곤카는 자사의 PoC 메커니즘과 모델 발전 방향을 공개했습니다. 이는 실제 해시레이트 에 맞춰 멀티레벨 GPU의 지속적인 참여를 보장하는 것을 목표로 합니다.

ME 뉴스에 따르면, 탈중앙화 AI 해시레이트 네트워크인 곤카(Gonka)는 1월 19일(UTC+8) 커뮤니티 AMA(Ask Me Anything)를 통해 개념 증명(PoC) 메커니즘과 모델 운영 방식에 대한 단계적 조정 사항을 설명했습니다. 주요 조정 사항은 다음과 같습니다. PoC와 추론에 동일한 대형 모델을 사용하는 것, PoC 활성화 방식을 지연 전환에서 거의 실시간 트리거링으로 변경하는 것, 그리고 다양한 모델과 하드웨어의 실제 계산 비용을 더 잘 반영하도록 해시레이트 가중치 계산 방식을 최적화하는 것입니다. 공동 창립자인 데이비드는 이러한 조정이 단기적인 성과나 특정 참여자를 위한 것이 아니라, 네트워크의 해시레이트 파워가 급속도로 확장됨에 따라 합의 및 검증 구조를 발전시키기 위한 필수적인 과정이라고 밝혔습니다. 이는 고부하 조건에서도 네트워크의 안정성과 보안을 향상시켜 향후 더 큰 규모의 AI 워크로드를 지원할 수 있는 기반을 마련하기 위한 것입니다. 커뮤니티 논의에서 제기된, 현재 단계에서 소형 모델의 토큰 생산량이 더 높다는 문제에 대해, 팀은 동일한 토큰 수를 가진 모델이라도 실제 해시레이트 소비량에는 상당한 차이가 있다고 지적했습니다. 네트워크가 고밀도 해시레이트 환경으로 발전하고 더욱 복잡한 작업을 처리하게 됨에 따라, 곤카는 해시레이트 파워 구조의 장기적인 불균형으로 인해 네트워크의 전반적인 확장성이 저하되는 것을 방지하기 위해 실제 컴퓨팅 비용에 맞춰 해시레이트 파워 가중치를 점진적으로 조정하고 있습니다. 최신 PoC 메커니즘을 통해 PoC 활성화 시간을 5초 미만으로 단축하여 모델 전환 및 대기 시간으로 인한 해시레이트 낭비를 최소화하고, GPU 리소스를 AI 컴퓨팅에 더욱 효율적으로 활용할 수 있도록 했습니다. 동시에 모델 운영을 통합함으로써 합의 및 추론 간 노드 전환에 따른 시스템 오버헤드를 줄여 전반적인 해시레이트 활용 효율을 향상시켰습니다. 또한, 팀은 싱글 카드 및 중소형 GPU도 마이닝 풀 협업, 에포크별 유연한 참여, 추론 작업 등을 통해 지속적으로 보상을 획득하고 거버넌스에 참여할 수 있다고 강조했습니다. 곤카의 장기 목표는 메커니즘 진화를 통해 동일 네트워크 내에서 다양한 수준의 해시레이트 장기적으로 공존할 수 있도록 지원하는 것입니다. 곤카는 모든 핵심 규칙 조정은 온체인 거버넌스와 커뮤니티 투표를 통해 이루어진다고 밝혔습니다. 향후 네트워크는 점차 더 많은 모델 유형과 AI 작업 형식을 지원하여 전 세계 다양한 규모의 GPU가 지속적이고 투명하게 참여할 수 있는 공간을 제공하고, 탈중앙화 AI 해시레이트 인프라의 장기적인 건전한 발전을 촉진할 것입니다. (출처: ME)