1/ Pelatihan AI terdesentralisasi bergeser dari tidak mungkin menjadi tak terelakkan. Era monopoli AI terpusat sedang ditantang oleh protokol terobosan yang memungkinkan pelatihan model kolaboratif di seluruh jaringan terdistribusi.

2/ Peringatan Primer: Qwen 3 Coder baru saja dirilis dan itu adalah pengubah permainan. Model MoE parameter 480B baru dengan parameter aktif 35B mencapai kinerja canggih dalam tugas pengkodean agen, menyaingi Claude Sonnet 4. Pembuat kode sumber terbuka sepenuhnya ini mendukung konteks 256K secara native dan 1M dengan ekstrapolasi.

3/ Pluralis memelopori "Protocol Learning", pendekatan radikal di mana model dilatih secara kolaboratif tetapi tidak pernah sepenuhnya terwujud di satu lokasi mana pun. Putaran awal $7,6 juta dari USV dan CoinFund mendukung visi mereka tentang AI yang benar-benar terbuka di mana kontributor berbagi keuntungan ekonomi tanpa menyerahkan kontrol model.

@PluralisHQ 4/ Nous Research mengumpulkan $50 juta untuk menantang OpenAI dengan model yang diatur komunitas. Model "Consilience" parameter 40B mereka yang akan datang menggunakan kerangka kerja Psyche dengan kompresi yang terinspirasi JPEG untuk memungkinkan pelatihan terdistribusi yang efisien di seluruh perangkat keras heterogen.

5/ Gensyn telah mengamankan ~$51 juta hingga saat ini untuk membangun "klaster pembelajaran mesin global." Protokol mereka menghubungkan komputasi yang kurang dimanfaatkan di seluruh dunia, mulai dari pusat data hingga laptop game, menciptakan alternatif cloud terdesentralisasi yang dapat mencapai ekonomi unit yang melampaui penyedia terpusat.

@gensynai 6/ Prime Intellect terbukti pelatihan terdesentralisasi bekerja dengan INTELLECT-2. Model parameter 32B mereka dilatih melalui RL yang didistribusikan secara global menggunakan kerangka kerja PRIME-RL, menunjukkan bahwa model perbatasan dapat dibangun lintas benua tanpa mengorbankan kinerja.

@PrimeIntellect 7/ Subnet Bittensor mengkhususkan diri untuk beban kerja AI: - Subnet 3 (Templar) berfokus pada validasi pelatihan terdistribusi. - Subnet 9 (Macrocosmos) memungkinkan pengembangan model kolaboratif, menciptakan insentif ekonomi bagi peserta dalam jaringan saraf.

8/ Tesis pelatihan terdesentralisasi: Agregasi lebih banyak komputasi daripada entitas tunggal mana pun, demomokratisasi akses ke pengembangan AI, dan cegah konsentrasi kekuasaan. Karena model penalaran mendorong biaya inferensi lebih tinggi daripada pelatihan, jaringan terdistribusi dapat menjadi infrastruktur penting dalam ekonomi AI.