1/ Decentralizované školení AI se posouvá od nemožného k nevyhnutelnému. Éra centralizovaných monopolů v oblasti umělé inteligence je zpochybňována průlomovými protokoly, které umožňují kolaborativní trénování modelů napříč distribuovanými sítěmi.

2/ Upozornění na primer: Qwen 3 Coder právě vypadl a mění hru. Nový model MoE s parametry 480B a aktivními parametry 35B dosahuje nejmodernějšího výkonu v úlohách agentního kódování, čímž konkuruje Claude Sonnet 4. Tento plně open-source kodér podporuje 256K kontext nativně a 1M s extrapolací.

3/ Pluralis je průkopníkem "protokolárního učení", radikálního přístupu, kde jsou modely trénovány společně, ale nikdy se plně nerealizují na jednom místě. Počáteční kolo ve výši 7,6 milionu dolarů od USV a CoinFund podporuje jejich vizi skutečně otevřené umělé inteligence, kde přispěvatelé sdílejí ekonomický růst, aniž by se vzdali kontroly nad modelem.

@PluralisHQ 4/ Nous Research získal 50 milionů dolarů, aby mohl vyzvat OpenAI pomocí modelů řízených komunitou. Jejich nadcházející model "Consilience" s parametrem 40B využívá rámec Psyche s kompresí inspirovanou JPEG, aby umožnil efektivní distribuované trénování napříč heterogenním hardwarem.

5/ Společnost Gensyn k dnešnímu dni zajistila ~51 milionů dolarů na vybudování "globálního clusteru strojového učení". Jejich protokol propojuje nedostatečně využívané výpočetní prostředky po celém světě, od datových center po herní notebooky, a vytváří tak decentralizovanou cloudovou alternativu, která by mohla dosáhnout jednotkové ekonomiky překonávající centralizované poskytovatele.

@gensynai 6/ Prime Intellect prokázal, že decentralizované školení funguje s INTELLECT-2. Jejich model parametrů 32B byl trénován prostřednictvím globálně distribuovaného RL pomocí rámce PRIME-RL, což ukazuje, že hraniční modely lze vytvářet napříč kontinenty bez obětování výkonu.

@PrimeIntellect 7/ Podsítě Bittensor se specializují na úlohy AI: - Podsíť 3 (templární) se zaměřuje na distribuované ověřování trénování. - Podsíť 9 (Macrocosmos) umožňuje vývoj kolaborativního modelu, který vytváří ekonomické pobídky pro účastníky neuronové sítě.

8/ Decentralizovaná školicí teze: Agregovat více výpočtů než kterákoli jednotlivá entita, demokratizovat přístup k vývoji umělé inteligence a zabránit koncentraci moci. Vzhledem k tomu, že modely uvažování zvyšují náklady na odvozování více než školení, mohou se distribuované sítě stát základní infrastrukturou v ekonomice umělé inteligence.