การเลือก GPU สำหรับ Gonka: คำแนะนำฮาร์ดแวร์

Gonka ต้องการ NVIDIA GPU ที่รองรับ CUDA และมี VRAM รวมอย่างน้อย 320 GB ต่อคอนเทนเนอร์ MLNode หนึ่งตัว สามารถใช้การ์ดรวมกันได้ หากโหนดรองรับโมเดลของเครือข่ายและผ่าน PoC นี่เป็นข้อจำกัดฮาร์ดแวร์ที่เข้มงวด: โมเดลของเครือข่าย — MiniMax M2.7, DeepSeek V4 Flash และ GLM-5.3 Flash — ที่มีสถาปัตยกรรม MoE ต้องใช้หน่วยความจำวิดีโอจำนวนมากเพื่อโหลดน้ำหนักและรัน inference ไม่รองรับ AMD และ Intel GPU — Gonka ใช้สแต็ก CUDA ของ NVIDIA รวมถึง cuBLAS สำหรับการดำเนินการเมทริกซ์และ cuDNN สำหรับเลเยอร์โครงข่ายประสาท

รายการข้อกำหนดทั้งหมด:

• GPU: NVIDIA ที่รองรับ CUDA รุ่นใหม่กว่า Tesla ขึ้นไป ตั้งแต่ 320 GB VRAM รวมต่อ ML โหนด ในรายการอย่างเป็นทางการมี B300, B200, RTX PRO 6000, H200, H100 และ A100 80GB การ์ดเกมมิ่ง RTX 4090 และ RTX 3090 (การ์ดละ 24GB) ไม่เหมาะ: ปริมาณนี้ประกอบจากการ์ดเซิร์ฟเวอร์
• CPU: จำเป็นต้องรองรับคำสั่ง AVX — หากไม่มี inferenced จะไม่เริ่มทำงาน (SIGILL ตอนเริ่ม)
• RAM: แนะนำ 64GB+ สำหรับการทำงานที่สะดวก การโหลดน้ำหนัก และการจัดการคิวคำขอ
• ดิสก์: NVMe SSD ที่มีพื้นที่เพียงพอ — ชุดน้ำหนักเต็มของโมเดล MoE ขนาดใหญ่ใช้พื้นที่หลายร้อยกิกะไบต์ และการโหลดเร็วจาก NVMe สำคัญต่อเวลาสตาร์ทเย็นของโหนด
• อินเทอร์เน็ต: อย่างน้อย 100 Mbps ที่เสถียร — โหนดรับคำขอจาก Transfer Agents และส่งผลลัพธ์ให้ลูกค้าแบบเรียลไทม์
• อัปไทม์: 24/7 — การพลาดเอป็อกทำให้รางวัลลดลง และดาวน์ไทม์นานอาจทำให้ถูกตัดออกจากพูลงาน

มาดูการ์ดที่แนะนำแต่ละรุ่นอย่างละเอียด:

NVIDIA H100 80GB — เรือธงของเจนเนอเรชันปัจจุบันและเป็นตัวเลือกที่เหมาะสมที่สุดสำหรับ Gonka TDP (thermal design power) 700 วัตต์ ราคาประมาณ $25—35K ต่อการ์ด รองรับ FP8 inference ซึ่งช่วยเร่งการประมวลผลคำขอโดยไม่สูญเสียคุณภาพ NVLink ช่วยให้รวม H100 หลายตัวไว้ในโหนดเดียวด้วยการเชื่อมต่อความเร็วสูงระหว่างการ์ด โมเดลที่หนักที่สุดในเครือข่าย — GLM-5.3 Flash ที่ใช้ VRAM ประมาณ 560 GB ต่อ replica — ต้องใช้ H100 80GB จำนวนแปดตัว นี่คือคอนฟิกูเรชันมาตรฐานของโฮสต์สำหรับโมเดลนี้

NVIDIA H200 141GB — เจนเนอเรชันถัดไปที่มีความจุหน่วยความจำเกือบสองเท่า VRAM ที่เพิ่มขึ้นช่วยให้ประมวลผลคำขอพร้อมกันได้มากขึ้น (batch size ใหญ่ขึ้น) ซึ่งเพิ่มรายได้ใน GNK ต่อหน่วยเวลา แบนด์วิดท์หน่วยความจำ HBM3e สูงกว่า H100 — โหลดเวตเร็วขึ้น inference เร็วขึ้น สำหรับโมเดลเดียวกันใช้จำนวนการ์ด H200 น้อยกว่า H100 ซึ่งทำให้โครงสร้างพื้นฐานเรียบง่ายขึ้น

NVIDIA A100 80GB — เจนเนอเรชันก่อนหน้า แต่ยังอยู่ในรายการอย่างเป็นทางการของเครือข่าย ราคาประมาณ $10—15K ต่อการ์ด — ถูกกว่า H100 อย่างมีนัยสำคัญ ประสิทธิภาพต่ำกว่า: ไม่มี FP8, HBM2e ช้ากว่า ต่อ ML node หนึ่งโหนดต้องใช้การ์ดนี้อย่างน้อยสี่ตัว (4 × 80 = 320 GB) เวอร์ชัน A100 40GB ไม่มีในรายการอย่างเป็นทางการ A100 เหมาะสำหรับการเข้าสู่เครือข่ายด้วยเงินลงทุนเริ่มต้นที่น้อยลง

