Sebuah projek AI terdesentralisasi baru sahaja belajar dengan cara yang sukar bahawa komuniti kripto sangat mahir dalam memeriksa resit. Quasar, yang beroperasi sebagai Subnet 24 di rangkaian Bittensor, melancarkan apa yang disebutnya sebagai model 120 bilion parameter yang revolusioner dengan jendela konteks 5 juta token. Dalam beberapa jam, penyelidik bebas mendapati bahawa kira-kira 96-98% beratnya hampir serupa dengan model sedia ada daripada Ant Group.
Akibatnya berlaku dengan pantas. Token alpha SN24 jatuh sekitar 70-75% dalam satu sesi perdagangan.
Model dan ketidaksesuaian
Quasar, yang dipimpin oleh SILX AI, telah membangun menuju momen ini selama berbulan-bulan. Projek ini melancarkan Quasar-Preview, sebuah model dengan sekitar 20 bilion parameter keseluruhan, dan Quasar-3B pada April 2026. Kedua-duanya diletakkan sebagai langkah seterusnya menuju model yang jauh lebih besar yang dilatih sepenuhnya melalui kaedah terdesentralisasi di rangkaian Bittensor.
Rilisan 120B seharusnya menjadi buahnya. SILX AI memasarkan model ini sebagai kejayaan latihan terdesentralisasi, lengkap dengan inovasi arsitektur yang dijanjikan seperti sesuatu yang disebut “Loop Transformer” dan “memori Engram.” Ciri-ciri ini dimaksudkan untuk menyelesaikan masalah memori dan koherensi yang menghantui arsitektur transformer standar apabila menangani konteks yang sangat panjang.
Apabila analis bebas mengkaji berat model sebenar, ciri-ciri arkaitektur baharu itu sebahagian besarnya tiada. Sebaliknya, analisis menunjukkan bahawa majoriti besar berat tersebut, di antara 96% hingga 98%, sangat sepadan dengan model Ling-mini-base-2.0 Ant Group.
Mengapa ini penting untuk ekosistem Bittensor
Bittensor beroperasi berdasarkan premis yang berbeza secara mendasar berbanding kebanyakan projek kripto. Rangkainya memberi insentif kepada kecerdasan mesin terdesentralisasi melalui penambangan dan pengesahan yang kompetitif, di mana subnet yang berbeza fokus pada tugas AI yang berbeza. Fokus Subnet 24 telah pada pembangunan model asas konteks panjang, jenis AI yang mampu memproses dan beralasan atas dokumen besar tanpa kehilangan alur.
SILX AI telah mempromosikan visi ambisius untuk masa depan Quasar, termasuk sasaran 10 trilion token dalam pelatihan keseluruhan dan menyatakan bahawa kaedah pelatihan terdesentralisasi boleh mengurangkan kos sebanyak 99,5% berbanding pendekatan terpusat konvensional.
Keruntuhan token dan kesan terhadap pelabur
Pasar tidak menunggu penjelasan. Penurunan token alpha SN24 sebanyak 70-75% dalam satu sesi adalah jenis penurunan yang biasanya menyertai tuduhan penipuan atau eksploitasi protokol, bukan perdebatan arsitektur model.
Kesenjangan antara apa yang dijanjikan secara arsitektural, termasuk Loop Transformer dan memori Engram, dengan apa yang sebenarnya diberikan dalam bobot model terlalu lebar untuk diatasi hanya dengan pemasaran.