Перейти к основному контенту

Gensyn RL Swarm: Первое живое тестирование верифицируемого децентрализованного обучения ИИ

· 12 мин чтения
Dora Noda
Dora Noda
Software Engineer

На протяжении почти десятилетия фраза «обучение фронтирной модели» была синонимом «владения GPU-кластером гиперскейлерного класса». Gensyn только что запустила публичный тестнет, делая ставку на то, что следующее поколение ИИ будет обучаться в совершенно другом месте — на рое узлов, подключенных к интернету и координирующихся через Ethereum-роллап, при этом ETHGlobal направляет 50 000 долларов США в виде призов разработчикам, которые смогут создавать агентов на его основе.

Вопрос уже не в том, возможно ли технически децентрализованное обучение машинного обучения. RL Swarm запущен, любой может клонировать репозиторий, а архитектура планомерно внедряется с ноября 2025 года. Вопрос в том, достаточно ли экономики, верификации и интереса разработчиков, чтобы вытеснить задачи по обучению из дата-центров AWS и Azure — и правильно ли продажа токенов $AI, завершившаяся в декабре 2025 года, оценила это будущее.

Почему «RL Swarm» — это первое производственное испытание децентрализованного обучения​

Большинство проектов «децентрализованного ИИ», о которых вы слышали — Bittensor, io.net, Akash, Render — решают смежные задачи. Bittensor координирует конкурентное бенчмаркирование моделей в подсетях. io.net и Akash — это маркетплейсы по аренде GPU с крипто-нативной тарификацией. Render распределяет задачи по рендерингу для инференса. Ни один из них до этого момента не был живой системой, где недоверенные узлы совместно обучают модель.

Именно это делает RL Swarm от Gensyn. Это основа Фазы 0 тестнета Gensyn: децентрализованная среда, где агенты обучения с подкреплением (RL) взаимодействуют через публичный интернет, а не внутри одного дата-центра. Каждый участвующий узел запускает локальную языковую модель. Узлы участвуют в многоэтапных играх на логическое рассуждение (reasoning) в рамках RL — отвечая, критикуя и исправляя решения совместно со своими сверстниками — и каждый вклад фиксируется под ончейн-идентификатором в тестнете Gensyn.

Архитектурный сдвиг на словах невелик, но огромен на практике. Bittensor стимулирует майнеров конкурировать за лучший результат; Gensyn стимулирует узлы сотрудничать при обучении общего артефакта. В этом и заключается разница между конкурентным рынком и настоящим распределенным циклом обучения, и именно поэтому RL Swarm является первой заслуживающей доверия попыткой создания децентрализованной сети обучения ML промышленного уровня, а не просто доработанным слоем аренды вычислительных мощностей.

Релиз в ноябре 2025 года добавил CodeZero — среду для совместного написания кода, построенную на той же пиринговой основе. В совокупности эти два релиза намечают дорожную карту: RL Swarm доказывает, что примитивы координации работают для логических рассуждений, а CodeZero расширяет их на использование структурированных инструментов. К моменту завершения хакатона 6 мая 2026 года обе среды будут запущены и доступны для подключения без списка ожидания.

Четырехуровневая архитектура: выполнение, верификация, связь, координация​

Под пользовательским интерфейсом тестнета Gensyn представляет собой кастомный Ethereum-роллап второго уровня (L2), построенный на базе OP Stack (Bedrock). Протокол разбивает проблему децентрализованного обучения на четыре уровня, каждый из которых решает конкретную причину, по которой идея «просто арендовать GPU через интернет» исторически терпела неудачу.

Выполнение (Execution). Большие модели не помещаются на одном пользовательском узле, поэтому Gensyn фрагментирует модели на блоки параметров, распределяемые между устройствами, что снижает нагрузку на память каждого узла. Более сложная проблема — детерминизм: операции с плавающей запятой на различном оборудовании (например, Nvidia A100 против H100) могут давать незначительные различия в результатах, что фатально для протокола верификации, которому необходимо обнаруживать мошенничество. Библиотека RepOps от Gensyn фиксирует порядок операций с плавающей запятой так, чтобы одни и те же входные данные давали побитово идентичные результаты на гетерогенном оборудовании. Воспроизводимая среда выполнения (REE) объединяет RepOps в кастомном компиляторе на базе MLIR, который компилирует модели до этих воспроизводимых ядер.

