357x Più Efficiente AI Agents Training È Qui 🛠
$FIL ha dimostrato che quando lo storage decentralizzato raggiunge una scala di training, cambia quale infrastruttura può realmente supportare lo sviluppo dell'AI all'avanguardia.
$GRT ha provato che l'indicizzazione dei dati e la disponibilità diventano un'infrastruttura portante nel momento in cui i modelli AI iniziano a consumare conoscenza su scala produttiva.
0G Labs ha appena completato DiLoCoX-107B, il più grande modello di AI decentralizzato al mondo con 107 miliardi di parametri.
→ 357x efficienza comunicativa rispetto ai metodi standard
→ Riduzione dei costi del 95% rispetto al training centralizzato
→ Funziona su normali connessioni internet da 1 Gbps
→ Tutti i checkpoint sono pubblicamente verificabili tramite verifica supportata da TEE
Il training dei modelli all'avanguardia ha storicamente richiesto centri dati centralizzati e infrastrutture chiuse. DiLoCoX-107B dimostra che può funzionare su nodi distribuiti con prova crittografica ad ogni passo di training, e a costi inferiori del 95%. Il training AI decentralizzato su scala all'avanguardia ora ha una prova di concetto pubblicamente verificabile nei registri.
0G ha anche pubblicato un framework di verifica completo insieme al modello, combinando TEE con allineamento degli incentivi economici per generare attestazioni crittografiche per ogni fase del processo di training. Il training verificabile e l'inferenza verificabile ora si trovano nello stesso stack, coprendo l'intero ciclo di vita dell'AI.
La barriera dei 100 miliardi di parametri nel training AI decentralizzato è stata superata con un framework pubblicamente verificabile dietro di esso, aprendo modelli su scala all'avanguardia ad agenti AI e costruttori senza computazione centralizzata.
#0G #fil
#Ai_sector