Gonka revela la dirección de evolución del mecanismo PoC y del modelo: alineación con la potencia de cómputo real y garantía de participación continua de GPUs en múltiples niveles.

Según Odaily, la red descentralizada de computación de IA Gonka explicó recientemente en una AMA comunitaria los ajustes de etapa en su mecanismo PoC y el modo de operación del modelo. Los cambios principales incluyen: unificación del uso del mismo modelo grande tanto para PoC como para inferencia, cambio del método de activación de PoC de un cambio retardado a una activación casi en tiempo real, y optimización del cálculo del peso de la potencia de cómputo para reflejar mejor los costos reales de computación de diferentes modelos y hardware.

David, cofundador, señaló que estos ajustes no están dirigidos a la producción a corto plazo ni a participantes individuales, sino que son una evolución necesaria de la estructura de consenso y verificación a medida que la escala de la potencia de cómputo de la red crece rápidamente. El objetivo es mejorar la estabilidad y seguridad de la red bajo cargas elevadas, sentando las bases para soportar cargas de trabajo de IA a mayor escala en el futuro.

En respuesta a la discusión comunitaria sobre el problema de la alta producción de tokens por modelos pequeños en la etapa actual, el equipo indicó que existe una diferencia significativa en el consumo real de potencia de cómputo para modelos de diferentes tamaños bajo la misma cantidad de tokens. A medida que la red evoluciona hacia una mayor densidad de potencia de cómputo y tareas más complejas, Gonka está guiando gradualmente el peso de la potencia de cómputo para alinearse con el costo real de computación, evitando así un desequilibrio prolongado en la estructura de potencia de cómputo que podría afectar la capacidad de expansión general de la red.

Bajo el nuevo mecanismo PoC, la red ha reducido el tiempo de activación de PoC a menos de 5 segundos, disminuyendo el desperdicio de potencia de cómputo causado por el cambio y la espera de modelos, permitiendo que los recursos de GPU se utilicen en mayor proporción para cálculos efectivos de IA. Al mismo tiempo, la unificación de la operación del modelo reduce los costos del sistema al cambiar entre consenso e inferencia en los nodos, mejorando la eficiencia general del uso de la potencia de cómputo.

El equipo también enfatizó que las GPU individuales y de pequeña y mediana escala pueden seguir obteniendo ingresos y participar en la gobernanza mediante la colaboración en pools de minería, participación flexible por Epoch y tareas de inferencia. El objetivo a largo plazo de Gonka es apoyar la coexistencia a largo plazo de diferentes niveles de potencia de cómputo en la misma red a través de la evolución del mecanismo.

Gonka afirmó que todos los ajustes clave de las reglas se implementan mediante gobernanza en cadena y votación comunitaria. En el futuro, la red también admitirá gradualmente más tipos de modelos y formas de tareas de IA, proporcionando un espacio de participación continuo y transparente para GPU de diferentes escalas a nivel mundial, promoviendo el desarrollo saludable y a largo plazo de la infraestructura descentralizada de computación de IA.