Hoje a HN tem um modelo pequeno chamado Kev. Ele vem em três versões, de 0,8B a 9B, e é acoplado diretamente ao Tongyi Qianwen 3.5. O objetivo é permitir que você treine e execute modelos de tarefas de decisão usando uma GPU em casa.

Os pesos do modelo estão disponíveis publicamente no Hugging Face; além disso, o script de treinamento e o conjunto de avaliação já vêm empacotados.

Essa linha é favorável para criptografia. Rodar um modelo pequeno localmente, na mesma direção que nós podemos fazer nós de baixa capacidade como os que pretendem usar protocolos de proxy como $FET . O treinamento deixa de ficar preso àquelas poucas milhares de GPUs de grandes empresas; com equipamentos de usuários comuns dá para rodar. E o protocolo de proxy só ganha cenários reais de implementação. $NEAR também está relacionado; a narrativa de subnet vem o tempo todo esperando um “ponto de ruptura” para inferência local este ano.

O problema é: 900 milhões de parâmetros realmente bastam? Ainda depende de avaliações reais. Em modelos open source, eu me preocupo mais com se ele consegue substituir modelos fechados em tarefas pequenas, e não com o tamanho dos parâmetros em si.

#开源AI #代理协议 #Tecnologia