Верификация (Verification). Это уровень, на котором останавливались все предыдущие попытки децентрализованного обучения. Если узел утверждает, что он выполнил шаг обучения, и отправляет градиент, как узнать, что работа была выполнена честно, не перезапуская все вычисления самостоятельно? Ответ Gensyn — протокол верификации Verde, легковесная система разрешения споров, которая выполняет бинарный поиск по трассировке обучения, чтобы изолировать один шаг, на котором расходятся мнения доказывающего и проверяющего, а затем пересчитывает только эту операцию. В сочетании с вероятностным доказательством обучения (proof-of-learning) сеть получает криптографические гарантии без необходимости полной перепроверки всех вычислений. Концептуально это похоже на модель интерактивной верификации Truebit, адаптированную с общих вычислений на специфические для ML ядра.

Связь (Communication). Координация обучения в публичном интернете с ограниченной пропускной способностью требует отказа от учебников. Стандартный примитив дата-центров — синхронный all-reduce — предполагает наличие мощных каналов InfiniBand. Gensyn заменяет его тремя кастомными примитивами: NoLoCo заменяет all-reduce госсип-протоколом с низкими требованиями к связи, CheckFree обеспечивает отказоустойчивое восстановление без дорогостоящего периодического создания контрольных точек, а SkipPipe внедряет алгоритм обмена градиентами, который минимизирует количество скачков сообщений внутри роя. Каждый из них — это вклад академического уровня; вместе они превращают «кучку ноутбуков в домашней сети» в функционирующий кластер для обучения.

Координация (Coordination). Сам Ethereum L2 является экономическим движком. Он идентифицирует участников, рассчитывает токенизированные вознаграждения и проводит платежи через безразрешительный роллап. Там же находится токен $AI и там в конечном итоге учитывается каждый вклад в цикл обучения.

Проще всего рассматривать этот стек как преднамеренную инверсию облачной модели GPU. AWS и Azure тратят инженерные ресурсы на чистую пропускную способность и полагаются на доверие на основе контракта. Gensyn тратит свои ресурсы на воспроизводимость и разрешение споров и не предполагает ничего о надежности оператора на другом конце провода.

Чем Gensyn отличается от Bittensor, io.net и Render​

Как только архитектура становится понятной, конкурентная среда проясняется. Три проекта часто упоминаются в одном ряду с Gensyn, но они решают разные задачи.

  • Bittensor (TAO, рыночная капитализация ~ $ 2,64 млрд) — это сеть для соревновательного бенчмаркинга. Подсети определяют задачу, майнеры выдают результаты, валидаторы ранжируют их, а TAO начисляется тем, кто набрал наибольшее количество баллов. Сеть отлично стимулирует качество моделей, но она не координирует единый общий процесс обучения на нескольких узлах. Обучение на базе роя (swarm) в Gensyn структурно является кооперативным; модель подсетей Bittensor — структурно состязательная.
  • io.net и Akash — это маркетплейсы GPU. Они позволяют оператору с простаивающим оборудованием продавать время тем, кто готов платить. Что критически важно, ни один из этих протоколов не проверяет, была ли нагрузка покупателя выполнена корректно — это проблема покупателя, которая обычно решается запуском собственного стека обучения и доверием к квитанциям. Связка Verde + REE в Gensyn — это именно тот уровень, которого не хватает этим маркетплейсам.
  • Render Network распределяет работу по рендерингу инференса, в первую очередь для графики. Экономическая модель ближе к io.net, чем к Gensyn: аренда мощностей, получение результата, доверие оператору. Подсеть Dispersed в Render — это смежный продукт, а не конкурент.

