CT 睡在2025年最大去中心化AI論文上

Jensen 上《All-In》，CT 猿入 TAO
但真正的工作已經完成
去中心化AI訓練的突破已在9個月前發生
在2025年6月，@0G_labs 在 arXiv 發布了一篇名為 DiLoCoX 的論文
一個在標準1 Gbps網路下，跨越20個去中心化節點訓練107B參數模型的框架
結果：
每秒3,728個tokens vs 10.4的AllReduce
通信效率提升357倍
框架驗證，但這是唯一在此效率水平上的公開基準
幾乎沒有人報導
- Bittensor的Covenant-72B是一個訓練模型
- DiLoCoX是一個用於在去中心化基礎設施上訓練任何模型的框架，完全不同的類別
背後是一個完整堆疊：計算、存儲、去中心化身份（DA）和鏈，沒有其他項目能同時涵蓋這四層
Jensen 剛剛驗證了這個論點，0G Labs 一年前已經證明
4月1日，他們將在 EthCC Cannes 發表演講，下一章即將來臨