F A R R I S
16.1k 投稿
F A R R I S
I trade what I see, not what I feel...
1.0K+ フォロー
28.5K+ フォロワー
14.0K+ いいね
投稿
すべて
引用
ライブ
#newt $NEWT @NewtonProtocol
最近、私は思ったよりもニュートン・プロトコル（NEWT）を追いかけています。周囲の騒音があるからではなく、更新が“見出しだけ流し読みしていると見逃してしまう”くらい、小さく、意図のあるステップとして続いているからです。
ある週は、実行のためのロールアップ設計を締め直す話。別の週は、システム内部でAI駆動の戦略がどう扱われているかに関する変更です。理論上のものというより、実際の条件下でより予測可能に振る舞うようにしようとしているように見えます。
そして、AIエージェントを構築する開発者のための“実際の市場”へ向けた静かな推進もあります。まだ磨き切って派手ではありません——むしろ、公開の場に足場（スキャフォールド）が組み上がっていくような感じです。
面白いのは、これらがどれだけ連動しているように感じられるかという点です。取引ロジック、検証レイヤー、そして開発者向けのツールが、別々のアイデアとして座り込むのではなく、ゆっくりと同じ方向へ揃っていくのが見えます。
完成した感じはしません。人々がすでに断片的に動く様子を見守っているのに、その裏では実際に組み立てが進められている——そんな印象です。
こうしたものが、“進行中”という扱いをやめて、あなたが前提として織り込むべき存在になるのは、どのタイミングでしょうか？
最近、私は思ったよりもニュートン・プロトコル（NEWT）を追いかけています。周囲の騒音があるからではなく、更新が“見出しだけ流し読みしていると見逃してしまう”くらい、小さく、意図のあるステップとして続いているからです。
ある週は、実行のためのロールアップ設計を締め直す話。別の週は、システム内部でAI駆動の戦略がどう扱われているかに関する変更です。理論上のものというより、実際の条件下でより予測可能に振る舞うようにしようとしているように見えます。
そして、AIエージェントを構築する開発者のための“実際の市場”へ向けた静かな推進もあります。まだ磨き切って派手ではありません——むしろ、公開の場に足場（スキャフォールド）が組み上がっていくような感じです。
面白いのは、これらがどれだけ連動しているように感じられるかという点です。取引ロジック、検証レイヤー、そして開発者向けのツールが、別々のアイデアとして座り込むのではなく、ゆっくりと同じ方向へ揃っていくのが見えます。
完成した感じはしません。人々がすでに断片的に動く様子を見守っているのに、その裏では実際に組み立てが進められている——そんな印象です。
こうしたものが、“進行中”という扱いをやめて、あなたが前提として織り込むべき存在になるのは、どのタイミングでしょうか？
私は@OpenGradient が、意外なほど緻密なやり方で進化していくのを見ている。
多くのプロジェクトはAIをより速くすることに躍起だ。OpenGradientは、別の問いを繰り返し投げかけてくる。「実際に何が起きたのかを、どうやって証明するのか？」
掘り下げれば掘り下げるほど、その設計上の選択があらゆる場所に現れてくる。推論は専用ノードで実行される。検証は、すべてのリクエストを遅くする代わりに別途行われる。TEEs、暗号学的なアテステーション（証明書付きの裏付け）、非同期のプローフ（証明）の決済、分散型のモデルホスティング……。どの要素も、「別のブラックボックスをユーザーに信じさせる」ことではなく、「AIの出力を追跡可能にする」ことを目的に組み立てられているように見える。
そして、その周辺のエコシステムが静かに広がっているのにも気づいた。成長するModel Hub（モデルのハブ）、ビルダー向けのSDK、検証可能なLLM実行、持続的なAIメモリ。そして、推論を生成するのと同じくらい、推論が行われたことを証明することが重要になるアプリケーションに備えたインフラ。
彼らは見出しを追いかけている感じがしない。
AIが、人々が本当に気にする意思決定をし始めてから初めて「存在に気づく」問題を解こうとしているように感じる。
たぶん、次のAIの章は「誰が最大のモデルを持っているか」で定義されない。
たぶん、「自分のモデルが実際に何をしたのかを証明できるか」で定義される。
$OPG #OPG
多くのプロジェクトはAIをより速くすることに躍起だ。OpenGradientは、別の問いを繰り返し投げかけてくる。「実際に何が起きたのかを、どうやって証明するのか？」
