100.000+ GPUs.
Das ist, was es brauchte, um @OpenAI's GPT-6 Astra zu trainieren.
Währenddessen haben die meisten Entwickler Mühe, überhaupt auf eine Handvoll GPUs zuzugreifen oder sie sich leisten zu können.
Das ist das große Problem in der KI heute.
Am einen Ende: Cluster mit faktisch unbegrenzter Rechenleistung.
Am anderen: Start-ups, Forscher und Entwickler, die um Zugang kämpfen und jede GPU-Stunde genau im Blick behalten.
Einfach mehr GPUs hinzuzufügen wird das nicht lösen.
Wir brauchen einen besseren Weg, um auf die Rechenleistung zuzugreifen und sie zu nutzen, die bereits existiert.
Dafür ist @ionet da.
https://www.cnet.com/tech/services-and-software/openai-gpt-6-astra-release-ai-agi-chatgpt/
Das ist, was es brauchte, um @OpenAI's GPT-6 Astra zu trainieren.
Währenddessen haben die meisten Entwickler Mühe, überhaupt auf eine Handvoll GPUs zuzugreifen oder sie sich leisten zu können.
Das ist das große Problem in der KI heute.
Am einen Ende: Cluster mit faktisch unbegrenzter Rechenleistung.
Am anderen: Start-ups, Forscher und Entwickler, die um Zugang kämpfen und jede GPU-Stunde genau im Blick behalten.
Einfach mehr GPUs hinzuzufügen wird das nicht lösen.
Wir brauchen einen besseren Weg, um auf die Rechenleistung zuzugreifen und sie zu nutzen, die bereits existiert.
Dafür ist @ionet da.
https://www.cnet.com/tech/services-and-software/openai-gpt-6-astra-release-ai-agi-chatgpt/
