बहुत कम ध्यान दिया गया।
0G का कहना है कि उसने ये एक महत्वपूर्ण सीमा महीनों पहले पार कर ली थी। अब ये पब्लिक में उसी मॉडल को दोबारा ट्रेंड कर रहा है, ताकि ये दिखा सके कि डिसेंट्रलाइज्ड AI असल में क्या कर सकता है और इसके पहले के नतीजों को ज्यादा अहमियत क्यों मिलनी चाहिए थी।
जुलाई 2025 में, 0G ने China Mobile के साथ मिलकर DiLoCoX-107B नाम का 107 बिलियन parameter वाला मॉडल ट्रेंड किया। यह रिसर्च बाद में arXiv पर peer review के बाद प्रकाशित हुई। पेपर के मुताबिक, इस सिस्टम ने ट्रेडिशनल AllReduce तरीकों के मुकाबले 357 गुना बेहतर communication efficiency हासिल की। इसके बावजूद, ये नतीजा मार्केट में ज्यादा नजर नहीं आया।
टीम का कहना है कि समय इनके खिलाफ था। 2025 के बीच में क्रिप्टो फोकस मेननेट लॉन्च और टोकन स्टोरीज़ पर था, जबकि टेक्निकल नतीजों में कम दिलचस्पी थी। काम गंभीर था, लेकिन ये क्रिप्टो फील्ड को नजदीक से फॉलो करने वाले एक छोटे सर्कल के बाहर ज्यादा traction नहीं ले सका।
अब जबकि डिसेंट्रलाइज्ड AI फिर से चर्चा में है, 0G चाहती है कि उनका नतीजा फिर से सामने आए।
पब्लिक retraining प्रयास
इस बार कंपनी रिट्रेनिंग प्रोसेस को पूरी तरह ओपन में रख रही है।
0G हर स्टेज का डॉक्यूमेंटेशन करेगी, जिसमें checkpoints, convergence metrics और डेटा सोर्सिंग शामिल रहेगी। कंपनी का कहना है कि ये रन Trusted Execution Environments के जरिए zerogAuth से वेरिफाई होगा। जैसे ही काम पूरा होगा, मॉडल के वेट्स ओपन सोर्स कर दिए जाएंगे।
आखिरकार, 0G दिखाना चाहती है कि डिसेंट्रलाइज्ड AI को ऑडिट, reproduce और verify किया जा सकता है, जैसा कि ज्यादातर बंद सिस्टम्स में मुमकिन नहीं है।
सिर्फ parameter race नहीं, उससे आगे भी
AI से जुड़ी न्यूज़ में आज भी parameter काउंट्स को लेकर बहुत चर्चा रहती है। बड़े numbers ध्यान खींचते हैं, लेकिन 0G का कहना है कि किसी मॉडल की असली वैल्यू उसके पूरे सिस्टम में होती है।
टीम के लिए, असली टेस्ट ट्रेनिंग से शुरू होता है और वेरिफिकेशन, स्टोरेज, सर्विंग और काम करने वाले products में integration तक चलता है।
सबसे अहम टेक्निकल प्वाइंट्स में एक है communication efficiency। DiLoCoX pipeline parallelism, लोकल और ग्लोबल अपडेट्स के लिए dual optimizer policy, one-step delay overlap mechanism और adaptive gradient compression का इस्तेमाल करता है। आसान भाषा में, इसका डिजाइन distributed ट्रेनिंग के दौरान कम communication की जरूरत रखता है, जहां ये सिस्टम्स अकसर धीमे पड़े जाते हैं।