掘り下げれば掘り下げるほど、その設計上の選択があらゆる場所に現れてくる。推論は専用ノードで実行される。検証は、すべてのリクエストを遅くする代わりに別途行われる。TEEs、暗号学的なアテステーション（証明書付きの裏付け）、非同期のプローフ（証明）の決済、分散型のモデルホスティング……。どの要素も、「別のブラックボックスをユーザーに信じさせる」ことではなく、「AIの出力を追跡可能にする」ことを目的に組み立てられているように見える。
そして、その周辺のエコシステムが静かに広がっているのにも気づいた。成長するModel Hub（モデルのハブ）、ビルダー向けのSDK、検証可能なLLM実行、持続的なAIメモリ。そして、推論を生成するのと同じくらい、推論が行われたことを証明することが重要になるアプリケーションに備えたインフラ。
彼らは見出しを追いかけている感じがしない。
AIが、人々が本当に気にする意思決定をし始めてから初めて「存在に気づく」問題を解こうとしているように感じる。
たぶん、次のAIの章は「誰が最大のモデルを持っているか」で定義されない。
たぶん、「自分のモデルが実際に何をしたのかを証明できるか」で定義される。
$OPG #OPG
@OpenGradient 私は毎週 OpenGradient を少しずつより注意深く見ていて、彼らが実際に構築しているものを無視しにくくなってきました。
多くのプロジェクトは AI モデルの話をします。OpenGradient は、モデルが呼び出された後に何が起きるかというあらゆることにこだわっているようです。分散ネットワーク上でモデルをホスティングすること。単一のオペレーターに依存せずに推論を実行すること。そして、返答をただ信じるのではなく、実際に何が起きたかを誰もが検証できるように暗号学的な証明を付けること。
アーキテクチャを読み進めるほど、それが意図的に設計されていると感じます。専用の推論ノード。独立した検証。モデルのホスティング。開発者向けツール。さらに、ネットワーク自体が検証によってユーザー体験が遅くならないように設計されていて、ほとんどの人がそもそも存在に気づいていない問題を解決しています。
彼らが見出しを追いかけているようには思えません。むしろ、他のみんなが最も賢いモデルを持っているのは誰かでまだ議論している間に、欠けているピースを静かに組み合わせているように感じます。
AI の未来は、最初に最良の回答を生成した人で決まらないのかもしれません。むしろ、その回答が本物だったことを証明できる人で決まるのかもしれません。
$OPG @OpenGradient #OPG
多くのプロジェクトは AI モデルの話をします。OpenGradient は、モデルが呼び出された後に何が起きるかというあらゆることにこだわっているようです。分散ネットワーク上でモデルをホスティングすること。単一のオペレーターに依存せずに推論を実行すること。そして、返答をただ信じるのではなく、実際に何が起きたかを誰もが検証できるように暗号学的な証明を付けること。
アーキテクチャを読み進めるほど、それが意図的に設計されていると感じます。専用の推論ノード。独立した検証。モデルのホスティング。開発者向けツール。さらに、ネットワーク自体が検証によってユーザー体験が遅くならないように設計されていて、ほとんどの人がそもそも存在に気づいていない問題を解決しています。
彼らが見出しを追いかけているようには思えません。むしろ、他のみんなが最も賢いモデルを持っているのは誰かでまだ議論している間に、欠けているピースを静かに組み合わせているように感じます。
AI の未来は、最初に最良の回答を生成した人で決まらないのかもしれません。むしろ、その回答が本物だったことを証明できる人で決まるのかもしれません。
$OPG @OpenGradient #OPG
#opg $OPG @OpenGradient
私は毎週、OpenGradientを少しずつ注意深く見ています。そして私を引き戻し続けるのは、見出しではありません。むしろ「パターン」です。数日おきに、また別の要素が静かに所定の場所に収まっていくのを見ます。より多くのモデルが登場し、推論アクティビティがネットワークを流れ、そして、AIの出力が「それを生成した」と主張するモデルから本当に生まれたのだと証明するための作業が増えていく。後からではない。信頼によってではない。検証によってです。最近私の目を引いたのは、そのアーキテクチャの多くが、単純な前提に基づいて組まれているように見えることです。つまり、AIは、人々が最終的に監査したいと思うような決定へ向かっている、という前提です。これが設計上の優先順位を完全に変えてしまいます。