Scelta della GPU per Gonka: raccomandazioni hardware

Gonka richiede GPU NVIDIA con supporto CUDA e un minimo di 40GB di VRAM per MLNode. Questa è una limitazione hardware rigida: il modello Qwen3-235B con architettura MoE (22 miliardi di parametri attivi su 235 miliardi totali) richiede una quantità significativa di memoria video per caricare i pesi ed eseguire l'inference. Le GPU AMD e Intel non sono supportate — Gonka utilizza lo stack CUDA di NVIDIA, inclusi cuBLAS per le operazioni sulle matrici e cuDNN per i livelli delle reti neurali.

Elenco completo dei requisiti:

• GPU: NVIDIA con CUDA, minimo 40GB VRAM. Le schede con meno memoria (RTX 4090 con 24GB, RTX 3090 con 24GB) non sono adatte — non possono fisicamente caricare gli shard del modello
• CPU: è obbligatorio il supporto alle istruzioni AVX — senza di esse inferenced non si avvierà (SIGILL all'avvio)
• RAM: si raccomandano 64GB+ di memoria RAM per un funzionamento confortevole, il caricamento dei pesi e la gestione delle code di richieste
• Disco: NVMe SSD con spazio sufficiente — il set completo di pesi Qwen3-235B occupa circa ~640GB, e un caricamento rapido da NVMe è fondamentale per il tempo di avvio a freddo del nodo
• Internet: minimo 100 Mbit/s di connessione stabile — il nodo riceve richieste da Transfer Agents e invia i risultati ai clienti in tempo reale
• Uptime: 24/7 — la mancata partecipazione alle epoche riduce la ricompensa, e un lungo periodo di inattività può portare all'esclusione dal pool di attività

Analizziamo ogni scheda consigliata in dettaglio:

NVIDIA H100 80GB — il fiore all'occhiello dell'attuale generazione e la scelta ottimale per Gonka. TDP (thermal design power) di 700 W, costo di circa $25—35K per scheda. Supporta l'inference FP8, che accelera l'elaborazione delle richieste senza perdita di qualità. NVLink consente di combinare più H100 in un cluster con connettività ad alta velocità tra le schede. Per un cluster Qwen3-235B completo sono necessarie 8 schede H100 (8 x 80GB = 640GB di VRAM totale). Questa è la configurazione più comune nella rete Gonka.

NVIDIA H200 141GB — la prossima generazione con quasi il doppio della memoria. La VRAM aumentata consente di elaborare più richieste contemporaneamente (batch size maggiore), il che aumenta i guadagni in GNK per unità di tempo. La larghezza di banda della memoria HBM3e è superiore a quella dell'H100 — caricamento dei pesi più veloce, inference più veloce. Per un cluster Qwen3-235B sono sufficienti 5 schede H200 invece di 8 H100, il che semplifica l'infrastruttura.

NVIDIA A100 40/80GB — la generazione precedente, ma ancora supportata dalla rete. Prezzo di circa $10—15K per scheda — significativamente più economico dell'H100. Le prestazioni sono inferiori: niente FP8, HBM2e più lento. La versione da 40GB è la minima consentita per Gonka, la versione da 80GB è preferibile. L'A100 è adatta per entrare nella rete con investimenti iniziali inferiori.

Cosa non è adatto: schede consumer RTX 4090 (24GB), RTX 3090 (24GB), RTX 4080 (16GB) — VRAM insufficiente per lavorare con Qwen3-235B. Anche la scheda consumer più potente non raggiunge la soglia minima di 40GB. Per un cluster completo (640GB VRAM) saranno necessarie 8 schede H100, 5 schede H200 o 8—16 schede A100 80GB, a seconda della configurazione.

MLNode nella rete Gonka è un server con GPU che esegue AI inference. La configurazione del nodo include diverse fasi, ognuna delle quali è fondamentale per un funzionamento stabile e il massimo guadagno di GNK.

Software: il componente principale è inferenced CLI, che gestisce il caricamento del modello, l'elaborazione delle richieste e la comunicazione con la blockchain. Inferenced funziona all'interno di un contenitore Docker, il che semplifica la distribuzione e l'aggiornamento. Per una configurazione completa di Qwen3-235B sono necessari 640GB di VRAM totale — ad esempio, 8 schede H100 da 80GB ciascuna. I pesi del modello (~640GB) vengono caricati da un NVMe SSD all'avvio del nodo.

Registrazione: dopo l'installazione, il nodo viene registrato on-chain — crea una voce nella blockchain di Gonka con il suo indirizzo, i modelli supportati e le caratteristiche (VRAM, larghezza di banda, posizione). Da questo momento, i Transfer Agents iniziano a indirizzare le richieste AI degli utenti al nodo.

Lavoro nella rete: ogni richiesta in entrata — un prompt dall'utente — viene elaborata dalla GPU tramite la rete neurale. Il risultato viene inviato nuovamente tramite il Transfer Agent al cliente. Il Consenso Sprint tiene conto di ogni calcolo eseguito durante la formazione del blocco, e la ricompensa viene distribuita proporzionalmente al volume di lavoro. Il nodo può pubblicare caratteristiche aggiornate in tempo reale — se il carico aumenta, i Transfer Agents reindirizzeranno parte delle richieste ai nodi meno sovraccarichi. Istruzioni dettagliate per la configurazione sono disponibili nella guida al mining.

Se non hai la tua attrezzatura, ci sono tre modi per accedere alla GPU per Gonka, ognuno con un diverso equilibrio tra costi, complessità e controllo:

Pool (da $100): Gonka.Top, GonkaPool.ai, Hashiro, Mingles CloudMine — gli operatori noleggiano GPU, configurano nodi, monitorano l'uptime. Ricevi GNK proporzionalmente al tuo contributo, senza occuparti dei dettagli tecnici. Percorso ideale per principianti e investitori passivi.

Server dedicati (da $12.000/mese): Gonka.Top offre non solo pool, ma anche server dedicati con servizio completo. Ricevi un nodo pronto — l'operatore si occupa della configurazione inferenced, del monitoraggio 24/7, degli aggiornamenti e della risoluzione dei problemi. Il mining va direttamente nel tuo portafoglio — tutto il reddito in GNK è tuo, al netto di un costo di noleggio fisso.

Noleggio bare-metal: Spheron fornisce server bare-metal con H100/H200, che configuri autonomamente. Questo è il percorso per utenti esperti, con familiarità con Linux, Docker e CLI. Massimo controllo, ma anche massima responsabilità per la configurazione, l'uptime e gli aggiornamenti. Un confronto dettagliato di tutti i provider — sulla pagina "Ottieni GNK".