Near Protocol plant den Bau des größten KI-Modells aller Zeiten
Foto: rafapress/Shutterstock
Das Team hinter Near Protocol (NEAR) hat auf der Eröffnung der Konferenz Redacted in Bangkok ein ehrgeiziges Ziel bekannt gegeben: Sie wollen das größte Open-Source-KI-Modell der Welt entwickeln. Das geplante Modell soll 3,5-mal größer sein als das aktuelle größte Modell, Llama von Meta.
Near Protocol strebt ein revolutionäres KI-Modell an
Das geplante KI-Modell von Near Protocol soll 1,4 Billionen Parameter umfassen. Zum Vergleich: Metas größtes Modell hat derzeit etwa 400 Milliarden Parameter. Das neue Modell wird durch Crowdsourced-Forschung und die Beteiligung tausender Entwickler auf der neuen Near AI Research Hub geschaffen.
Die Arbeit beginnt mit einem kleineren Modell von 500 Millionen Parametern, das ab dem 10. November trainiert wird. Das Projekt wird in sieben Phasen wachsen, wobei die besten Mitwirkenden Zugang zu größeren und komplexeren Modellen erhalten.
Das Projekt schützt die Privatsphäre durch verschlüsselte Trusted Execution Environments (TEEs). Diese belohnen Beiträge und ermutigen zu kontinuierlichen Updates, während gleichzeitig Einnahmen aus den Modellen generiert werden.
Die hohen Kosten des Projekts – etwa 160 Millionen USD – werden durch den Verkauf von NEAR-Token gedeckt, wie Mitbegründer Illia Polosukhin in einem Interview mit Cointelegraph erklärte:
„Das Training wird etwa 160 Millionen USD kosten. Es ist eine große Summe, aber in der Welt der Kryptowährungen machbar. Token-Inhaber werden aus den Einnahmen des Modells entschädigt, wenn es verwendet wird.“
Bullishes Potenzial für NEAR-Token
Wie bereits in früheren Nachrichten erwähnt, könnte NEAR durch diese Ankündigung weiteres Wachstum erfahren. Der Token-Preis ist in den letzten 24 Stunden um 11,6 % gestiegen – möglicherweise ein Ergebnis des positiven Marktumfelds, aber auch der optimistischen Reaktion auf diese Nachricht.
Near Protocols Ambition könnte nicht nur NEAR stärken, sondern auch die Krypto- und KI-Community durch ein offenes, gemeinschaftsbasiertes Modell bereichern.
