@OpenGradient
Satu hal yang berubah saat saya meneliti OpenGradient adalah metrik yang saya perhatikan.
Awalnya, saya mengira jumlah model AI di jaringan adalah bagian yang menarik. Semakin besar layanannya, semakin kuat ekosistemnya... atau begitulah yang saya asumsikan.
Tapi semakin saya mendalaminya, semakin saya sadar bahwa model yang tersimpan dan model yang bisa digunakan itu adalah dua hal yang benar-benar berbeda.
Sebuah model bisa saja ada di OpenGradient, tetapi tetap sulit untuk digunakan. Mungkin dokumentasinya belum lengkap. Mungkin formatnya tidak kompatibel. Mungkin tidak ada node yang menghostingnya, atau tidak ada yang memverifikasi bahwa model tersebut benar-benar berfungsi dalam permintaan inferensi nyata.
Dalam kasus seperti itu, secara teknis itu memang bagian dari jaringan, tetapi tidak benar-benar membantu para pembangun.
Itulah juga sebabnya saya mulai melihat Token OPG dengan cara yang sedikit berbeda. Saya tidak berpikir nilainya hanya terkait dengan pembayaran untuk inferensi. Yang lebih menarik adalah apakah ia bisa mendorong pekerjaan yang terjadi sebelum inferensi bahkan dilakukan—menguji model, memvalidasi manifest, menghosting dengan andal, dan memastikan para pengembang bisa menggunakan sebuah model tanpa harus ragu apakah model itu benar-benar akan berjalan.
Semakin saya memikirkannya, semakin saya merasa tugas-tugas kecil yang tidak glamor inilah yang mengubah kumpulan unggahan menjadi ekosistem yang nyata.
Tentu saja, tidak setiap model pantas mendapat perhatian yang sama. Beberapa mungkin sudah ketinggalan zaman atau terlalu membutuhkan sumber daya untuk dibenarkan tetap online. Jadi mungkin tujuannya bukan mengaktifkan semuanya.
Mungkin tujuannya adalah memastikan bahwa model-model yang benar-benar penting selalu siap ketika seseorang membutuhkannya.
Jika OpenGradient bisa menemukan keseimbangan itu, saya pikir orang-orang pada akhirnya bisa berhenti menanyakan berapa banyak model yang disimpan oleh jaringan dan mulai mengajukan pertanyaan yang jauh lebih baik:
Berapa banyak dari model-model itu yang benar-benar bisa digunakan oleh seorang pengembang saat ini?
@OpenGradient #opg $OPG
Satu hal yang berubah saat saya meneliti OpenGradient adalah metrik yang saya perhatikan.
Awalnya, saya mengira jumlah model AI di jaringan adalah bagian yang menarik. Semakin besar layanannya, semakin kuat ekosistemnya... atau begitulah yang saya asumsikan.
Tapi semakin saya mendalaminya, semakin saya sadar bahwa model yang tersimpan dan model yang bisa digunakan itu adalah dua hal yang benar-benar berbeda.
Sebuah model bisa saja ada di OpenGradient, tetapi tetap sulit untuk digunakan. Mungkin dokumentasinya belum lengkap. Mungkin formatnya tidak kompatibel. Mungkin tidak ada node yang menghostingnya, atau tidak ada yang memverifikasi bahwa model tersebut benar-benar berfungsi dalam permintaan inferensi nyata.
Dalam kasus seperti itu, secara teknis itu memang bagian dari jaringan, tetapi tidak benar-benar membantu para pembangun.
Itulah juga sebabnya saya mulai melihat Token OPG dengan cara yang sedikit berbeda. Saya tidak berpikir nilainya hanya terkait dengan pembayaran untuk inferensi. Yang lebih menarik adalah apakah ia bisa mendorong pekerjaan yang terjadi sebelum inferensi bahkan dilakukan—menguji model, memvalidasi manifest, menghosting dengan andal, dan memastikan para pengembang bisa menggunakan sebuah model tanpa harus ragu apakah model itu benar-benar akan berjalan.
Semakin saya memikirkannya, semakin saya merasa tugas-tugas kecil yang tidak glamor inilah yang mengubah kumpulan unggahan menjadi ekosistem yang nyata.
Tentu saja, tidak setiap model pantas mendapat perhatian yang sama. Beberapa mungkin sudah ketinggalan zaman atau terlalu membutuhkan sumber daya untuk dibenarkan tetap online. Jadi mungkin tujuannya bukan mengaktifkan semuanya.
Mungkin tujuannya adalah memastikan bahwa model-model yang benar-benar penting selalu siap ketika seseorang membutuhkannya.
Jika OpenGradient bisa menemukan keseimbangan itu, saya pikir orang-orang pada akhirnya bisa berhenti menanyakan berapa banyak model yang disimpan oleh jaringan dan mulai mengajukan pertanyaan yang jauh lebih baik:
Berapa banyak dari model-model itu yang benar-benar bisa digunakan oleh seorang pengembang saat ini?
@OpenGradient #opg $OPG