สิ่งที่ไม่เหมาะ: การ์ดสำหรับผู้บริโภคอย่าง RTX 4090 (24GB), RTX 3090 (24GB), RTX 4080 (16GB) — มี VRAM ไม่เพียงพอสำหรับโมเดลของเครือข่าย เกณฑ์ของเครือข่ายคือ 320 GB ของหน่วยความจำวิดีโอต่อ ML node และประกอบขึ้นจากการ์ดระดับเซิร์ฟเวอร์ โมเดล MoE ขนาดใหญ่หนึ่งอินสแตนซ์ต้องใช้การ์ด H100, H200 หรือ A100 80GB หลายตัวในโหนดเดียว จำนวนที่แน่นอนขึ้นอยู่กับโมเดลและคอนฟิกูเรชัน

MLNode ในเครือข่าย Gonka คือเซิร์ฟเวอร์ที่มี GPU ซึ่งทำงาน AI inference การตั้งค่าโหนดมีหลายขั้นตอน แต่ละขั้นตอนมีความสำคัญต่อการทำงานที่เสถียรและการทำรายได้ GNK สูงสุด

ซอฟต์แวร์: องค์ประกอบหลักคือ inferenced CLI ซึ่งควบคุมการโหลดโมเดล การประมวลผลคำขอ และการเชื่อมต่อกับบล็อกเชน Inferenced ทำงานภายใน Docker คอนเทนเนอร์ ซึ่งช่วยให้ติดตั้งและอัปเดตได้ง่ายขึ้น การกำหนดค่าครบถ้วนสำหรับโมเดล MoE ขนาดใหญ่ของเครือข่ายต้องใช้ VRAM รวมหลายร้อยกิกะไบต์ เช่น การ์ด H100 80GB จำนวนแปดใบสำหรับ GLM-5.3 Flash (ประมาณ 560 GB ต่อรีพลิกา) น้ำหนักของโมเดล (หลายร้อยกิกะไบต์) จะถูกโหลดจาก NVMe SSD ขณะเริ่มโหนด

การลงทะเบียน: หลังติดตั้ง โหนดจะลงทะเบียน on-chain — สร้างบันทึกในบล็อกเชน Gonka ระบุที่อยู่ของตน โมเดลที่รองรับ และคุณสมบัติ (VRAM, แบนด์วิดท์, ตำแหน่งที่ตั้ง) นับจากนั้น Transfer Agents จะเริ่มส่งคำขอ AI จากผู้ใช้มายังโหนด

การทำงานในเครือข่าย: ทุกคำขอที่เข้ามา — พรอมป์จากผู้ใช้ — จะถูกประมวลผลโดย GPU ผ่านโครงข่ายประสาทเทียม ผลลัพธ์จะถูกส่งกลับไปยังไคลเอนต์ผ่าน Transfer Agent ฉันทามติ Sprint นับทุกการประมวลผลที่ทำเสร็จเมื่อสร้างบล็อก และรางวัลจะกระจายตามสัดส่วนของปริมาณงาน โหนดสามารถเผยแพร่คุณสมบัติที่อัปเดตแบบเรียลไทม์ได้ — หากโหลดเพิ่มขึ้น Transfer Agents จะเปลี่ยนเส้นทางคำขอบางส่วนไปยังโหนดที่มีโหลดน้อยกว่า คำแนะนำการตั้งค่าโดยละเอียดอยู่ในคู่มือการขุด

หากไม่มีอุปกรณ์เป็นของตัวเอง มีสามวิธีในการเข้าถึง GPU สำหรับ Gonka แต่ละวิธีมีสมดุลระหว่างต้นทุน ความซับซ้อน และการควบคุมที่แตกต่างกัน:

พูล (จาก $1 – Ancapex, จาก $100 – Gonka.Top): Ancapex, Gonka.Top, GonkaPool.ai, CloudMine (Mingles) – ผู้ดำเนินการเช่า GPU, ตั้งค่าโหนด, และดูแลความพร้อมใช้งาน คุณจะได้รับ GNK ตามสัดส่วนของการมีส่วนร่วม โดยไม่ต้องจัดการรายละเอียดทางเทคนิคใดๆ เป็นเส้นทางที่เหมาะสำหรับผู้เริ่มต้นและนักลงทุนแบบพาสซีฟ

เซิร์ฟเวอร์เฉพาะ (จาก $12,000/เดือน): Gonka.Top ไม่เพียงเสนอพูลเท่านั้น แต่ยังมีเซิร์ฟเวอร์เฉพาะพร้อมบริการเต็มรูปแบบ คุณจะได้รับโหนดที่พร้อมใช้งาน – ผู้ดำเนินการจะดูแลการตั้งค่า inferenced, การตรวจสอบ 24/7, การอัปเดต และการแก้ไขปัญหา การขุดจะตรงไปยังกระเป๋าเงินของคุณ – รายได้ทั้งหมดใน GNK เป็นของคุณ หักค่าเช่าคงที่

การเช่า Bare-metal: Spheron ให้บริการเซิร์ฟเวอร์ bare-metal พร้อม H100/H200 ซึ่งคุณตั้งค่าได้ด้วยตนเอง (ผู้ใช้จากรัสเซียอาจมีปัญหาในการชำระเงิน Spheron ผ่านผู้ประมวลผลการชำระเงิน) นี่คือเส้นทางสำหรับผู้ใช้ที่มีความรู้ทางเทคนิค คุ้นเคยกับ Linux, Docker และ CLI การควบคุมสูงสุด แต่ก็มีความรับผิดชอบสูงสุดในการตั้งค่า ความพร้อมใช้งาน และการอัปเดต การเปรียบเทียบผู้ให้บริการทั้งหมดอย่างละเอียดอยู่ที่หน้า“รับ GNK”