Escolha da GPU para Gonka: recomendações de hardware

Gonka requer uma GPU NVIDIA com suporte a CUDA e um mínimo de 40GB de VRAM por MLNode. Esta é uma restrição de hardware rígida: o modelo Qwen3-235B com arquitetura MoE (22 bilhões de parâmetros ativos de 235 bilhões totais) requer uma quantidade significativa de memória de vídeo para carregar os pesos e realizar a inferência. GPUs AMD e Intel não são suportadas — Gonka usa a pilha CUDA da NVIDIA, incluindo cuBLAS para operações matriciais e cuDNN para camadas de redes neurais.

Lista completa de requisitos:

• GPU: NVIDIA com CUDA, mínimo 40GB VRAM. Placas com menos memória (RTX 4090 com 24GB, RTX 3090 com 24GB) não são adequadas — elas fisicamente não conseguem carregar os shardes do modelo.
• CPU: suporte obrigatório para instruções AVX — sem elas, inferenced não iniciará (SIGILL no início).
• RAM: 64GB+ de memória RAM é recomendado para operação confortável, carregamento de pesos e atendimento de filas de solicitações.
• Disco: NVMe SSD com espaço suficiente — o conjunto completo de pesos Qwen3-235B ocupa ~640GB, e o carregamento rápido de NVMe é crítico para o tempo de inicialização a frio do nó.
• Internet: mínimo de 100 Mbps de conexão estável — o nó recebe solicitações dos Transfer Agents e envia resultados aos clientes em tempo real.
• Tempo de atividade: 24/7 — a perda de épocas reduz a recompensa, e um tempo de inatividade prolongado pode levar à exclusão do pool de tarefas.

Vamos analisar cada placa recomendada em detalhes:

NVIDIA H100 80GB — o carro-chefe da geração atual e a escolha ideal para Gonka. TDP (potência de design térmico) 700 W, custo ~$25-35K por placa. Suporta inferência FP8, o que acelera o processamento de solicitações sem perda de qualidade. NVLink permite agrupar várias H100 em um cluster com comunicação de alta velocidade entre as placas. Para um cluster completo do Qwen3-235B, são necessárias 8 placas H100 (8 x 80GB = 640GB de VRAM total). Esta é a configuração mais comum na rede Gonka.

NVIDIA H200 141GB — a próxima geração com quase o dobro de memória. O aumento da VRAM permite processar mais solicitações simultaneamente (tamanho de lote maior), o que aumenta a receita em GNK por unidade de tempo. A largura de banda da memória HBM3e é maior do que a da H100 — carregamento de pesos mais rápido, inferência mais rápida. Para um cluster Qwen3-235B, 5 placas H200 são suficientes em vez de 8 H100, o que simplifica a infraestrutura.

NVIDIA A100 40/80GB — a geração anterior, mas ainda suportada pela rede. Preço ~$10-15K por placa — significativamente mais barato que a H100. O desempenho é menor: sem FP8, HBM2e mais lento. A versão de 40GB é a minimamente aceitável para Gonka, a versão de 80GB é preferível. A A100 é adequada para entrar na rede com menos investimento inicial.

O que não é adequado: placas de consumo RTX 4090 (24GB), RTX 3090 (24GB), RTX 4080 (16GB) — VRAM insuficiente para trabalhar com Qwen3-235B. Mesmo a placa de consumo mais potente não atinge o limite mínimo de 40GB. Para um cluster completo (640GB de VRAM) seriam necessárias 8 placas H100, 5 placas H200 ou 8-16 placas A100 80GB, dependendo da configuração.

Um MLNode na rede Gonka é um servidor com GPU que realiza inferência de IA. A configuração do nó envolve várias etapas, cada uma crítica para uma operação estável e o máximo ganho de GNK.

Software: o componente principal é o inferenced CLI, que gerencia o carregamento do modelo, o processamento de solicitações e a comunicação com o blockchain. Inferenced roda dentro de um contêiner Docker, o que simplifica a implantação e a atualização. Para uma configuração completa do Qwen3-235B, são necessários 640GB de VRAM total — por exemplo, 8 placas H100 de 80GB cada. Os pesos do modelo (~640GB) são carregados do NVMe SSD na inicialização do nó.

Registro: após a instalação, o nó é registrado na rede (on-chain) — cria um registro no blockchain Gonka com seu endereço, modelos suportados e características (VRAM, largura de banda, localização). A partir desse momento, os Transfer Agents começam a direcionar solicitações de IA dos usuários para o nó.

Operação na rede: cada solicitação de entrada — um prompt do usuário — é processada pela GPU através da rede neural. O resultado é enviado de volta ao cliente via Transfer Agent. O Consenso Sprint considera cada cálculo realizado na formação do bloco, e a recompensa é distribuída proporcionalmente ao volume de trabalho. O nó pode publicar características atualizadas em tempo real — se a carga aumentar, os Transfer Agents redirecionarão parte das solicitações para nós menos carregados. Instruções detalhadas de configuração estão no guia de mineração.

Se você não possui seu próprio equipamento, há três maneiras de acessar uma GPU para Gonka, cada uma com um equilíbrio diferente de custo, complexidade e controle:

Pools (a partir de US$ 100): Gonka.Top, GonkaPool.ai, Hashiro, Mingles CloudMine — os operadores alugam GPUs, configuram nós, monitoram o tempo de atividade. Você recebe GNK proporcionalmente à sua contribuição, sem se envolver em detalhes técnicos. O caminho ideal para iniciantes e investidores passivos.

Servidores dedicados (a partir de US$ 12.000/mês): Gonka.Top oferece não apenas pools, mas também servidores dedicados com serviço completo. Você recebe um nó pronto — o operador cuida da configuração do inferenced, monitoramento 24/7, atualizações e solução de problemas. A mineração vai diretamente para sua carteira — toda a renda em GNK é sua, descontando uma taxa de aluguel fixa.

Aluguel bare-metal: Spheron fornece servidores bare-metal com H100/H200 que você configura por conta própria. Este é o caminho para usuários técnicos familiarizados com Linux, Docker e CLI. Máximo controle, mas também máxima responsabilidade pela configuração, tempo de atividade e atualizações. Uma comparação detalhada de todos os provedores está na página «Obter GNK».