Gonka раскрывает детали механизма PoC и направления развития модели: приведение в соответствие с реальными вычислительными мощностями и обеспечение постоянного участия GPU всех уровней

19 января. Децентрализованная сеть AI-вычислений Gonka в ходе недавней AMA-сессии с сообществом разъяснила поэтапные корректировки механизма Proof of Capacity (PoC) и способов работы моделей. Ключевые изменения включают:
* Единую крупную модель для выполнения как PoC, так и логического вывода (инференса).
* Изменение метода активации PoC с отложенного переключения на запуск почти в реальном времени.
* Оптимизацию расчета весовых коэффициентов вычислительной мощности для более точного отражения реальной стоимости вычислений для различных моделей и оборудования.

Сооснователь Дэвид отметил, что эти изменения направлены не на краткосрочную доходность или отдельных участников, а являются необходимым развитием структуры консенсуса и верификации в условиях быстрого роста масштабов сетевых вычислений. Цель — повысить стабильность и безопасность сети при высокой нагрузке, заложив основу для обработки более масштабных AI-задач в будущем.

Отвечая на вопросы сообщества о более высокой доходности малых моделей на текущем этапе, команда пояснила, что реальное потребление вычислительных ресурсов для моделей разного размера при одинаковом количестве токенов существенно различается. По мере движения сети к большей плотности вычислений и более сложным задачам, Gonka постепенно приводит весовые коэффициенты в соответствие с фактической стоимостью вычислений. Это необходимо для предотвращения долгосрочного дисбаланса в структуре вычислительных мощностей, который может повлиять на способность сети к масштабированию.

В новой версии PoC время активации сокращено до менее 5 секунд, что уменьшает потери ресурсов из-за переключения и ожидания моделей и позволяет использовать бо́льшую долю ресурсов GPU для эффективных AI-вычислений. Унификация модели для PoC и инференса также снижает системные издержки на переключение между консенсусом и логическим выводом, повышая общую эффективность использования вычислительных мощностей.

Команда также подчеркнула, что владельцы одиночных карт и небольших GPU-конфигураций могут продолжать получать вознаграждение и участвовать в управлении через пулы, гибкое участие по эпохам (Epoch) и выполнение задач логического вывода.