Escolha da GPU para Gonka: recomendações de hardware

Gonka requer uma GPU NVIDIA com suporte a CUDA e pelo menos 40GB de VRAM no MLNode. Esta é uma limitação rígida de hardware: o modelo Kimi K2.6 com arquitetura MoE (22 bilhões de parâmetros ativos de 235 bilhões no total) requer uma quantidade significativa de memória de vídeo para carregar os pesos e realizar a inferência. GPUs AMD e Intel não são suportadas: Gonka utiliza o stack 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 capacidade inferior (RTX 4090 de 24GB, RTX 3090 de 24GB) não são adequadas, pois fisicamente não conseguem carregar os shards do modelo.
• CPU: Suporte obrigatório a instruções AVX; sem elas, o inferenced não iniciará (SIGILL na inicialização).
• RAM: Recomenda-se 64GB+ de memória RAM para um funcionamento confortável, carregamento de pesos e manutenção de filas de solicitações.
• Disco: NVMe SSD com espaço suficiente; o conjunto completo de pesos do Kimi K2.6 ocupa ~640GB, e o carregamento rápido via 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.
• Uptime: 24/7; pular épocas reduz a recompensa, e um tempo de inatividade prolongado pode resultar na exclusão do pool de tarefas.

Analisaremos detalhadamente cada placa recomendada:

NVIDIA H100 80GB — carro-chefe da geração atual e a escolha ideal para Gonka. TDP (potência de design térmico) de 700 W, custo de ~$25—35K por placa. Suporta inferência FP8, o que acelera o processamento de solicitações sem perda de qualidade. O NVLink permite combinar várias H100 em um cluster com comunicação de alta velocidade entre as placas. Para um cluster Kimi K2.6 completo, são necessárias 8 placas H100 (8 x 80GB = 640GB de VRAM total). Essa é a configuração mais comum na rede Gonka.

NVIDIA H200 141GB — próxima geração com quase o dobro da memória. A VRAM maior permite processar mais solicitações simultaneamente (maior batch size), o que aumenta a receita em GNK por unidade de tempo. A largura de banda de memória HBM3e é maior que a da H100 — carregamento de pesos mais rápido, inferência mais rápida. Para um cluster Kimi K2.6, bastam 5 placas H200 em vez de 8 H100, o que simplifica a infraestrutura.

NVIDIA A100 40/80GB — geração anterior, mas ainda suportada pela rede. Preço de ~$10—15K por placa — significativamente mais barata que a H100. Desempenho inferior: sem FP8, HBM2e mais lenta. A versão de 40GB é o mínimo aceitável para Gonka, a versão de 80GB é preferível. A A100 é adequada para ingressar na rede com investimentos iniciais menores.

O que não é adequado: placas de consumo RTX 4090 (24GB), RTX 3090 (24GB), RTX 4080 (16GB) — VRAM insuficiente para trabalhar com Kimi K2.6. Mesmo a placa de consumo mais potente não atinge o limite mínimo de 40GB. Para um cluster completo (640GB VRAM), serão 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 inclui várias etapas, cada uma crítica para o funcionamento estável e o ganho máximo de GNK.

Software: o principal componente é o CLI inferenced, que gerencia o carregamento do modelo, processamento de solicitações e comunicação com o blockchain. O inferenced funciona dentro de um container Docker, o que simplifica a implementação e atualização. Para uma configuração completa do Kimi K2.6, são necessários 640GB de VRAM total — por exemplo, 8 placas H100 de 80GB cada. Os pesos do modelo (~640GB) são carregados de um SSD NVMe ao iniciar o nó.

Registro: após a instalação, o nó é registrado on-chain — criando 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.

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

Se você não tem 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 $1 — Ancapex, a partir de $100 — Gonka.Top): Ancapex, Gonka.Top, GonkaPool.ai, CloudMine (Mingles) — os operadores alugam GPUs, configuram nós, monitoram o tempo de atividade. Você recebe GNK proporcionalmente à sua contribuição, sem se preocupar com os 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 horas por dia, 7 dias por semana, atualizações e solução de problemas. A mineração vai diretamente para sua carteira — toda a receita em GNK é sua, descontado o aluguel fixo.

Aluguel bare-metal: Spheron fornece servidores bare-metal com H100/H200 que você configura por conta própria (usuários da Federação Russa podem ter dificuldades com pagamentos Spheron via processador de pagamento). Este é o caminho para usuários técnicos familiarizados com Linux, Docker e CLI. Controle máximo, mas também responsabilidade máxima pela configuração, tempo de atividade e atualizações. Uma comparação detalhada de todos os provedores está na página “Obter GNK”.