
Recuperando su postura inicial, Feldman aclara cuándo considera útil la métrica TPS.
“Sostendría que el TPS es el benchmark número dos del rendimiento de una blockchain, pero solo si se mide en un entorno de producción o en un entorno donde las transacciones no solo se procesan sino que también se retransmiten y verifican por otros nodos”, afirmó.
Esto descarta el valor informativo de las cifras de documentos técnicos y pruebas aisladas, privilegiando los datos de la red principal (mainnet).
Indicadores económicos como señales de salud
Como alternativas o complementos al TPS, Feldman sugiere observar indicadores económicos. Para él, las tarifas de transacción (gas fees) son un indicador más claro de la demanda real y la salud de la red que el pico de TPS teórico, ya que reflejan la congestión y la disposición de los usuarios a pagar por el servicio.
Ejemplos contemporáneos: Solana y las nuevas promesas
El ecosistema actual ofrece nuevos casos para el análisis. En 2023, el cliente Firedancer de Jump Crypto para Solana demostró procesar 1 millón de TPS en un entorno de prueba, un hito que se está implementando progresivamente en la red principal. No obstante, los datos reales de Solana en 2026, según Solscan, muestran un rendimiento típico en mainnet de entre 3,000 y 4,000 TPS, de los cuales aproximadamente el 40% son transacciones de usuarios no relacionadas con el voto del consenso. Un dato específico del 10 de febrero de 2026 mostraba 1,361 TPS excluyendo las transacciones de voto.
Paralelamente, proyectos como la cadena Zero de LayerZero Labs anuncian objetivos de 2 millones de TPS utilizando tecnología ZK, enmarcándose en la tendencia de explorar estas soluciones para una escalabilidad sostenible.
Conclusión: La sostenibilidad sobre el titular
El análisis subraya que un alto TPS en un diseño blockchain tradicional suele implicar más trabajo para cada nodo, lo que puede poner en riesgo la descentralización, pilar fundamental de la tecnología. La evaluación del rendimiento debe, por tanto, trascender la cifra máxima prometida. Debe considerar la arquitectura subyacente, los costos reales de la verificación descentralizada y métricas económicas de uso. Tecnologías como las pruebas Zero-Knowledge ofrecen un camino prometedor, aunque complejo, para desacoplar el rendimiento de la carga por nodo, apuntando hacia una escalabilidad genuina que no sacrifique los principios básicos de la blockchain.