Gensyn запустила свой токен на 368-м месте с рыночной капитализацией около $ 71,6 млн — это лишь малая часть от капитализации Bittensor. Этот разрыв и есть основной тезис: если проверяемое кооперативное обучение — это реальная категория, а не усложненная версия аренды вычислительных мощностей, то спред является точкой входа. Если нет, то спред — это корректная оценка рынком «научного проекта».

Токенсейл $ AI: английский аукцион на 3 % в диапазоне капитализации от $ 1 млн до $ 1 млрд​

Экономика стала реальностью 15 декабря 2025 года, когда Gensyn открыла продажу токенов $ AI на Sonar. Структура была необычайно прозрачной: английский аукцион на 300 миллионов токенов — 3 % от фиксированного общего предложения в 10 миллиардов — ограниченный нижним порогом FDV в $ 1 млн и верхним в $ 1 млрд. Участники выбирали максимальную цену от $ 0,0001 до $ 0,1 за токен при минимальной ставке в $ 100. Ставки принимались в USDC или USDT в основной сети Ethereum; токены запрашивались (claim) в L2-сети Gensyn Network.

Полное распределение говорит о том, каким проектом хочет быть Gensyn:

РаспределениеПроцент
Казначейство сообщества40,4 %
Инвесторы29,6 %
Команда25,0 %
Публичная продажа3,0 %
Прочее2,0 %

40 % казначейства сообщества в сочетании с 3 % публичной продажи — это модель управления, более близкая к стилю Optimism, чем к типичному запуску DePIN. Доля команды и инвесторов (в сумме 54,6 %, при этом a16z возглавил последний раунд частного финансирования при той же оценке в $ 1 млрд, что и потолок публичной продажи) высока, но не экстремальна.

Самым интересным дизайнерским решением аукциона стал стимул для тестнета: бонусный пул вознаграждений в размере 2 % распределялся как множитель токенов среди верифицированных участников тестнета, масштабируясь в зависимости от их уровня участия и суммы их ставки. Это мягкий, но реальный сигнал о том, что Gensyn больше заботится о распределении среди реальных участников, чем о максимизации цены на публичной продаже. Покупатели из США согласились на 12-месячную блокировку; покупатели из других стран могли выбрать аналогичную блокировку в обмен на бонусный множитель в 10 %.

То, что оценил этот аукцион — это ставка на то, что юнит-экономика децентрализованного обучения на 60–80 % дешевле, чем у сопоставимого кластера AWS или Azure H100 (примерно $ 3 / час по тарифам on-demand), и что простаивающих потребительских и полупрофессиональных GPU достаточно, чтобы поглотить значимый спрос на обучение. Ответ на вопрос, верна ли эта ставка, дадут реальные рабочие нагрузки, которые появятся в сети в 2026 году, а не цена аукциона.

ETHGlobal Open Agents: сигнал к промышленному использованию​

Новость, которая превращает это из «интересного инфраструктурного проекта» в «то, на чем разработчики действительно создают продукты» — это ETHGlobal Open Agents, проходящий с 24 апреля по 6 мая 2026 года. Gensyn выступает спонсором с призовым фондом более $ 50 000, включая категорию «Лучшее приложение на базе Agent eXchange Layer (AXL)» с призом $ 5 000. Все победители попадают в программу грантов Gensyn Foundation в ускоренном порядке.

Это важно по двум причинам.

Во-первых, хакатоны — это способ, с помощью которого разработчики, еще не знающие о своих потребностях, открывают для себя новую инфраструктуру. Тот же сценарий привел к созданию ранних экосистем Optimism, Base и Sui. Призовой фонд в размере $ 50 000 не является суммой, меняющей рынок, но это достаточно сильный крючок, чтобы впервые познакомить несколько сотен разработчиков уровня ETHGlobal с API RL Swarm и AXL. Некоторая часть из них продолжит разработку и после завершения хакатона.