0G इस मॉडल को पूरे stack में शामिल करता है जिसमें onchain verification, डिसेंट्रलाइज्ड स्टोरेज, डेटा अवैलेबिलिटी, inference और settlement शामिल है। नतीजा, ये सिर्फ एक रिसर्च डेमो नहीं बल्कि एक काम करने वाला environment है।
वेरिफिकेशन भी इनकी पेशकश का अहम हिस्सा है। Trusted Execution Environments के साथ, यूजर्स केवल मॉडल के मौजूद होने के बजाय ये भी जांच सकते हैं कि उसे किस तरह ट्रेंड किया गया और ट्रेनिंग में कौन सा डेटा यूज हुआ। डिसेंट्रलाइज्ड AI के लिए, ये ट्रस्ट मॉडल को एक नया रूप देता है।
असल Story है bandwidth
0G के अनुसार, DiLoCoX-107B नतीजे का सबसे अहम हिस्सा मॉडल को ट्रेंड करने का तरीका था।
टीम ने बताया कि 107B मॉडल को सिर्फ स्टैंडर्ड एक गीगाबिट प्रति सेकंड इंटरनेट कनेक्शन पर चलाया गया, न कि किसी स्पेशल डाटा सेंटर सेटअप पर। यह पॉइंट AI की एक बड़ी धारणा को सीधे चुनौती देता है कि फ्रंटियर ट्रेनिंग के लिए दुर्लभ और महंगे नेटवर्किंग कंडीशन्स ही जरूरी हैं।
अगर यह ट्रेंड आगे भी रहा, तो इसका असर काफी बड़ा हो सकता है। कम टेक्निकल रिक्वायरमेंट्स की वजह से कई और पार्टिसिपेंट्स – जैसे रिसर्च ग्रुप्स, कंपनियां और पब्लिक इंस्टीट्यूशंस – भी जुड़ सकते हैं। ऐसे में कोऑर्डिनेशन ही सबसे बड़ी चुनौती बन जाएगा और डिसेंट्रलाइज्ड सिस्टम्स इसी तरह की प्रॉब्लम्स के लिए बनाए जाते हैं।
अलग cost model
0G का कहना है कि उसका सिस्टम सेंट्रलाइज्ड अल्टरनेटिव्स के मुकाबले करीब 95% तक कॉस्ट कम कर देता है।
कंपनी के मुताबिक, यह कमी सस्ते हार्डवेयर की वजह से नहीं, बल्कि महंगा सेंट्रलाइज्ड ओवरहेड हटाने की वजह से आई है। अगर यह नंबर असल दुनिया में सही साबित होते हैं, तो एडवांस्ड मॉडल ट्रेनिंग कई और ऑर्गनाइजेशन्स के लिए एक्सेसिबल बन जाएगी – इनमें यूनिवर्सिटीज, इंटरप्राइजेज और गवर्नमेंट्स भी शामिल हैं, जिनके पास हाईपरस्केल AI खर्च करने का बजट नहीं है।
इससे यह बदल सकता है कि सीरियस मॉडल्स सबसे पहले कौन बना सकता है।
क्या डिसेंट्रलाइज्ड AI मुकाबला कर सकता है
कई स्केप्टिक्स का मानना रहा है कि डिसेंट्रलाइज्ड AI परफॉर्मेंस के मामले में पीछे रह जाता है। 0G को लगता है कि यह ट्रेंड अब कमजोर हो रहा है।
जैसे-जैसे रिजल्ट्स बेहतर होंगे और कॉस्ट कम होगी, डिस्कशन विचारधारा की जगह अब आउटपुट पर शिफ्ट हो रहा है। क्या यह सिस्टम स्ट्रॉन्ग मॉडल्स ट्रेन कर सकता है, उन्हें वेरीफाई कर सकता है और वह भी इतनी कीमत में कि ज्यादा टीमें उसे अफॉर्ड कर सकें?
