現在、@dphnAI の$PODは、最も興味深い分散型AIランナーの1つだと考えています。DePINによって駆動される、検閲されていないオープンソースモデルです。 2023年にEric Hartfordとチームによって立ち上げられたDolphinは、既にHugging Faceに数十の検閲されていないモデルをリリースし、月間数百万回のダウンロードを達成しています。 現在、リブランド後、彼らはピア・トゥ・プール型のトークンエコノミクスを完全に公開しました。 以下は、正直に、30秒でまとめた内容です。 - ❶ 彼らが実際に解決しようとしているのは？ - 検閲されたAIモデル - 高価で中央集権的な推論 - 無駄になっているGPUリソース - 合成データのボトルネック - 分散検証の複雑さ これらは2つの解決策で実現されています。 → Llama、Mistral、Qwenなど、トップのオープンソースベースを微調整し、知性・創造性・ツール利用・ロールプレイ能力を維持（または向上）させた、本物の検閲されていないLLMを構築。 → Dolphin Networkの構築：誰でも余剰ハードウェア（ゲームPC、一般消費者向けGPUなど）でノードを実行し、安価な推論と大量の合成データ生成を可能にする分散型GPUネットワーク。 - ❷ Dolphin Network – ピア・トゥ・プール設計 ほとんどの1:1レンタルDePINとは異なり、彼らはプール方式を採用しています： - 同じモデルを実行するノードはグループ化されます。 - 要求はランダムに割り当てられます（直接的な購入者と販売者の関係はありません）。 - ノードは処理されたトークン数に基づいて報酬を得ます（プロトコル財務から支払われます）。 - ユーザーはプロトコルから直接クレジットを購入します（POD、ETH、BTC、USDC、さらにはMonero/Zcashも受け入れ）。 Dolphin Mistral 24bは、@AskVeniceのすべてのユーザーに対するデフォルトの検閲されていないモデルとなっています。 ロードマップは現実的ですが野心的です： （現在）分散推論ベータ 次期予定（順番通り）： → 画像／動画／音声／音声変換ノード → 合成データ生成ツールセット → ライトハウス自動バランス → 分散シャーディング推論 → 分散LoRA／SFT（教師あり微調整） → 分散強化学習 → 分散フルパラメータSFT → モデル作成・微調整ツールセット → 大規模分散事前学習 - ❸ POD ユーティリティと価値蓄積： - ステーキング（xPODバウト）→ 購入戻し＋日次推論クレジット＋特典による自動再投資配当。 - ノードオペレーターは報酬を得るためにPODをボンド（罰則対象）として預けます。収益に対するコミットメント比率に応じて、CURVEスタイルのブースト乗数が適用されます。 - 大きなボンドを持つバリデーターはネットワークのセキュリティを強化します。 ➠ キーポイント：収益の100％がオープンマーケットで自動的にPODを購入 → 発行量を上回る可能性のある継続的で実質的な買い圧力。 - ❹ 結論 利用 = 収益 = 購入戻し = ステーカーとボンドオペレーターへの価値。外部株式が存在しないため、PODトークンはすべての価値を捉えます。 これはETH（スラッシング）、CURVE（ブースト）、XSUSHI（自動再投資）の要素を組み合わせた構造ですが、利用ベースのAI推論＋合成データに特化して調整されています。