io.net Re-poster

Open weights don't mean open infrastructure.

Run open models on hyperscaler GPUs and you're just swapping one lock-in for another.

It's the same vendor pricing, availability limits, and cost to leave.

The same 70B workload. Four GPUs. Twenty hours a day:
AWS on-demand: around $9,600 a month.
http://io.net: $3,576 a month.

Open models and open compute is what http://io.net was built for.

The White House just renamed AI "Super Intelligence."

New name.

Same GPU shortage.

You can rebrand the model. You can't rebrand the costs or the waitlists.

Whatever you call it, it runs on compute. We're making sure it's available to the many, not the few.

$31.6 triliun

Itulah yang diperkirakan PwC akan dihabiskan untuk infrastruktur AI hingga tahun 2050.

Tapi Anda tetap tidak bisa mendapatkan GPU.

Krisis komputasi AI ini bukan sekadar kekurangan chip.

Ini masalah koordinasi.

Kapasitas dipesan, menganggur, dan terisolasi di balik siklus pengadaan.

Chip tambahan saja tidak akan menyelesaikannya. Itulah sebabnya @ionet membangun solusi yang berbeda.

GPU tidak berjalan berdasarkan perkiraan.

2 GW kapasitas pusat data AS yang dijadwalkan untuk 2026 bahkan belum mulai dibangun.

Dan lebih dari setengah server GPU yang terjual antara 2026 dan 2028 mungkin kekurangan daya untuk menjalankan operasinya.

Para hyperscaler berlomba membeli lebih banyak chip sambil kesulitan menyiapkan situs baru.

Ada opsi lain.

@ionet menghadirkan komputasi yang kurang dimanfaatkan dari seluruh dunia yang sudah tersedia sekarang. Bukan suatu saat nanti.

"Tidak ada orang dewasa di ruangan ini."

Itu kutipan langsung dari seorang anggota dewan penasehat AI Uni Eropa.

Pemerintah masih tertinggal bertahun-tahun. Lab-lab sedang menulis aturan mereka sendiri.

Namun tim-tim yang dibangun di atasnya menghadapi risikonya.

Jawabannya tidak menunggu keduanya untuk menyusul. Jawabannya adalah partisipasi yang lebih luas, akses yang lebih besar, dan transparansi.

Itulah yang @ionet dirancang untuk.

https://www.nytimes.com/2026/09/27/technology/ai-government-regulation.html

Biaya komputasi 60% lebih rendah.

Hasil yang sama, satu API terpadu.

Itu @kayos_ai, sebuah startup AI yang menjalankan seluruh stack agen mereka di io.intelligence.

Sebelumnya mereka menghabiskan $2.500/bulan per pelanggan dengan setup yang terfragmentasi (Groq, Cerebras, Anthropic, OpenAI).

Sekarang menjadi $1.000/bulan, tanpa batasan kecepatan, satu penyedia.

Begitulah yang terjadi ketika komputasi tidak lagi menjadi hambatan.
https://io.net/blog/kayos-case-study

11 miliar token.

Dalam satu hari.

Itu adalah http://io.net di OpenRouter kemarin. Naik dari beberapa miliar per hari pada Juli lalu.

Nemotron 3.5 Lightning saja memproses 4,82B token. GLM 5.3 dan GLM 5.3 Flash menambahkan lagi total 4,24B.

Begini rasanya memiliki tim yang merutekan beban kerja nyata melalui http://io.net, setiap hari.

$28 million.

Network earnings don't lie.

Real GPU demand, converted into real payouts, every month.

This is what decentralized compute looks like when it's actually working.

Google baru saja memasang chip AI-nya ke sebuah roket.

Project Suncatcher sedang menguji apakah luar angkasa bisa menjadi tempat untuk komputasi AI dalam skala besar.

Bacalah itu sekali lagi.

Salah satu hiperskala terbesar di dunia sedang melihat melampaui pusat data miliknya sendiri karena komputasi terpusat, bahkan pada skala Google sekalipun, punya batas.

Hambatannya tidak pernah hanya chip.

Masalahnya ada pada siapa yang mengendalikan itu.

Komputasi terdesentralisasi menyelesaikan masalah ini hari ini.
Tanpa roket.

Setiap percakapan AI menghadapi tembok yang sama.

Komputasi langka, terpusat, dan dikendalikan oleh segelintir raksasa hyperscaler.

Komputasi yang terdesentralisasi adalah jawabannya.

Dalam podcast Nephology edisi minggu ini, Direktur Brand & Comms dari @ionet, David Sherman, bergabung dengan pembawa acara @crypjo091 untuk menyampaikan alasannya.

Komputasi terpusat membawa kita sampai di sini.

Tapi itu tidak akan membawa kita ke tahap berikutnya dari AI.
https://www.youtube.com/watch?v=bQ682LGGh8Y

Generative AI mencapai adopsi 53% dalam tiga tahun.

Lebih cepat daripada PC.

Lebih cepat daripada internet.

Tapi ada masalah akses.

AS memiliki 5.427 pusat data. Lebih dari 10x dibanding negara mana pun.

