Wybór GPU dla Gonka: rekomendacje sprzętowe

Gonka wymaga GPU NVIDIA z obsługą CUDA i co najmniej 320 GB VRAM łącznie na każdy kontener MLNode; karty można łączyć, jeśli węzeł pomieści modele sieci i przejdzie PoC. To twarde ograniczenie sprzętowe: modele sieci — MiniMax M2.7, DeepSeek V4 Flash i GLM-5.3 Flash — z architekturą MoE wymagają znacznego wolumenu pamięci wideo do wczytania wag i wykonania inference. GPU AMD i Intel nie są obsługiwane — Gonka korzysta ze stosu CUDA NVIDIA, w tym cuBLAS do operacji macierzowych i cuDNN do warstw neuronowych.

Pełna lista wymagań:

• GPU: NVIDIA z CUDA, generacja nowsza niż Tesla, od 320 GB VRAM łącznie na ML-node. W oficjalnej liście są B300, B200, RTX PRO 6000, H200, H100 i A100 80GB. Gamingowe RTX 4090 i RTX 3090 (po 24GB) nie nadają się: taki wolumen składa się z kart serwerowych
• CPU: wymagana obsługa instrukcji AVX — bez nich inferenced się nie uruchomi (SIGILL przy starcie)
• RAM: zalecane 64GB+ pamięci operacyjnej do komfortowej pracy, wczytywania wag i obsługi kolejek żądań
• Dysk: NVMe SSD z wystarczającą przestrzenią — pełny zestaw wag dużego modelu MoE zajmuje setki gigabajtów, a szybkie wczytywanie z NVMe jest kluczowe dla czasu cold start węzła
• Internet: minimum 100 Mbit/s stabilnego łącza — węzeł odbiera żądania od Transfer Agents i wysyła wyniki klientom w czasie rzeczywistym
• Uptime: 24/7 — pomijanie epok obniża nagrodę, a długi downtime może doprowadzić do wykluczenia z puli zadań

Przyjrzyjmy się bliżej każdej z rekomendowanych kart:

NVIDIA H100 80GB — flagowiec obecnej generacji i optymalny wybór dla Gonka. TDP (thermal design power) 700 W, cena ~25–35 tys. USD za kartę. Obsługuje inference w formacie FP8, co przyspiesza przetwarzanie zapytań bez utraty jakości. NVLink pozwala połączyć kilka H100 w jeden węzeł z szybkim łączem między kartami. Najcięższy model w sieci — GLM-5.3 Flash z ~560 GB VRAM na replikę — wymaga ośmiu H100 po 80 GB; to referencyjna konfiguracja hostów pod ten model.

NVIDIA H200 141GB — kolejna generacja z niemal dwukrotnie większą pamięcią. Zwiększony VRAM pozwala obsłużyć więcej zapytań jednocześnie (większy batch size), co podnosi dochód w GNK na jednostkę czasu. Przepustowość pamięci HBM3e jest wyższa niż w H100 — szybsze ładowanie wag, szybszy inference. Pod ten sam model wystarczy mniej kart H200 niż H100, co upraszcza infrastrukturę.

NVIDIA A100 80GB — poprzednia generacja, ale wciąż na oficjalnej liście sieci. Cena ~10–15 tys. USD za kartę — znacznie taniej niż H100. Wydajność niższa: brak FP8, wolniejsze HBM2e. Na jeden węzeł ML potrzeba co najmniej czterech takich kart (4 × 80 = 320 GB); wersji A100 40GB nie ma na oficjalnej liście. A100 sprawdzi się na start w sieci z mniejszymi inwestycjami początkowymi.

Co się nie nadaje: karty konsumenckie RTX 4090 (24GB), RTX 3090 (24GB), RTX 4080 (16GB) — za mało VRAM do pracy z modelami sieci. Próg sieci to 320 GB pamięci VRAM na węzeł ML, a buduje się go z kart serwerowych. Jedna instancja dużego modelu MoE to kilka kart H100, H200 lub A100 80GB w jednym węźle; dokładna liczba zależy od modelu i konfiguracji.

MLNode w sieci Gonka to serwer z GPU, który wykonuje AI inference. Konfiguracja węzła obejmuje kilka etapów, z których każdy jest kluczowy dla stabilnej pracy i maksymalnych zarobków w GNK.

Oprogramowanie: głównym komponentem jest inferenced CLI, który obsługuje wczytywanie modelu, przetwarzanie zapytań i komunikację z blockchainem. Inferenced działa wewnątrz kontenera Docker, co ułatwia wdrażanie i aktualizacje. Do pełnej konfiguracji pod duży model MoE sieci potrzeba setek gigabajtów łącznej VRAM — na przykład osiem kart H100 po 80GB pod GLM-5.3 Flash (około 560 GB na replikę). Wagi modelu (setki gigabajtów) są wczytywane z NVMe SSD przy starcie węzła.

Rejestracja: po instalacji węzeł rejestruje się on-chain — tworzy wpis w blockchainie Gonka, podając swój adres, obsługiwane modele i parametry (VRAM, przepustowość, lokalizację). Od tego momentu Transfer Agents zaczynają kierować do węzła zapytania AI od użytkowników.

Praca w sieci: każde przychodzące zapytanie — prompt od użytkownika — jest przetwarzane przez GPU za pośrednictwem sieci neuronowej. Wynik jest odsyłany z powrotem przez Transfer Agent do klienta. Konsensus Sprint uwzględnia każde wykonane obliczenie przy tworzeniu bloku, a nagroda jest rozdzielana proporcjonalnie do ilości pracy. Węzeł może publikować zaktualizowane parametry w czasie rzeczywistym — jeśli obciążenie rośnie, Transfer Agents przekierują część zapytań do mniej obciążonych węzłów. Szczegółowa instrukcja konfiguracji znajduje się w poradniku po mining.

Jeśli nie masz własnego sprzętu — są trzy sposoby na uzyskanie dostępu do GPU dla Gonka, każdy z innym balansem kosztów, złożoności i kontroli:

Pule (od 1 USD — Ancapex, od 100 USD — Gonka.Top): Ancapex, Gonka.Top, GonkaPool.ai, CloudMine (Mingles) — operatorzy dzierżawią GPU, konfigurują węzły, monitorują czas działania. Otrzymujesz GNK proporcjonalnie do wkładu, bez wchodzenia w szczegóły techniczne. Idealna ścieżka dla początkujących i pasywnych inwestorów.

Dedykowane serwery (od 12 000 USD/miesiąc): Gonka.Top oferuje nie tylko pule, ale także dedykowane serwery z pełną obsługą. Otrzymujesz gotowy węzeł — operator zajmuje się konfiguracją inferenced, monitorowaniem 24/7, aktualizacjami i rozwiązywaniem problemów. Wydobywanie trafia bezpośrednio na Twój portfel — cały dochód w GNK jest Twój, po odjęciu stałej opłaty za wynajem.

Wynajem bare-metal: Spheron oferuje serwery bare-metal z H100/H200, które konfigurujesz samodzielnie (użytkownicy z Rosji mogą mieć trudności z płatnościami za Spheron za pośrednictwem procesora płatniczego). To ścieżka dla zaawansowanych użytkowników, znających Linux, Docker i CLI. Maksymalna kontrola, ale i maksymalna odpowiedzialność za konfigurację, czas działania i aktualizacje. Szczegółowe porównanie wszystkich dostawców — na stronie „Pobierz GNK”.