HN Heute gibt es ein kleines Modell namens Kev: in drei Größen von 0,8B bis 9B. Es wird direkt auf Tongyi Qianwen 3.5 aufgesetzt. Ziel ist, dass du mit einer Heim-GPU trainieren und ein Modell für Entscheidungsaufgaben ausführen kannst.

Die Modellgewichte sind auf Hugging Face öffentlich, und Trainingsskripte sowie der Datensatz für das Evaluieren sind ebenfalls gebündelt.

Diese Linie ist für Krypto grundsätzlich positiv. Lokales Laufen kleiner Modelle ist derselbe Weg wie bei solchen ressourcenschwachen Knoten wie $FET , die über Proxy-Protokolle laufen wollen. Das Training hängt dann nicht mehr an den wenigen tausend GPUs großer Konzerne; auch Geräte für Privatanwender können das. So bekommt das Proxy-Protokoll auch echte Einsatzszenarien. $NEAR ist ebenfalls tangiert. Die Subnetz-Erzählung wartet dieses Jahr ohnehin auf einen lokalen Durchbruch für Inferenz.

Das Problem ist: Reichen 900 Millionen Parameter wirklich aus? Das hängt von den tatsächlichen Benchmarks ab. Bei Open-Source-Modellen interessiert mich vor allem, ob es bei kleinen Aufgaben geschlossene Modelle ersetzen kann – nicht die Parametergroße an sich.

#开源AI #代理协议 #科技