Permintaan bersifat global.

Pasoknya terkonsentrasi.

http://io.net ada untuk mengubah itu.

Sumber: Stanford HAI, 2026 AI Index

Generative AI mencapai adopsi 53% dalam tiga tahun.

Lebih cepat daripada PC.

Lebih cepat daripada internet.

Tapi ada masalah akses.

AS memiliki 5.427 pusat data. Lebih dari 10x dibanding negara mana pun.

Permintaannya bersifat global.

Pasokannya terkonsentrasi.

http://io.net ada untuk mengubah itu.

https://hai.stanford.edu/ai-index/2026-ai-index-report

Pusat data baru membutuhkan waktu 18-36 bulan dan ratusan juta dalam belanja modal (capex).

GPU yang menganggur hanya butuh hitungan menit.

Mereka sudah berada di cluster perusahaan dan pusat data saat ini—sudah dialiri daya, dan sudah mengalami penyusutan.

Masalah daya untuk AI punya dua solusi. Kebanyakan industri sedang berlari menuju salah satunya.

@ionet menjalankan solusi yang lainnya.

Frontier labs terus meminta dunia untuk melambat.

Dan minggu ini, @AnthropicAI dan @OpenAI justru meminta pemerintah untuk mempercepat.

Mereka mengajukan berkas yang mendesak Australia untuk melonggarkan larangan hak cipta AI, meskipun secara terbuka mereka mendorong jeda keamanan dan audit model.

Aturan pembatas untuk semua orang.

Pengecualian untuk mereka sendiri.

Itu tidak akan membuat AI menjadi lebih aman. Partisipasi yang lebih luas akan. Dan itu membutuhkan komputasi terbuka serta model-model terbuka.

@ionet sedang membuatnya menjadi mungkin.

"Percayalah pada kami" bukan kerangka kerja keselamatan.

Sejumlah kecil lab mengontrol model, komputasi yang mereka latih, dan tolok ukur yang mereka nilai sendiri.

Itu bukan akuntabilitas. Dan itu tidak akan mengarah pada keselamatan yang lebih baik.

Akuntabilitas yang nyata membutuhkan transparansi, keterbukaan, dan akses.

Itulah persis yang sedang kami bangun di @ionet.
https://io.net/blog/ai-safety-is-not-the-same-as-ai-accountability

Semua orang memperdebatkan seberapa cepat perkembangan AI.

Namun perdebatan yang sebenarnya adalah tentang kontrol.

Seberapa cepat atau lambat semuanya bergerak kurang penting dibandingkan siapa yang memegang kemudi.

Segelintir lab dan pemasok chip yang memutuskan laju, pagar pengaman, dan syarat-syaratnya adalah risiko nyata—apa pun kecepatan yang mereka pilih.

Ketika infrastruktur tidak terkonsentrasi di beberapa tangan, pertanyaannya berubah sepenuhnya.

@ionet membuat itu menjadi mungkin.

https://www.cbc.ca/news/business/ai-slowdown-9.7349987

96 GPU dalam waktu kurang dari 24 jam tanpa antrian menunggu.

Begitulah yang dibutuhkan bagi @wonderaai untuk beralih dari terhambat komputasi menjadi siap meluncurkan.

64 H100 dan 32 H200 diprovisikan dengan cepat di @ionet.

Tidak perlu antre berbulan-bulan di daftar tunggu.

Hasilnya:
- 200.000 pengguna dalam 4 bulan, di 171 negara
- Pertumbuhan 50% dari bulan ke bulan
- Meluncur 3 bulan lebih cepat dari jadwal

Inilah yang terjadi ketika komputasimu sejalan dengan seberapa cepat kamu bisa membangun.
https://io.net/blog/wondera-case-study

Sub-100ms time-to-first-token is a flex.

For a chatbot with a human staring at the cursor.

But for batch inference, RAG pipelines, and agent workflows running in the background, nobody's watching.

Throughput and cost-per-token are the only numbers that matter.

Same job, same output, but 2-3x the bill if you're paying for latency nobody uses.

http://io.net lets you match the infra to the workload. Not the other way around.

Gates Foundation just pledged $1B to close the AI access gap.

It's a good move.

And still a patch.

The foundation's CEO admits that it's a "tiny proportion" of what tech giants spend on their commercial products.

AI access shouldn't run through donation cycles.

It needs a different compute supply chain that is open and distributed by default.

That's what http://io.net was built for.

Nvidia menghasilkan $215,9 miliar dengan menjual chip pada 2026 sejauh ini.

Jadi ketika Jensen Huang berkata, "jangan melambat, ini kesalahan lab, bukan perangkat kerasnya," anggap itu dengan sejumput garam.

Begitu juga ketika lab mengatakan, "percayakan pada kami untuk mengatur diri sendiri."

Tak satu pun dari kedua pihak itu netral.

Model terbuka + jaringan komputasi terbuka berarti Anda tidak perlu bertaruh pada salah satu pihak agar jujur. Anda tinggal memverifikasinya sendiri.

Itulah mengapa @ionet ada di sini.