Gonka, PoC 메커니즘 및 모델 진화 방향 공개: 실제 연산력에 맞추어 다계층 GPU의 지속적 참여 보장
Odaily 소식 탈중앙화 AI 연산력 네트워크 Gonka가 최근 커뮤니티 AMA에서 PoC(Proof of Contribution) 메커니즘과 모델 운영 방식의 단계적 조정에 대해 설명했다. 관련 조정은 주로 PoC와 추론이 동일한 대형 모델을 사용하여 운영되도록 통일, PoC 활성화 방식이 지연 전환에서 준실시간 트리거로 조정되며, 연산력 가중치 계산 방식을 최적화하여 서로 다른 모델과 하드웨어의 실제 계산 비용에 더 가깝게 만드는 것을 포함한다.
공동 창립자 David는 위 조정이 단기적 산출량이나 개별 참여자를 위한 것이 아니라, 네트워크 연산력 규모가 빠르게 확대됨에 따라 합의와 검증 구조에 대한 필수적인 진화이며, 고부하 상태에서 네트워크의 안정성과 보안성을 향상시키고, 향후 더 대규모의 AI 워크로드를 수용할 수 있는 기반을 마련하기 위한 것이라고 밝혔다.
커뮤니티 논의에서 언급된 소형 모델이 현재 단계에서 토큰 산출량이 높은 문제에 대해, 팀은 서로 다른 규모의 모델이 동일한 토큰 수에서 대응하는 실제 연산력 소모에는 현저한 차이가 있음을 지적했다. 네트워크가 더 높은 연산력 밀도와 더 복잡한 작업으로 진화함에 따라, Gonka는 연산력 가중치가 실제 계산 비용과 일치하도록 점진적으로 유도하여, 연산력 구조의 장기적 불균형이 네트워크 전체 확장 능력에 영향을 미치는 것을 방지하고 있다.
최신 PoC 메커니즘 하에서, 네트워크는 PoC 활성화 시간을 5초 이내로 압축하여 모델 전환과 대기로 인한 연산력 낭비를 줄이고, GPU 자원이 효과적인 AI 계산에 더 높은 비율로 사용될 수 있도록 했다. 동시에, 모델 운영을 통일함으로써 노드가 합의와 추론 사이를 전환하는 시스템 오버헤드를 낮추고, 전체 연산력 이용 효율을 향상시켰다.
팀은 동시에 단일 카드 및 중소규모 GPU가 마이닝 풀 협업, Epoch 단위의 유연한 참여, 추론 작업 등을 통해 지속적으로 수익을 얻고 거버넌스에 참여할 수 있음을 강조했다. Gonka의 장기 목표는 메커니즘 진화를 통해 서로 다른 계층의 연산력이 동일 네트워크에서 장기적으로 공존할 수 있도록 지원하는 것이다.
Gonka는 모든 핵심 규칙 조정이 온체인 거버넌스와 커뮤니티 투표를 통해 추진된다고 밝혔다. 향후 네트워크는 더 많은 모델 유형과 AI 작업 형태를 점진적으로 지원하여, 전 세계 다양한 규모의 GPU에 지속적이고 투명한 참여 공간을 제공하고, 탈중앙화 AI 연산력 인프라의 장기적 건강한 발전을 촉진할 계획이다.
