একটি ডিসেন্ট্রালাইজড এআই প্রকল্প সাম্প্রতিক কঠিন উপায়ে শিখেছে যে ক্রিপ্টো সম্প্রদায় রিসিপ্ট চেক করতে খুব ভালো। বিটটেনসর নেটওয়ার্কে সাবনেট ২৪ হিসাবে কাজ করা কোয়াসার একটি ১২০ বিলিয়ন প্যারামিটারের মডেল প্রকাশ করেছিল, যার ৫ মিলিয়ন টোকেনের কনটেক্সট উইন্ডো ছিল। কয়েক ঘন্টার মধ্যেই, স্বাধীন গবেষকদের পাওয়া গেছে যে এর প্রায় ৯৬-৯৮% ওজন Ant Group-এর একটি বিদ্যমান মডেলের সাথে প্রায় অভিন্ন।
ক্ষতি দ্রুত ঘটেছিল। SN24 অ্যালফা টোকেনটি একটি ট্রেডিং সেশনে প্রায় 70-75% কমে গিয়েছিল।
মডেল এবং অসামঞ্জস্য
SILX AI এর নেতৃত্বে তৈরি কোয়াসার মাসগুলি ধরে এই মুহূর্তের দিকে এগিয়ে যাচ্ছিল। প্রকল্পটি এপ্রিল ২০২৬-এ Quasar-Preview, যার মোট প্যারামিটার প্রায় ২০ বিলিয়ন, এবং Quasar-3B প্রকাশ করেছিল। উভয়কেই Bittensor নেটওয়ার্কে ডিসেন্ট্রালাইজড পদ্ধতিতে প্রশিক্ষিত অনেক বড় মডেলের দিকে একটি পদক্ষেপ হিসাবে স্থান দেওয়া হয়েছিল।
120B রিলিজটি প্রতিশ্রুতির ফলাফল হওয়ার কথা ছিল। SILX AI মডেলটিকে ডিসেন্ট্রালাইজড ট্রেনিংয়ের একটি বিজয় হিসাবে প্রচার করেছিল, যার সাথে “লুপ ট্রান্সফরমার” এবং “এনগ্রাম মেমোরি” এর মতো প্রতিশ্রুতিবদ্ধ আর্কিটেকচারাল নবায়নগুলি অন্তর্ভুক্ত ছিল। এই ফিচারগুলি অত্যন্ত দীর্ঘ কনটেক্সট পরিচালনা করার সময় স্ট্যান্ডার্ড ট্রান্সফরমার আর্কিটেকচারগুলিকে প্রভাবিত করা মেমোরি এবং সামঞ্জস্যতা সমস্যাগুলি সমাধানের জন্য তৈরি করা হয়েছিল।
যখন স্বাধীন বিশ্লেষকদের প্রকৃত মডেল ওজনে গভীরভাবে প্রবেশ করা হয়, তখন সেই নতুন আর্কিটেকচারাল বৈশিষ্ট্যগুলি প্রায় অনুপস্থিত ছিল। বিপরীতে, বিশ্লেষণটি প্রকাশ করেছে যে ৯৬% থেকে ৯৮% এর মধ্যে ওজনগুলি অ্যান্ট গ্রুপের Ling-mini-base-2.0 মডেলের সাথে ঘনিষ্ঠভাবে মিলে যায়।
বিটানসের বাস্তুতন্ত্রের জন্য এটি কেন গুরুত্বপূর্ণ
বিটটেনসর অধিকাংশ ক্রিপ্টো প্রকল্পের চেয়ে একটি মৌলিকভাবে ভিন্ন প্রতিজ্ঞা নিয়ে কাজ করে। এর নেটওয়ার্ক প্রতিযোগিতামূলক মাইনিং এবং বৈধতা মাধ্যমে ডিসেন্ট্রালাইজড মেশিন ইন্টেলিজেন্সকে উৎসাহিত করে, যেখানে বিভিন্ন সাবনেট বিভিন্ন এআই কাজের উপর ফোকাস করে। সাবনেট 24-এর ফোকাস ছিল দীর্ঘ-সংদর্ভ ফাউন্ডেশন মডেলগুলি বিকাশ করা, যেমন এআই যা বিশাল দলিলগুলি প্রক্রিয়াকরণ এবং যুক্তি প্রয়োগ করতে পারে বিনা বিচ্ছিন্নতায়।
SILX AI কোয়াসারের ভবিষ্যতের জন্য একটি দুর্দান্ত দৃষ্টিভঙ্গি প্রচার করেছে, যার মধ্যে মোট 10 ট্রিলিয়ন টোকেনের ট্রেনিংয়ের লক্ষ্য অন্তর্ভুক্ত এবং বলেছে যে ডিসেন্ট্রালাইজড ট্রেনিং পদ্ধতি প্রচলিত কেন্দ্রীয় পদ্ধতির তুলনায় 99.5% খরচ কমাতে পারে।
টোকেনের পতন এবং বিনিয়োগকারীদের ক্ষতি
বাজারগুলি ব্যাখ্যার জন্য অপেক্ষা করেনি। একটি সেশনে SN24 অ্যালফা টোকেনের 70-75% হ্রাস হল এমন একটি পতন যা সাধারণত প্রতারণার অভিযোগ বা প্রোটোকল দুর্বলতার সাথে জড়িত, মডেল আর্কিটেকচারের বিতর্কের সাথে নয়।
যা প্রতিশ্রুতি দেওয়া হয়েছিল আর্কিটেকচারালভাবে, যার মধ্যে লুপ ট্রান্সফরমার এবং এনগ্রাম মেমোরি অন্তর্ভুক্ত ছিল, এবং যা মডেল ওয়েটসে বাস্তবায়িত হয়েছিল, তার মধ্যের ফারাক শুধুমাত্র মার্কেটিং দিয়ে পূরণ করা সম্ভব নয়।