1/ Đào tạo AI phi tập trung đang chuyển từ không thể thành không thể tránh khỏi. Thời đại của các độc quyền AI tập trung đang bị thách thức bởi các giao thức đột phá cho phép đào tạo mô hình hợp tác trên các mạng phân tán.

2/ Thông báo Primer: Qwen 3 Coder vừa ra mắt và đây là một bước ngoặt. Mô hình MoE với 480B tham số mới, với 35B tham số hoạt động, đạt hiệu suất hàng đầu trong các nhiệm vụ lập trình agentic, cạnh tranh với Claude Sonnet 4. Coder mã nguồn mở hoàn toàn này hỗ trợ 256K ngữ cảnh một cách tự nhiên và 1M với sự suy diễn.

3/ Pluralis đang tiên phong "Học giao thức", một cách tiếp cận cách mạng nơi các mô hình được đào tạo hợp tác nhưng không bao giờ được hiện thực hóa hoàn toàn ở bất kỳ vị trí nào. Vòng gọi vốn hạt giống 7,6 triệu USD từ USV và CoinFund hỗ trợ tầm nhìn của họ về AI thực sự mở, nơi các nhà đóng góp chia sẻ lợi ích kinh tế mà không phải từ bỏ quyền kiểm soát mô hình.

@PluralisHQ 4/ Nous Research đã huy động được 50 triệu đô la để thách thức OpenAI với các mô hình do cộng đồng quản lý. Mô hình "Consilience" tham số 40B sắp tới của họ sử dụng khung Psyche với nén lấy cảm hứng từ JPEG để cho phép đào tạo phân tán hiệu quả trên phần cứng không đồng nhất.

5/ Gensyn đã huy động được khoảng 51 triệu USD cho đến nay để xây dựng "cụm máy học toàn cầu." Giao thức của họ kết nối các máy tính chưa được sử dụng hết trên toàn thế giới, từ các trung tâm dữ liệu đến laptop chơi game, tạo ra một lựa chọn đám mây phi tập trung có thể đạt được kinh tế đơn vị vượt trội hơn so với các nhà cung cấp tập trung.

@gensynai 6/ Prime Intellect đã chứng minh việc đào tạo phi tập trung hoạt động với INTELLECT-2. Mô hình tham số 32B của họ đã được đào tạo thông qua RL phân phối toàn cầu bằng cách sử dụng khung PRIME-RL, chứng minh rằng các mô hình biên giới có thể được xây dựng trên khắp các lục địa mà không làm giảm hiệu suất.

@PrimeIntellect 7/ Mạng con Bittensor chuyên dụng cho khối lượng công việc AI: - Mạng con 3 (Templar) tập trung vào xác thực đào tạo phân tán. - Mạng con 9 (Macrocosmos) cho phép phát triển mô hình hợp tác, tạo ra các động lực kinh tế cho những người tham gia mạng nơ-ron.

8/ Luận thuyết đào tạo phi tập trung: Tập hợp nhiều sức mạnh tính toán hơn bất kỳ thực thể nào, dân chủ hóa quyền truy cập vào phát triển AI, và ngăn chặn sự tập trung quyền lực. Khi các mô hình lý luận làm tăng chi phí suy diễn cao hơn so với đào tạo, các mạng lưới phân tán có thể trở thành cơ sở hạ tầng thiết yếu trong nền kinh tế AI.