Biteye AI Rapport quotidien 12 septembre

Aujourd'hui, la capitalisation boursière de la zone : 14,08 $B +1,52%

La confiance du marché se réchauffe progressivement, la construction de la zone AI se poursuit avec des projets de qualité après un retour à la rationalité. ⭐Top 10 des volumes de trading Coingecko sur 24h : jeton volume capitalisation boursière prix volatilité 1- $ATH 250,9M $634,2M 0,05 +15,0% 2- $AI16Z $129,1M $127,0M $0,12 +3,0% 3- $VIRTUAL $127.2M $847.6M $1.29 +3.0% 4- $TAO $111.8M $3.4B $358.90 +1.8% 5- $IP $95.5M $3.0B $9.68 -6.4% 6- $KAITO $76,7M $297,9M $1,24 -1,1% 7- $FLOCK $36.9M $79.6M $0.36 -3.9% 8- $PROMPT 36,4 M$ 42,7 M$ 0,19 +4,5% 9- $AIXBT 32,7 M$ 117,4 M$ 0,12 +3,0% 10- $SAHARA $32.5M $203.2M $0.09 -1.4%

⭐Informations clés

1. Bittensor @opentenso met à jour le mécanisme central

• Introduction des Sub-Subnets (sous-sous-réseaux) : permet de créer des sous-sous-réseaux plus spécifiques sur la base de sous-réseaux existants, actuellement en phase de test (comme le BTDash Test Subnet). Cette fonctionnalité améliore la flexibilité et la modularité du réseau, adaptée à des tâches d'IA plus complexes et à la gestion des ressources.

• Autoriser la désinscription des sous-réseaux : une nouvelle fonctionnalité permettant aux propriétaires de désinscrire les sous-réseaux sous-performants ou inutilisés, afin d'optimiser l'utilisation des ressources du réseau.

Commentaire : Le mécanisme de réduction de Bittensor approche (sur la base de l'offre totale actuelle et d'un rejet quotidien de 7 200 TAO, la réduction de moitié diminuera considérablement le taux d'entrée des nouveaux tokens en circulation). Cette mise à niveau majeure répond activement à la pression sur les ressources du réseau et aux défis d'efficacité en introduisant des sous-réseaux et des fonctionnalités d'annulation, renforçant ainsi la durabilité à long terme du réseau.

2. La plateforme de jeux AI @Aiveronica_ et le niveau économique AI GAIB @gaib_ai rejoignent Kite AI @GoKiteAI 网络

• AiVeronica @Aiveronica_ est une plateforme de lancement de jeux AI, en collaboration avec Virtuals Protocol, visant à transformer les jeux statiques en un univers dynamique et évolutif grâce à la technologie AI, capable d'aider les jeux à s'adapter en continu au comportement des joueurs, améliorant ainsi le taux de rétention et la valeur.

• AiVeronica a déployé six AI Agents sur le réseau de test de Kite AI, et grâce à la couche de base spécialement conçue pour les AI Agents par Kite AI, elle offre aux utilisateurs une expérience de jeu profondément personnalisée, ainsi qu'une narration adaptative et des stratégies en temps réel.

• GAIB @gaib_ai est essentiellement une tokenisation des ressources de calcul haute performance comme les GPU, transformant les actifs de puissance de calcul IA initialement fermés en produits financiers échangeables et générant des revenus, permettant ainsi à un plus grand nombre de personnes de participer à l'économie de l'IA.

• GAIB a été intégré au magasin d'applications intelligentes de Kite (Agent App Store), fournissant non seulement des ressources de puissance de calcul GPU pour le réseau, mais également des opportunités d'investissement dans l'infrastructure AI pour les participants du réseau.

Commentaire : Après avoir obtenu un financement de plusieurs millions de dollars de PayPal, Kite AI continue de se renforcer sur le plan écologique, ses objectifs de développement sont plus clairs et son influence a également considérablement augmenté.

3. Thinking Machines @thinkymachines a publié son premier article, résolvant le problème de non-déterminisme des LLM

• Thinking Machines est évalué à plus de 12 milliards de dollars, et a récemment lancé le blog de recherche Connectionism, publiant son premier article intitulé « Defeating Nondeterminism in LLM Inference », visant à résoudre les problèmes d'incertitude dans l'inférence LLM.

• Problème de non-détermination des LLM : fait référence au fait qu'en utilisant les LLM pour le raisonnement, il est possible d'obtenir des réponses différentes à la même question, rendant les résultats expérimentaux difficiles à reproduire.

• Résultats de l'expérimentation : Grâce à des améliorations, des tests sur le modèle Qwen 235B ont montré qu'après l'activation du nouveau noyau, 1000 générations étaient parfaitement cohérentes ; le coût de performance est contrôlable (après optimisation, seule une perte d'environ 60 % de vitesse), et la divergence KL reste à 0, ce qui évite efficacement les problèmes d'instabilité de l'entraînement.

Commentaire : Le premier résultat de recherche de Thinking Machines a été largement salué et devrait constituer l'une des percées importantes pour résoudre le problème de l'instabilité des sorties des LLM.

Source des données : @xhunt_ai, Cookie DAO, Coingecko

Avertissement de risque : Les informations ci-dessus sont uniquement partagées à titre d'information et ne constituent pas un conseil en investissement.