単に速度を追いかけるのではなく、彼らは証明の決着、検証可能な推論、専門化された計算ノード、そして出力が生成された後に「何が起きたか」を示せるシステムに時間を費やしているのです。多くの人はAIを「モデルの問題」と見ています。OpenGradientはそれを「説明責任の問題」として扱っているように見えます。そして奇妙なことに、この変化は今のところ微妙に感じられます。ネットワークはまだ成長中で、新しいモデルが追加され、開発者たちは実験していて、インフラは背後で拡張され続けています。だからこそ、無視しにくくなっているのかもしれません。最大のニュースは、誰が最も賢いAIを作るかではないかもしれません。AIが実際に何をしたのかを証明できるシステムを作るのが誰かかもしれない。
$VELVET
$MYX
私は毎週、OpenGradientを少しずつ注意深く見ています。そして私を引き戻し続けるのは、見出しではありません。むしろ「パターン」です。数日おきに、また別の要素が静かに所定の場所に収まっていくのを見ます。より多くのモデルが登場し、推論アクティビティがネットワークを流れ、そして、AIの出力が「それを生成した」と主張するモデルから本当に生まれたのだと証明するための作業が増えていく。後からではない。信頼によってではない。検証によってです。最近私の目を引いたのは、そのアーキテクチャの多くが、単純な前提に基づいて組まれているように見えることです。つまり、AIは、人々が最終的に監査したいと思うような決定へ向かっている、という前提です。これが設計上の優先順位を完全に変えてしまいます。単に速度を追いかけるのではなく、彼らは証明の決着、検証可能な推論、専門化された計算ノード、そして出力が生成された後に「何が起きたか」を示せるシステムに時間を費やしているのです。多くの人はAIを「モデルの問題」と見ています。OpenGradientはそれを「説明責任の問題」として扱っているように見えます。そして奇妙なことに、この変化は今のところ微妙に感じられます。ネットワークはまだ成長中で、新しいモデルが追加され、開発者たちは実験していて、インフラは背後で拡張され続けています。だからこそ、無視しにくくなっているのかもしれません。最大のニュースは、誰が最も賢いAIを作るかではないかもしれません。AIが実際に何をしたのかを証明できるシステムを作るのが誰かかもしれない。
$VELVET
$MYX
#opg $OPG @OpenGradient
毎週OpenGradientを少しずつ注意深く見ていますが、私の目を引き続けるのは資金調達の見出しでもAIの物語でもありません。その下で実行が進むスピードです。
数か月前は、話題の中心は検証可能なAIでした。けれど今は、すでに数百万件の推論を処理し、数十万件の暗号学的な証明を生成し、それの上に実際に構築している開発者たちによる何千ものモデルを引きつけたネットワークが見えています。
違って感じるのは、チームがインフラに留まっていないことです。インフラが実際のプロダクトを動かし始めたときに何が起こるのかを検証しています。
OpenGradient Chatのローンチ、複数のフロンティアモデルへの対応、プライバシー重視のアーキテクチャ、そして検証可能な計算に関する継続的な取り組み——これらはいずれも同じことを示しています。AIに対する信頼を「約束」から「測定可能なもの」へ変えようとしているのです。
多くのプロジェクトは未来のことを語ります。OpenGradientは、その未来をストレステストしているように見えます。
私が繰り返し立ち返ってしまうのは、この点です。AIシステムがより多くの意思決定を担うようになったとき、業界は最終的に、すべての出力に対して、すべての金融取引と同じように「証明」を求めるようになるのでしょうか？
もしその転換が起きれば、多くの人が、これまでずっとAIレースをまったく違う角度から見ていたことに気づくかもしれません。
$CRV
$STG
毎週OpenGradientを少しずつ注意深く見ていますが、私の目を引き続けるのは資金調達の見出しでもAIの物語でもありません。その下で実行が進むスピードです。
数か月前は、話題の中心は検証可能なAIでした。けれど今は、すでに数百万件の推論を処理し、数十万件の暗号学的な証明を生成し、それの上に実際に構築している開発者たちによる何千ものモデルを引きつけたネットワークが見えています。
違って感じるのは、チームがインフラに留まっていないことです。インフラが実際のプロダクトを動かし始めたときに何が起こるのかを検証しています。
