Creo que $POD de @dphnAI es uno de los ejecutores de IA descentralizada más interesantes en este momento: modelos de código abierto sin censura, impulsados por DePIN. Lanzado en 2023 por Eric Hartford y su equipo, Dolphin ya ha lanzado docenas de modelos sin censura en Hugging Face con millones de descargas mensuales. Ahora, tras la rebranding, han lanzado la totalidad de la tokenomía peer-to-pool. Aquí tienes un resumen directo de 30 segundos. - ❶ ¿Qué están abordando realmente? - Modelos de IA censurados - Inferencia costosa y centralizada - Suministro de GPU ocioso desperdiciado - Cuello de botella de datos sintéticos - Complejidades de verificación descentralizada Esto se logra mediante dos soluciones. → Fine-tuning de bases de código abierto de alto rendimiento (Llama, Mistral, Qwen, etc.) para crear LLMs de alta calidad, verdaderamente sin censura, que mantienen (o incluso mejoran) la inteligencia, la creatividad, el uso de herramientas y la capacidad de rol. → Construcción de la Red Dolphin: una red distribuida de GPU donde cualquiera puede ejecutar nodos con hardware ocioso (PC de juegos, tarjetas consumidoras, lo que sea) para impulsar inferencia económica y generación masiva de datos sintéticos. - ❷ Red Dolphin – Diseño Peer-to-Pool A diferencia de la mayoría de los DePIN 1:1 de alquiler, ellos usan pools: - Los nodos que ejecutan el mismo modelo se agrupan juntos. - Las solicitudes se asignan aleatoriamente (sin enlace directo comprador-vendedor). - Los nodos ganan únicamente según los tokens procesados (pagados desde el tesoro del protocolo). - Los usuarios compran créditos directamente desde el protocolo (aceptan POD, ETH, BTC, USDC, incluso Monero/Zcash). Dolphin Mistral 24b es ahora el modelo sin censura predeterminado para todos los usuarios de @AskVenice. La hoja de ruta es pragmática, pero ambiciosa: (Actualmente) Beta de inferencia distribuida Próximos pasos (en orden): → Nodos de imagen / video / audio / transcripción → Suite de generación de datos sintéticos → Autoequilibrio Lighthouse → Inferencia distribuida fragmentada → Distribución LoRA / SFT (fine-tuning supervisado) → Aprendizaje por refuerzo distribuido → SFT distribuida de parámetros completos → Suite de creación y fine-tuning de modelos → Preentrenamiento distribuido a gran escala - ❸ POD Utilidad y acumulación de valor: - Stake (bóveda xPOD) → dividendos autocompuestos provenientes de recompras + créditos diarios de inferencia + beneficios. - Los operadores de nodos vinculan POD (sujeto a slash) para recibir recompensas. Multiplicadores de impulso estilo Curve: cuanto más comprometas respecto a tus ganancias, mayor es el aumento. - Los validadores con mayores vinculaciones ayudan a asegurar la red. ➠ Punto clave: El 100% de los ingresos se usa para comprar POD automáticamente en el mercado abierto → presión real y constante de compra que puede superar las emisiones. - ❹ Conclusión final Uso = ingresos = recompras = valor para stakers y operadores vinculados. Sin equity externo significa que el token POD capta todo. Está construido como una mezcla de ETH (slashing), CURVE (impulsos) y XSUSHI (autocomposición), pero ajustado específicamente para inferencia de IA basada en uso + datos sintéticos.