ओपन पार्टिसिपेशन के साथ कुछ असली रिस्क भी आते हैं। डिस्ट्रिब्यूटेड ट्रेनिंग से सिस्टम में डाटा पॉइजनिंग, ग्रेडिएंट मैनिपुलेशन और कंट्रीब्यूटर्स की क्वॉलिटी में भिन्नता जैसी चुनौतियां आ सकती हैं। 0G के मुताबिक, वे इन प्रॉब्लम्स को आर्किटेक्चरल सेफगार्ड्स, एनॉमली डिटेक्शन और क्रिप्टोग्राफिक वेरीफिकेशन से हैंडल करते हैं।
मकसद परफेक्ट सेफ्टी नहीं है। मकसद है कि फेलियर दिखें और ट्रेस हो सकें।
Verifiable AI का असली मतलब क्या है
0G के लिए, वेरिफिएबल AI का मतलब है – रेप्युटेशन पर भरोसा करने की बजाय इंस्पेक्शन पर भरोसा करना।
मतलब, यूजर्स को सिर्फ प्रोवाइडर की बात माननी ही नहीं होगी, वे स्वतंत्र रूप से चेक कर सकते हैं कि मॉडल कैसे ट्रेन हुआ और कैसे काम कर रहा है। यह सोच खास तौर पर उन जगहों पर काम की है जहाँ जिम्मेदारी की अहमियत ज्यादा है, जैसे फाइनेंस, हेल्थकेयर और गवर्नमेंट।
यहीं से डिसेंट्रलाइज्ड AI बाकी से अलग नजर आने लगता है, क्योंकि इसमें सिस्टम को सिर्फ ट्रस्ट नहीं, बल्कि इंस्पेक्ट भी किया जा सकता है।
रिसर्च डेमो से वर्किंग सिस्टम तक
डिसेंट्रलाइज्ड AI फील्ड ने बहुत कम समय में काफी तरक्की की है। शुरुआती प्रूफ-ऑफ-कॉन्सेप्ट प्रोजेक्ट्स के बाद अब ऐसी सिस्टम्स बन रही हैं, जिनमें ट्रेनिंग, वेरिफिकेशन, स्टोरेज, इंफेरेंस और इकनॉमिक सेटलमेंट सब एक ही एनवायरनमेंट में हैं।
0G चाहता है कि DiLoCoX-107B इस बढ़ती हुई प्रॉग्रेशन का सबूत बने। पब्लिक री-ट्रेनिंग की कोशिश सिर्फ परफॉर्मेंस नहीं, बल्कि प्रोसेस पर भी फोकस कर रही है। कंपनी दिखाना चाहती है कि डिसेंट्रलाइज्ड AI सीरियस मॉडल्स बना सकता है, और वह भी ओपन इंस्पेक्शन के साथ।
आगे का रास्ता
लार्जर मॉडल्स अभी भी आगे का टारगेट हैं। 0G मानता है कि सैकड़ों बिलियन, और आगे चलकर ट्रिलियन्स साइज के मॉडल्स का बनना संभव है।
अगला स्टेज सिर्फ एक साइन्टिफिक लीप पर नहीं, बल्कि बेहतर कोऑर्डिनेशन और मजबूत नेटवर्क पार्टिसिपेशन पर निर्भर करता है। डिसेंट्रलाइज्ड AI में, ऑर्गनाइजेशन भी कम्प्यूट जितना ही जरूरी साबित हो सकता है।
DiLoCoX-107B की री-ट्रेनिंग एक कोशिश है उस बातचीत को फिर से शुरू करने की, जिसे 0G मानता है कि मार्केट पहली बार मिस कर गया था। यह यह भी टेस्ट है कि ओपन और वेरिफाएबल AI क्या सिर्फ रिजल्ट्स की ताकत से ध्यान आकर्षित कर सकता है या नहीं, ना कि सिर्फ हाइप से।
फिलहाल, कंपनी यही दांव लगा रही है कि पब्लिक री-ट्रेनिंग, ट्रांसपेरेंट डॉक्यूमेंटेशन और ओपन एक्सेस डिसेंट्रलाइज्ड AI को अगले राउंड की कॉम्पिटिशन में मजबूत पोजीशन दे सकते हैं।