OpenGradient Chatのローンチ、複数のフロンティアモデルへの対応、プライバシー重視のアーキテクチャ、そして検証可能な計算に関する継続的な取り組み——これらはいずれも同じことを示しています。AIに対する信頼を「約束」から「測定可能なもの」へ変えようとしているのです。
多くのプロジェクトは未来のことを語ります。OpenGradientは、その未来をストレステストしているように見えます。
私が繰り返し立ち返ってしまうのは、この点です。AIシステムがより多くの意思決定を担うようになったとき、業界は最終的に、すべての出力に対して、すべての金融取引と同じように「証明」を求めるようになるのでしょうか？
もしその転換が起きれば、多くの人が、これまでずっとAIレースをまったく違う角度から見ていたことに気づくかもしれません。
$CRV
$STG
Black 💚
86%
chain ❤️
5%
Bills 💵😀
9%
22 投票 • 投票は終了しました
確認済み
#opg $OPG @OpenGradient
OpenGradientを注意深く見ていますが、私の目を引き続けるのは単一の発表ではありません。同時に動いているように見える“数”の多さです。
ここ数か月の間に、AI推論、モデルホスティング、検証を別々の製品として扱わないネットワークへと拡大してきました。面白いのは、それらをどのように“つなぎ合わせているか”です。推論ノードが実行を担い、証明は後で決着し、しかも検証を手放さずにスピードを押し上げ続けています。これは維持するのが難しいバランスです。
さらに、ネットワークが数百万件の推論や、利用可能な数千のモデルを報告する一方で、Model Hubが静かに成長しているのにも気づきました。多くの人はアウトプットにばかり注目します。私は、その下にあるインフラに目を向けています。なぜなら、真の物語はたいていそこに隠れているからです。
そして、コアとなるネットワークを中心にした製品群の着実な拡大。MemSync、AIエージェント、モデルのデプロイツール、SDK連携。どれも偶然のようには見えません。単一のユースケースではなく、検証可能なAIが“1つのエコシステム全体”を支えられるかどうかを試しているように見えます。
考え続けてしまうのはこれです。多くのプロジェクトはAIをより強力にすることを語ります。OpenGradientは、AIをより説明責任のあるものにすることに執着しているように見えます。
もし今後数年で、それがより難しい解くべき課題になっていくなら、私たちが気づいているよりもずっと早いタイミングで到来するインフラを見ているのでしょうか
$G
$ARX
OpenGradientを注意深く見ていますが、私の目を引き続けるのは単一の発表ではありません。同時に動いているように見える“数”の多さです。
ここ数か月の間に、AI推論、モデルホスティング、検証を別々の製品として扱わないネットワークへと拡大してきました。面白いのは、それらをどのように“つなぎ合わせているか”です。推論ノードが実行を担い、証明は後で決着し、しかも検証を手放さずにスピードを押し上げ続けています。これは維持するのが難しいバランスです。
さらに、ネットワークが数百万件の推論や、利用可能な数千のモデルを報告する一方で、Model Hubが静かに成長しているのにも気づきました。多くの人はアウトプットにばかり注目します。私は、その下にあるインフラに目を向けています。なぜなら、真の物語はたいていそこに隠れているからです。
そして、コアとなるネットワークを中心にした製品群の着実な拡大。MemSync、AIエージェント、モデルのデプロイツール、SDK連携。どれも偶然のようには見えません。単一のユースケースではなく、検証可能なAIが“1つのエコシステム全体”を支えられるかどうかを試しているように見えます。
考え続けてしまうのはこれです。多くのプロジェクトはAIをより強力にすることを語ります。OpenGradientは、AIをより説明責任のあるものにすることに執着しているように見えます。
もし今後数年で、それがより難しい解くべき課題になっていくなら、私たちが気づいているよりもずっと早いタイミングで到来するインフラを見ているのでしょうか
$G
$ARX
Bullish 💚
57%
Bearish ❤️
43%
14 投票 • 投票は終了しました
#opg
私はOpenGradientを非常に注意深く見ていますが、面白いのはAIそのものではありません。
実際に何が起きたのかを証明しようとする執着です。
現在のほとんどのAIシステムは、「適切なモデルが実行された」「正しいプロンプトが使われた」「途中で何も変えられていない」といったことをあなたに信じさせようとします。OpenGradientは逆方向に押し進めています。より多くのインフラ、より多くの検証、そしてリクエストからレスポンスまでの経路を調べるためのあらゆる手段。
