Acho que o $POD do @dphnAI é um dos runners descentralizados de IA mais interessantes atualmente: modelos de código aberto sem censura, impulsionados por DePIN. Lançado em 2023 por Eric Hartford e equipe, o Dolphin já disponibilizou dezenas de modelos sem censura no Hugging Face, com milhões de downloads mensais. Agora, após a rebrandagem, eles lançaram a totalidade da tokenômica peer-to-pool. Aqui está uma análise direta, em 30 segundos. - ❶ O que eles estão realmente resolvendo? - Modelos de IA censurados - Inferência cara e centralizada - Suprimento de GPU ocioso desperdiçado - Gargalo de dados sintéticos - Complexidades de verificação descentralizada Isso é alcançado por meio de duas soluções. → Fine-tuning em bases de código aberto de alto desempenho (Llama, Mistral, Qwen, etc.) para criar LLMs de alta qualidade, verdadeiramente sem censura, que mantêm (ou até aumentam) inteligência, criatividade, uso de ferramentas e capacidade de roleplay. → Construção da Dolphin Network – uma rede distribuída de GPU onde qualquer um pode executar nodes com hardware ocioso (PCs gamers, placas consumidoras, o que for) para viabilizar inferência barata + geração massiva de dados sintéticos. - ❷ Dolphin Network – Design Peer-to-Pool Ao contrário da maioria dos DePINs 1:1 de aluguel, eles usam pools: - Nodes executando o mesmo modelo são agrupados. - As requisições são atribuídas aleatoriamente (sem ligação direta comprador-vendedor). - Os nodes ganham exclusivamente com base nos tokens processados (pagos pelo tesouro do protocolo). - Os usuários compram créditos diretamente do protocolo (POD, ETH, BTC, USDC, até Monero/Zcash aceitos). O Dolphin Mistral 24b agora é o modelo padrão sem censura para todos os usuários do @AskVenice. A roadmap é pragmática, mas ambiciosa: (Agora) Beta de inferência distribuída Próximos passos (em ordem): → Nodes de imagem / vídeo / áudio / transcrição → Suíte de geração de dados sintéticos → Auto-balanceamento Lighthouse → Inferência distribuída sharded → Distribuição LoRA / SFT (fine-tuning supervisionado) → Aprendizado por reforço distribuído → SFT completo com parâmetros distribuídos → Suíte de criação e fine-tuning de modelos → Pré-treinamento distribuído em larga escala - ❸ POD Utilidade e acúmulo de valor: - Staking (xPOD vault) → dividendos com composição automática provenientes de recompras + créditos diários de inferência + benefícios. - Operadores de nodes vinculam POD (slashável) para receber recompensas. Multiplicadores de aumento no estilo Curve, quanto mais você comprometer em relação aos ganhos. - Validadores com maiores vínculos ajudam a segurar a rede. ➠ Ponto-chave: 100% da receita compra automaticamente POD no mercado aberto → pressão real e constante de compra que pode superar as emissões. - ❹ Conclusão Uso = receita = recompras = valor para stakers e operadores vinculados. Nenhuma equity externa significa que o token POD captura tudo. É construído como uma mistura de ETH (slashing), CURVE (aumentos) e XSUSHI (composição automática), mas ajustado especificamente para inferência de IA baseada em uso + dados sintéticos.