Gonka、PoCメカニズムとモデル進化の方向性を開示：実算力との整合を図り、多層GPUの持続的参加を確保
Odailyの報道によると、分散型AI算力ネットワークGonkaは最近、コミュニティAMAにおいて、PoCメカニズムとモデル実行方式の段階的な調整について説明しました。関連する調整には主に以下が含まれます：PoCと推論が同一の大規模モデルを使用して実行されること、PoCの活性化方式が遅延切り替えから準リアルタイムトリガーに変更されること、および算力重み計算方法が最適化され、異なるモデルとハードウェアの実際の計算コストにより近づくことです。
共同創設者のDavid氏は、上記の調整は短期的な産出や個々の参加者を対象としたものではなく、ネットワークの算力規模が急速に拡大する中で、コンセンサスと検証構造に対する必要な進化であり、高負荷状態におけるネットワークの安定性と安全性を向上させ、将来的により大規模なAIワークロードを支える基盤を築くことを目的としていると述べました。
コミュニティの議論で言及された、現段階における小規模モデルのトークン産出量が比較的高い問題について、チームは、異なる規模のモデルが同じトークン数に対して実際に消費する算力には大きな差があると指摘しました。ネットワークがより高い算力密度とより複雑なタスクへと進化するにつれ、Gonkaは算力重みと実際の計算コストの整合を徐々に進めており、算力構造の長期的な不均衡がネットワーク全体の拡張能力に影響を与えることを防ごうとしています。
最新のPoCメカニズムの下では、ネットワークはPoCの活性化時間を5秒以内に短縮し、モデル切り替えと待機による算力の浪費を減らし、GPUリソースが有効なAI計算により高い割合で使用できるようにしました。同時に、モデル実行を統一することで、ノードがコンセンサスと推論の間で切り替える際のシステムオーバーヘッドを低減し、全体の算力利用効率を向上させています。
チームはまた、単一GPUおよび中小規模のGPUは、マイニングプールでの協業、Epoch単位での柔軟な参加、推論タスクなどを通じて、持続的に収益を得てガバナンスに参加できることを強調しました。Gonkaの長期的な目標は、メカニズムの進化を通じて、異なるレベルの算力が同一ネットワーク内で長期的に共存できるようにすることです。
Gonkaは、すべての重要なルール調整はオンチェーンガバナンスとコミュニティ投票を通じて進められると述べました。将来的には、ネットワークはさらに多くのモデルタイプとAIタスク形態をサポートし、世界中の異なる規模のGPUに対して持続的で透明性のある参加の場を提供し、分散型AI算力インフラの長期的かつ健全な発展を推進していきます。