ここ数か月で彼らは、その考え方の周りにある部品を拡張してきました。モデルホスティング。TEEに支えられた推論。オンチェーンでの決済。推論アクティビティやアテステーションを追跡できるエクスプローラー。さらに、すべてをブロックチェーンのボトルネックに押し込むのではなく、速い実行と後からの検証を分離する設計自体もそのために作られています。
私の目を引くのは、プレゼンテーションよりも「配管（仕組み）」にどれだけの労力を注いでいるかです。
何千ものホストされたモデル。数百万件の推論。新しいツール。ネットワーク周辺に現れる新製品。それらは見出しを取りに行く「突貫」のようには感じられません。むしろ、多くの人がまだ無視している問いに静かに答えようとしているチームのように思えます：
AIが、実際に重要な意思決定をし始めたら何が起きるのか。そして「信じてください」だけではもはや十分ではなくなったら
@OpenGradient
$OPG
私はOpenGradientを非常に注意深く見ていますが、面白いのはAIそのものではありません。
実際に何が起きたのかを証明しようとする執着です。
現在のほとんどのAIシステムは、「適切なモデルが実行された」「正しいプロンプトが使われた」「途中で何も変えられていない」といったことをあなたに信じさせようとします。OpenGradientは逆方向に押し進めています。より多くのインフラ、より多くの検証、そしてリクエストからレスポンスまでの経路を調べるためのあらゆる手段。
ここ数か月で彼らは、その考え方の周りにある部品を拡張してきました。モデルホスティング。TEEに支えられた推論。オンチェーンでの決済。推論アクティビティやアテステーションを追跡できるエクスプローラー。さらに、すべてをブロックチェーンのボトルネックに押し込むのではなく、速い実行と後からの検証を分離する設計自体もそのために作られています。
私の目を引くのは、プレゼンテーションよりも「配管（仕組み）」にどれだけの労力を注いでいるかです。
何千ものホストされたモデル。数百万件の推論。新しいツール。ネットワーク周辺に現れる新製品。それらは見出しを取りに行く「突貫」のようには感じられません。むしろ、多くの人がまだ無視している問いに静かに答えようとしているチームのように思えます：
AIが、実際に重要な意思決定をし始めたら何が起きるのか。そして「信じてください」だけではもはや十分ではなくなったら
@OpenGradient
$OPG
#opg
今、OpenGradientが多くのAIプロジェクトが静かに避けることをやっているのを見ています。それは、AIの出力が単に信頼されるのではなく、実際に検証できるかどうかという問いを強制することです。
過去数ヶ月で、ピースが組み合わさり始めています。検証可能な推論を中心に構築されたネットワーク。TEEサポートの実行。数千のモデルが利用可能な拡張モデルハブ。もっと重要なのは、彼らがすべてのAI応答が結果そのものだけでなく、それがどのように生成されたかの証拠を残すべきだというアイデアを推進していることです。
最近私の注目を集めたのは、支払いと検証をインフラレイヤーに直接埋め込む動きです。余計な中間業者なし。既存の信頼仮定の上に重ねられた別の信頼仮定なし。ただ、AI計算を最初から監査可能にしようとする着実な試みです。
ほとんどの人は、誰が最もスマートなモデルを持っているかに焦点を当てています。
OpenGradientはまったく異なる問いに焦点を当てているようです。それは、AIが事後に証明が必要な決定を下し始めたときに何が起こるかということです。
そのシフトは今日、微妙に感じられます。
AIがツールであるのをやめ、重要なシステムの一部になるとき、その問いがどれほど重要になるか、人々が気づいていないとは思えません。
$OPG @OpenGradient #OPG
$HEI
$ARX
今、OpenGradientが多くのAIプロジェクトが静かに避けることをやっているのを見ています。それは、AIの出力が単に信頼されるのではなく、実際に検証できるかどうかという問いを強制することです。
過去数ヶ月で、ピースが組み合わさり始めています。検証可能な推論を中心に構築されたネットワーク。TEEサポートの実行。数千のモデルが利用可能な拡張モデルハブ。もっと重要なのは、彼らがすべてのAI応答が結果そのものだけでなく、それがどのように生成されたかの証拠を残すべきだというアイデアを推進していることです。
最近私の注目を集めたのは、支払いと検証をインフラレイヤーに直接埋め込む動きです。余計な中間業者なし。既存の信頼仮定の上に重ねられた別の信頼仮定なし。ただ、AI計算を最初から監査可能にしようとする着実な試みです。
