Если удастся действительно преодолеть ограничения длинного контекста, это станет "бессмертным двигателем памяти" в области децентрализованного ИИ и ключевой инфраструктурой AGI. Проще говоря, сейчас это именно подсеть на Bittensor, которая специализирована на длинном контексте.
Основная цель заключается в решении текущей серьёзной проблемы "стены памяти" у больших моделей: традиционный Transformer имеет длинный контекст, и вычислительные затраты/стоимость взлетают в геометрической прогрессии (стоимость длины в 10 раз может увеличиться в 100 раз), что делает такие сценарии, как корпоративный RAG, анализ всего кодового хранилища, выводы по длинным документам, и долговременная память агента, совершенно неприемлемыми для использования.
Технический путь Quasar таков: