Die Firma Nous Research hat Psyche offiziell vorgestellt, einen auf der Solana-Blockchain basierenden dezentralen AI-Ausbildungsnetzwerk, das es weltweit den Benutzern ermöglicht, durch den Einsatz von überschüssiger Rechenleistung an der Entwicklung fortschrittlicher AI-Modelle mitzuwirken. Diese Plattform nutzt die DisTrO-Technologie (Distributed Training Over-the-Internet), um Bandbreitenbedarf erheblich zu reduzieren, und hat damit die bisher größte Internet-verteilte Ausbildung gestartet. Ziel ist es, ein AI-Modell mit 4 Milliarden Parametern auszubilden und alle Daten und Checkpoints vollständig offen zu veröffentlichen. AIbase analysiert die Kerntechnologien und Visionen von Psyche und offenbart ihre weitreichenden Auswirkungen auf die Demokratisierung der AI.
Das Psyche-Netzwerk: Eine bahnbrechende Plattform für die allgemeine AI-Entwicklung
Das Psyche-Netzwerk ist dezentralisiert und bricht mit der Abhängigkeit von zentralisierten Rechenzentren bei der herkömmlichen AI-Ausbildung. Die Plattform koordiniert weltweit verteilt vorhandene GPUs über die Solana-Blockchain, sodass jeder Nutzer mit Hilfe überschüssiger Rechenressourcen am Modellausbildung beteiligt sein kann. AIbase hat erfahren, dass die erste große Aufgabe des Psyche-Netzwerks darin bestand, ein Consilience-Modell mit 4 Milliarden Parametern vorzuentwickeln, das eine multi-head potential attention (MLA)-Architektur verwendet und auf einem extrem großen Datensatz von 20 Billionen Token trainiert wurde (einschließlich FineWeb14T, FineWeb-24T und The Stack v21T). Dies ist die bislang größte verteilte AI-Ausbildung im Internet und markiert einen Meilenstein in der dezentralen AI-Entwicklung.
Nous Research betont, dass das Consilience-Modell in seiner Gestaltung sowohl effizient als auch zugänglich ist. Mit 4 Milliarden Parametern ist es auf einem einzelnen H/DGX-Server oder sogar auf einem konsumorientierten RTX3090-GPU zur Inferenzlaufzeit trainierbar, wobei auch lange Kontextverarbeitung unterstützt wird, was Grundlage für anspruchsvolle Schlussfolgerungen und kreative Anwendungen ist. AIbase geht davon aus, dass diese Wahl der Parametergröße die Performance mit dem Zugang zur Allgemeinheit optimal abwägt und starke Werkzeuge für kleinere Teams und Einzelentwickler bereitstellt.
Technisches Herzstück: DisTrO und Solana in Synergie
Der Erfolg des Psyche-Netzwerks ist ungeteilt auf die DisTrO-Technologie (Distributed Training Over-the-Internet) von Nous Research zurückzuführen. Diese Technologie optimiert die Kommunikation zwischen GPUs, indem sie die Datenmenge um ein Faktor von 1000 bis 10000 reduziert – ähnlich wie JPEG-Bildkompression im Frequenzbereich. AIbase analysiert, dass DisTrO jedem Knoten erlaubt, unabhängig zu trainieren, ohne bei jedem Schritt synchronisiert zu werden, was die Netzwerklatenz und Bandbreitenanforderungen deutlich reduziert. Damit können heterogene Hardware weltweit zusammenarbeiten, wie RTX4090-, A100- und H100-GPUs.
In Psyche übernimmt die Solana-Blockchain die Rolle des Koordinationskerns. Intelligente Verträge speichern Metadaten über den Trainingsprozess, Listen der Teilnehmer und zufällige Aufgabenverteilungen, um sicherzustellen, dass der Trainingsprozess transparent, unveränderbar und widerstandsfähig gegen Zensur ist. AIbase hat festgestellt, dass Solanas hohe Transaktionsrate und niedrige Kosten es zur idealen Plattform für die Verarbeitung verteilter Trainings-Mikrotransaktionen machen, was die globale Skalierbarkeit von Psyche weiter verstärkt.
Open Source & Communitygetrieben: Die Demokratisierung der AI
Psyche strebt an, durch volle Open-Source-Publizität die AI-Vergemeinschaftlichung voranzutreiben. Alle Trainingsdaten, Checkpoints und Ergebnisse werden öffentlich geteilt und unterhalten auf Hugging Face und GitHub, wo sie für alle globalen Entwickler kostenlos verfügbar sind. AIbase hat erfahren, dass der Code von Psyche bereits offen ist, sodass Entwickler an dem Rust-basierten System und dem P2P-Netzwerk teilnehmen oder aufgrund der offenen Dokumentation eigene Anwendungen entwickeln können.
Nous Research plant, die Funktionalitäten von Psyche weiter auszubauen, einschließlich der Unterstützung für Modellfinejustierung und die Integration von community-bezogenem Dateninput, sodass kleine Teams und selbst Einzelentwickler individuelle AI-Modelle erstellen können. Beispielsweise können Communities durch das Hochladen domänenspezifischer Daten Modelle für Bildung, Medizin oder kreative Bereiche trainieren. AIbase prognostiziert, dass dieses communitygetriebene Modell globale Innovationen anregt und die Monopolstellung zentralistischer AI-Giganten wie OpenAI und DeepSeek herausfordert.
Brancheffekte: Der Aufstieg der dezentralen AI
Die Einführung von Psyche markiert den Beginn einer raschen Entwicklung der dezentralen AI. AIbase analysiert, dass im Vergleich zur traditionellen Cloud-basierten AI nicht nur der Trainingskosten entgegengewirkt wird, sondern auch durch Blockchainsysteme das Teilen von Rechenleistung von einer „Spende“ in eine „Transaktion“ umgewandelt wird, was eine breitere Beteiligung ermöglicht. Im Dezember 2024 hat Psyche erfolgreich eine Testausbildung eines 15 Milliarden Parameter-Modells mit 11.000 Schritten durchgeführt, was die Stabilität des Netzes weltweit nachweist.
Im April 2025 erhielt Nous Research eine 50 Millionen Dollar Series A-Finanzierung von Paradigm, was die Bewertung auf 1 Milliarde Dollar setzte und die Entwicklung von Psyche beschleunigte. AIbase hat beobachtet, dass innerhalb von 44 Minuten nach dem Start der Testnetzwerke 500.000 USD in GPU-Rechenleistung durch Spenden gesammelt wurden, was die große Begeisterung der Community für Psyche zeigt.
Ein Wendepunkt für die AI-Vergemeinschaftlichung
Als Autorität in der AI-Branche sieht AIbase die Einführung von Psyche nicht nur als Meilenstein für Nous Research, sondern auch als Wendepunkt für die dezentrale AI. Ihre innovative Architektur, die DisTrO- und Solana-Technologien kombiniert, bietet weltweit Entwicklern die Möglichkeit, an der AI-Entwicklung zu beteiligen, und bricht technische und Ressourcenbarrieren. Insbesondere die potenziellen Auswirkungen auf die chinesische AI-Community sind bemerkenswert; nationale Modelle wie Qwen3 könnten durch deren Open-Source-Framework effizienter lokal angepasst werden.