ほとんどの人は、誰が最もスマートなモデルを持っているかに焦点を当てています。
OpenGradientはまったく異なる問いに焦点を当てているようです。それは、AIが事後に証明が必要な決定を下し始めたときに何が起こるかということです。
そのシフトは今日、微妙に感じられます。
AIがツールであるのをやめ、重要なシステムの一部になるとき、その問いがどれほど重要になるか、人々が気づいていないとは思えません。
$OPG @OpenGradient #OPG
$HEI
$ARX
#opg $OPG @OpenGradient
私は毎週OpenGradientを少しずつ注視していて、面白いのはAIモデル自体ではありません。
出力の背後で実際に何が起こったのかを証明することへの執着です。
ほとんどのAIインフラは速度、大きなモデル、より多くのコンピュートについて話していますが、OpenGradientははるかに厄介な問題に取り組んでいます：推論を検証可能にすることです。彼らは、AI実行が専門のノード間で行われ、証明が別々に決済され、リクエストからレスポンスまでの全経路が監査可能なネットワークを構築しています。
掘り進めるほど、ますます多くのピースが現れます。TEEを通じた検証可能なLLM実行。数千のホスティングされたモデルを持つ成長するモデルハブ。オンチェーンのAI実験。永続的なメモリシステム。推論が速いままに保たれるように設計されたインフラストラクチャ。
それは非常に意図的な方向性のように感じます。
私たちはAIエージェントが金銭、データ、そして実際の結果を伴う決定を下す世界に近づいています。その時が来れば、生の知性は最も難しい課題ではないかもしれません。
より難しい質問はこうかもしれません：AIが実際にそれが主張したことを行ったとどうやって証明しますか？
$SYN
$OPG
私は毎週OpenGradientを少しずつ注視していて、面白いのはAIモデル自体ではありません。
出力の背後で実際に何が起こったのかを証明することへの執着です。
ほとんどのAIインフラは速度、大きなモデル、より多くのコンピュートについて話していますが、OpenGradientははるかに厄介な問題に取り組んでいます：推論を検証可能にすることです。彼らは、AI実行が専門のノード間で行われ、証明が別々に決済され、リクエストからレスポンスまでの全経路が監査可能なネットワークを構築しています。
掘り進めるほど、ますます多くのピースが現れます。TEEを通じた検証可能なLLM実行。数千のホスティングされたモデルを持つ成長するモデルハブ。オンチェーンのAI実験。永続的なメモリシステム。推論が速いままに保たれるように設計されたインフラストラクチャ。
それは非常に意図的な方向性のように感じます。
私たちはAIエージェントが金銭、データ、そして実際の結果を伴う決定を下す世界に近づいています。その時が来れば、生の知性は最も難しい課題ではないかもしれません。
より難しい質問はこうかもしれません：AIが実際にそれが主張したことを行ったとどうやって証明しますか？
$SYN
$OPG
確認済み
#opg @OpenGradient
OpenGradientについて私の注目を引いたのは、AIのアプローチそのものではなく、それが解決しようとしている信頼の問題です。
今日の多くのAIインフラは、提供者の言葉をそのまま信じることに依存しています。OpenGradientのモデル実行と検証をネットワークの一部にするという焦点は、単により大きなモデルを追い求めるよりも、興味深い方向性に感じます。
詳細をまだ掘り下げていますが、実際のテストは、推論を分散化できるかどうかではなく、それを実現する際に、避けようとしている同じ権力集中を再現せずにできるかどうかだと思います。それが注目すべき部分です。
$SYN $OPG
$BICO
OpenGradientについて私の注目を引いたのは、AIのアプローチそのものではなく、それが解決しようとしている信頼の問題です。
今日の多くのAIインフラは、提供者の言葉をそのまま信じることに依存しています。OpenGradientのモデル実行と検証をネットワークの一部にするという焦点は、単により大きなモデルを追い求めるよりも、興味深い方向性に感じます。
詳細をまだ掘り下げていますが、実際のテストは、推論を分散化できるかどうかではなく、それを実現する際に、避けようとしている同じ権力集中を再現せずにできるかどうかだと思います。それが注目すべき部分です。
$SYN $OPG
$BICO
ログインして、さらにコンテンツを読む