io.net Re-poster

11 миллиардов токенов.

За один день.

Это было вчера на OpenRouter от http://io.net. Раньше — всего несколько миллиардов токенов в день в июле.

Только Nemotron 3.5 Lightning обработал 4,82 млрд токенов. GLM 5.3 и GLM 5.3 Flash добавили ещё 4,24 млрд — вместе.

Вот как это выглядит, когда команды каждый день направляют реальные рабочие нагрузки через http://io.net.

$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 только что поставила свои ИИ-чипы в ракету.

Проект Suncatcher проверяет, может ли пространство обеспечивать ИИ-вычисления в масштабе.

Прочитайте это еще раз.

Один из крупнейших в мире гипермасштабируемых провайдеров смотрит дальше собственных дата-центров, потому что централизованные вычисления — даже в масштабе Google — имеют предел.

Узкое место было никогда не только в чипах.

А в том, кто ими управляет.

Децентрализованные вычисления решают эту проблему уже сегодня.
Без ракеты.

Каждый разговор с ИИ упирается в одну и ту же стену.

Вычислительные ресурсы ограничены, централизованы и контролируются небольшой группой гиперскейлеров.

Децентрализованные вычисления — это ответ.

В этом выпуске подкаста Nephology директор по бренду и коммуникациям @ionet Дэвид Шерман присоединяется к ведущему @crypjo091, чтобы обосновать эту позицию.

Централизованные вычисления привели нас сюда.

Они не приведут нас к следующему этапу развития ИИ.
https://www.youtube.com/watch?v=bQ682LGGh8Y

Generative AI hit 53% adoption in three years.

Faster than the PC.

Faster than the internet.

But there's an access problem.

The US hosts 5,427 data centers. More than 10x any other country.

Demand is global.

The supply is concentrated.

http://io.net exists to change that.

Source: Stanford HAI, 2026 AI Index

Generative AI hit 53% adoption in three years.

Faster than the PC.

Faster than the internet.

But there's an access problem.

The US hosts 5,427 data centers. More than 10x any other country.

The demand is global.

The supply is concentrated.

http://io.net exists to change that.

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

New data centers take 18-36 months and hundreds of millions in capex.

Idle GPUs take minutes.

They're sitting in enterprise clusters and data centers right now, already powered, and already depreciating.

AI's power problem has two answers. Most of the industry is sprinting toward one.

@ionet runs on the other.

Frontier labs keep asking the world to slow down.

And then this week, @AnthropicAI and @OpenAI asked governments to speed up.

They filed submissions urging Australia to loosen its AI copyright ban, even as they publicly push safety pauses and model audits.

Guardrails for everyone else.

Exemptions for themselves.

That won't lead to safer AI. Greater participation will. And that takes open compute and open models.

@ionet is making that possible.

"«Нам доверяют» — это не рамки безопасности.

Горстка лабораторий контролирует модели, вычислительные ресурсы, на которых их обучают, и бенчмарки, по которым они же себя и оценивают.

Это не подотчётность. И это не приведёт к большей безопасности.

Настоящая подотчётность требует прозрачности, открытости и доступа.

Именно это мы и создаём в @ionet.
https://io.net/blog/ai-safety-is-not-the-same-as-ai-accountability

Все спорят о скорости развития ИИ.

Но реальный спор — о контроле.

То, насколько быстро или медленно движутся процессы, менее важно, чем то, кто держит руль.

Небольшая группа лабораторий и поставщиков чипов, которые определяют темп, «ограждения» и условия, — это реальный риск, независимо от выбранной ими скорости.

Когда инфраструктура не сосредоточена в нескольких руках, вопрос меняется полностью.

@ionet делает это возможным.

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

96 GPU за менее чем 24 часа без ожидания.

Именно столько понадобилось @wonderaai , чтобы перейти от ситуации, когда вычислительных мощностей не хватает, к запуску.

64 H100 и 32 H200 быстро развернули на @ionet.

Никаких очередей месяцами в листе ожидания.

Результаты:
- 200,000 пользователей за 4 месяца, в 171 стране
- 50% рост месяц к месяцу
- Запуск на 3 месяца раньше графика

Вот что происходит, когда вычислительные мощности успевают за тем, как быстро вы можете строить.
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.

Фонд Гейтса только что пообещал 1 млрд долларов, чтобы закрыть разрыв в доступе к ИИ.

Это правильный шаг.

Но это всё равно заплатка.

Генеральный директор фонда признаёт, что это «ничтожная доля» по сравнению с тем, что технологические гиганты тратят на свои коммерческие продукты.

Доступ к ИИ не должен зависеть от циклов пожертвований.

Нужна другая цепочка поставок вычислительных мощностей — открытая и по умолчанию распределённая.

Именно для этого был создан http://io.net.

Nvidia заработала $215,9 млрд, продавая чипы, в 2026 году на данный момент.

Так что, когда Дженсен Хуанг говорит «не сбавляйте темп — это вина лабораторий, а не оборудования», принимайте это с щепоткой соли.

То же самое относится и к лабораториям, которые говорят «поверьте нам — мы сами себя отрегулируем».

Ни одна из сторон не нейтральна.

Открытые модели + открытые вычислительные сети означают, что вам не нужно гадать, кто из них честен. Вы можете просто проверить всё сами.

Для этого и нужен @ionet.

AI-агенты не работают по предсказуемому расписанию.

Они за секунды «взлетают» с нуля до 40 рабочих, работают семь минут, а затем исчезают.

Но большинство разработчиков по-прежнему выделяют вычислительные мощности через квоты, долгосрочные обязательства на год и ручные процессы.

Агентным нагрузкам нужна инфраструктура столь же динамичная, как и они сами.

Гиперскейлеровская модель для этого не была создана.

http://io.net был.
https://io.net/blog/why-ai-agents-break-traditional-cloud-provisioning-models

У каждого есть дорожная карта по ИИ.

Но вычислительный ландшафт под ней становится все более сложным с каждым днем.

22 сентября мы разберем, что именно стоит за этой сложностью: разрыв в доступе к GPU, почему он существует и что это означает для тех, кто уже сейчас создает решения с ИИ.

Зарегистрируйтесь ниже.

Everyone has an AI roadmap.

But the compute landscape beneath it is getting more complex every day.

On Sep 22nd we're breaking down what's actually driving that complexity: the GPU access gap, why it exists, and what it means for anyone building in with right now.

Register below.

Live Webinar - Compute at the Breaking Point: A Look at the State of AI Infrastructure in 2026

Трое мужчин, которые ни в чём не согласны, только что признали, что не могут контролировать то, что они построили.

Это не утечка.

Это заявления генеральных директоров крупнейших передовых ИИ-лабораторий — прямо вам.

Их решение?

Поверьте им.

Поверьте компаниям, которые выпустили то, чем они не могут управлять, чтобы всё замедлить.

Такой мощный ИИ нельзя регулировать тем же узким кругом компаний, которые наперегонки стремятся создать его.

Будущему ИИ не нужно больше централизованного контроля — ему нужны открытые модели, открытые вычисления и открытый доступ.

Именно для этого здесь @ionet.

От 14 000 пользователей до 19 миллионов.

За один год.

Так выросла компания @LeonardoAi после того, как перестала ждать недели ради GPU.

И при этом их затраты на 50%+ ниже, чем у гиперскейлеров.

@ionet помог им тратить меньше времени на управление вычислениями и больше — на запуск продуктов.

Результаты говорят сами за себя.
https://io.net/blog/leonardo-ai-case-study