FAR Labs امتیاز قابلیت اطمینان FAR AI را برای مسیریابی محاسباتی GPU تأیید شده (7 می) معرفی می‌کند.

ابوظبی، امارات متحده عربی، ۷ می ۲۰۲۶، Chainwire FAR Labs، یک زیرساخت آزمایشگاهی بومی هوش مصنوعی، هوش مصنوعی به عنوان سرویس (AIaS) و سیستم‌های هوش مصنوعی فیزیکی که توسط Dizzaract پشتیبانی می‌شوند، امتیاز قابلیت اطمینان FAR AI را معرفی کردند، یک چارچوب مسیریابی که گره‌های GPU را قبل از توزیع کار استنتاج استنتاج در سراسر FAR، رتبه‌بندی می‌کند. FAR AI در حال حاضر در حال آزمایش بسته با شرکای منتخب پس از تکمیل توسعه هسته است. امتیاز قابلیت اطمینان که برای توسعه‌دهندگان، آزمایشگاه‌های تحقیقاتی، دانشگاه‌ها و مؤسسات فنی که زیرساخت‌های GPU توزیع‌شده را ارزیابی می‌کنند، ساخته شده است، یک لایه اعتماد تأیید شده در زمان اجرا به انتخاب محاسبات توزیع‌شده اضافه می‌کند. در بازارهای GPU توزیع شده، ظرفیت موجود با اجرای قابل اعتماد یکسان نیست. ممکن است یک گره در دسترس به نظر برسد، اما همچنان نتواند آنلاین بماند، کار را به درستی انجام دهد، با تأخیر قابل قبول پاسخ دهد، یا با مشخصات سخت افزاری مورد نیاز یک مدل خاص مطابقت داشته باشد. امتیاز قابلیت اطمینان به گونه ای طراحی شده است که این شکاف را با پایه گذاری تصمیمات مسیریابی به شواهدی که شبکه می تواند تأیید کند، کاهش دهد. Ilman Shazhaev، بنیانگذار و مدیر عامل Dizzaract می گوید: «محاسبات مفید در حال حاضر بسیار فراتر از مراکز داده سنتی وجود دارد، اما توسعه دهندگان باید بدانند که کدام گره ها واقعاً می توانند ارائه دهند.امتیاز قابلیت اطمینان FAR AI به توسعه‌دهندگان راه روشن‌تری می‌دهد تا ببینند کدام گره‌ها می‌توانند قبل از تخصیص کار، ثابت کنند. امتیاز قابلیت اطمینان FAR AI چهار دسته قابلیت اطمینان برنامه‌نویس را در یک امتیاز واحد از 0 تا 100 ترکیب می‌کند: UPTIME، JOB COMPLETION، LATENCY و Incidents. هر دسته به سیگنال هایی که قبلاً توسط زمان اجرای امنیتی FAR AI ساطع شده است، نقشه می کشد. اینها شامل ضربان قلب علامت‌دار، چالش‌های SV-PoW است که آزمایش می‌کند آیا یک گره مدل متعهد را در VRAM نگه می‌دارد، بررسی‌های یکپارچگی مدل، تطبیق‌های حل، نمونه‌های توپولوژی و گزارش‌های گواهی. مسیریابی با قابلیت شروع می شود. تأییدکننده گره FAR AI ابتدا گره هایی را فیلتر می کند که به دلیل VRAM ناکافی، کلاس سخت افزاری ناسازگار یا عدم نیاز به زمان اجرا، نمی توانند مدل درخواستی را به صورت فیزیکی اجرا کنند. امتیاز قابلیت اطمینان تنها پس از تکمیل آن بررسی ها وارد عمل می شود. از آنجا، گره واجد شرایط بالاترین رتبه، ابتدا کار را دریافت می کند. اگر آن گره در دسترس نباشد، بیش از حد بارگذاری شود، یا کاهش یابد، ارکستراتور به سمت نامزد بعدی حرکت می کند. این سفارش در یک شبکه محاسباتی ناهمگن اهمیت دارد، جایی که عرضه می‌تواند از طریق اپراتورهای مجزا که یک ماشین را اجرا می‌کنند یا ارائه‌دهندگان بزرگ‌تری که سخت‌افزار درجه‌داده مرکز داده را مستقر می‌کنند، تامین شود. گره های جدیدتر واجد شرایط باقی می مانند و می توانند در طول زمان اولویت ایجاد کنند، در حالی که عملکردهای قوی تر مسیریابی مطلوب تری دریافت می کنند.