Во-вторых, категории призов говорят о том, как Gensyn видит идеальное применение своего продукта. Agent eXchange Layer — это концепция, в которой автономные агенты находят друг друга, обмениваются вычислительными мощностями, обучают и донастраивают друг друга по запросу. Если бы Gensyn ставила на то, что будущее за монолитным обучением базовых моделей, призы бы это подчеркивали. Вместо этого они делают упор на инфраструктуру агентов, что совпадает с более широким нарративом 2026 года: агентам, которые могут платить друг другу за работу, нужна база для передачи самой дорогой части работы — обучения и донастройки моделей — проверяемой сети.

Честные предостережения​

Стоит четко сказать, чем RL Swarm не является в мае 2026 года.

На данный момент в живой тестовой сети не запущено ни одного официального роя (swarms). Участники могут присоединяться к принадлежащим сообществу роям, что является классической проблемой начальной загрузки (bootstrap), которая всегда возникает в сетях без разрешений (permissionless): протокол открыт, но фактические высокоценные скоординированные циклы обучения еще не происходят в масштабе. До тех пор, пока серьезная лаборатория или open-source коллектив не запустит реальную модель в сети, тестовая сеть остается доказательством концепции (proof-of-concept), а не производственной системой.

Стоимость верификации также остается открытым вопросом. Механизм разрешения споров Verde на основе бинарного поиска значительно дешевле, чем повторный запуск всей задачи обучения, но он не бесплатен, и его накладные расходы на пограничных масштабах (frontier scale) — сотни миллиардов параметров, недели обучения — еще не были продемонстрированы. Концепция аппаратного детерминизма — RepOps, обеспечивающий побитово идентичные результаты на чипах A100 и H100 — элегантна, но добавляет накладные расходы компилятора, которые не несут конкурирующие централизованные стеки.

А тезис об экономии средств (на 60–80 % дешевле, чем спотовые инстансы AWS H100) предполагает, что «длинный хвост» простаивающих потребительских и профессиональных (prosumer) GPU достаточно плотен, чтобы заменить мощности гиперскейлеров. Это выглядит правдоподобно для циклов дообучения (fine-tuning) моделей от 7B до 70B параметров. Однако это пока не применимо для по-настоящему масштабного предобучения (pretraining) моделей пограничного уровня, и Gensyn достаточно честна, чтобы не утверждать обратное.

Что это значит для разработчиков инфраструктуры​

Для разработчиков, думающих о том, на что потратить следующие 12 месяцев, наиболее полезная формулировка заключается в том, что Gensyn открывает новую категорию API-интерфейса, которой раньше не существовало: программный, верифицируемый доступ к сети обучения. До сих пор выбор для задачи «заставить модель делать что-то специфическое» сводился к (а) вызову хостингового API, такого как OpenAI или Anthropic, или (б) аренде GPU и самостоятельному обучению. Gensyn предлагает третий вариант — отправить задачу на обучение в верифицируемый рой и получить взамен криптографические гарантии — что идеально вписывается в экономику агентов, которую стимулирует ETHGlobal.

Этот третий вариант, если он сработает, становится примитивом. Агенты, которым нужно дообучить небольшую специализированную модель для нишевой задачи, не захотят арендовать GPU и управлять ими. Они захотят создать намерение на обучение (training intent), заплатить в стейблкоинах или $AI и получить готовые веса. Ставка Gensyn заключается в том, что протокольный уровень, делающий это возможным — L2-роллап, система верификации, примитивы координации роя — накапливает значительную ценность по мере распространения этой модели.

BlockEden.xyz обеспечивает работу инфраструктуры индексации, RPC и аналитики, на которую полагаются разработчики Web3 в более чем 25 сетях. По мере развития верифицируемых сетей обучения ИИ, таких как Gensyn, уровень данных и координации под ними будет приобретать все большее значение. Изучите наш маркетплейс API, чтобы создавать решения на базе инфраструктуры, разработанной для агентной, AI-ориентированной эры Web3.

Источники​

Share on Twitter