Rongchai Wang
Jan 24, 2026 00:07
EigenAI GPU पर 2% से कम ओवरहेड के साथ 100% पुनरुत्पादित LLM आउटपुट हासिल करता है, जो ट्रेडिंग और प्रेडिक्शन मार्केट्स के लिए सत्यापन योग्य स्वायत्त AI एजेंट्स को सक्षम बनाता है।
EigenCloud ने अपने EigenAI प्लेटफॉर्म को मेननेट पर जारी किया है, जो स्वायत्त AI सिस्टम को परेशान करने वाली एक बुनियादी समस्या को हल करने का दावा करता है: आप उसे सत्यापित नहीं कर सकते जिसे आप पुनरुत्पादित नहीं कर सकते।
यहां तकनीकी उपलब्धि महत्वपूर्ण है। EigenAI प्रोडक्शन GPU पर बिट-सटीक निर्धारणात्मक इन्फेरेंस प्रदान करता है—मतलब समान इनपुट 10,000 टेस्ट रन में समान आउटपुट उत्पन्न करते हैं—केवल 1.8% अतिरिक्त लेटेंसी के साथ। वास्तविक धन को संभालने वाले AI एजेंट्स बनाने वाले किसी भी व्यक्ति के लिए, यह मायने रखता है।
LLM की यादृच्छिकता वित्तीय अनुप्रयोगों को क्यों तोड़ती है
एक ही प्रॉम्प्ट को ChatGPT के माध्यम से दो बार चलाएं। अलग-अलग उत्तर। यह कोई बग नहीं है—यह GPU पर फ्लोटिंग-पॉइंट गणित काम करने का तरीका है। कर्नेल शेड्यूलिंग, वेरिएबल बैचिंग, और नॉन-एसोसिएटिव एक्युमुलेशन सभी छोटे-छोटे विचलन पेश करते हैं जो अलग-अलग आउटपुट में संयोजित होते हैं।
चैटबॉट्स के लिए, कोई नहीं देखता। आपकी पूंजी के साथ निष्पादित होने वाले AI ट्रेडिंग एजेंट के लिए? $200 मिलियन की बेट्स में कौन जीतता है यह तय करने वाले प्रेडिक्शन मार्केट ओरेकल के लिए? असंगति एक देयता बन जाती है।
EigenCloud Polymarket के कुख्यात "क्या Zelenskyy ने सूट पहना था?" मार्केट को केस स्टडी के रूप में इंगित करता है। $200 मिलियन से अधिक की वॉल्यूम, मनमाने समाधान के आरोप, और अंततः मानव शासन को हस्तक्षेप करना पड़ा। जैसे-जैसे बाजार का पैमाना बढ़ता है, मानव निर्णय नहीं। एक AI न्यायाधीश अपरिहार्य हो जाता है—लेकिन केवल तभी जब वह न्यायाधीश हर बार एक ही फैसला दे।
तकनीकी स्टैक
GPU पर निर्धारणवाद हासिल करने के लिए हर परत को नियंत्रित करना आवश्यक था। A100 और H100 चिप्स राउंडिंग में आर्किटेक्चरल अंतर के कारण समान ऑपरेशन के लिए अलग-अलग परिणाम उत्पन्न करते हैं। EigenAI का समाधान: ऑपरेटरों और वेरिफायर्स को समान GPU SKU का उपयोग करना चाहिए। उनके परीक्षणों ने समान-आर्किटेक्चर रन पर 100% मैच रेट दिखाया, क्रॉस-आर्किटेक्चर पर 0%।
टीम ने वार्प-सिंक्रोनस रिडक्शन और निश्चित थ्रेड ऑर्डरिंग का उपयोग करके कस्टम इम्प्लीमेंटेशन के साथ मानक cuBLAS कर्नेल को बदल दिया। कोई फ्लोटिंग-पॉइंट एटॉमिक्स नहीं। उन्होंने अपने छोटे, ऑडिट योग्य कोडबेस के लिए llama.cpp पर निर्माण किया, डायनामिक ग्राफ फ्यूजन और अन्य ऑप्टिमाइजेशन को अक्षम करते हुए जो परिवर्तनशीलता पेश करते हैं।
प्रदर्शन लागत मानक cuBLAS थ्रूपुट के 95-98% पर आती है। स्वतंत्र H100 नोड्स पर क्रॉस-होस्ट परीक्षणों ने समान SHA256 हैश उत्पन्न किए। बैकग्राउंड GPU वर्कलोड के साथ स्ट्रेस टेस्ट जो शेड्यूलिंग जिटर उत्पन्न करते हैं? फिर भी समान।
अर्थशास्त्र के माध्यम से सत्यापन
EigenAI ब्लॉकचेन रोलअप से उधार लिए गए एक आशावादी सत्यापन मॉडल का उपयोग करता है। ऑपरेटर एन्क्रिप्टेड परिणामों को EigenDA, परियोजना की डेटा उपलब्धता परत पर प्रकाशित करते हैं। परिणाम डिफ़ॉल्ट रूप से स्वीकार किए जाते हैं लेकिन विवाद विंडो के दौरान चुनौती दी जा सकती है।
यदि चुनौती दी जाती है, तो वेरिफायर्स ट्रस्टेड एक्जीक्यूशन एनवायरनमेंट के अंदर फिर से निष्पादित करते हैं। क्योंकि निष्पादन निर्धारणात्मक है, सत्यापन बाइनरी बन जाता है: क्या बाइट्स मेल खाते हैं? बेमेल बॉन्डेड स्टेक से स्लैशिंग ट्रिगर करता है। ऑपरेटर पैसे खो देता है; चैलेंजर्स और वेरिफायर्स को भुगतान मिलता है।
आर्थिक डिजाइन का उद्देश्य धोखाधड़ी को नकारात्मक अपेक्षित मूल्य बनाना है जब चुनौती की संभावना एक निश्चित सीमा को पार करती है।
अब क्या बनता है
तत्काल अनुप्रयोग सीधे हैं: प्रेडिक्शन मार्केट निर्णायक जिनके फैसले पुनरुत्पादित और ऑडिट किए जा सकते हैं, ट्रेडिंग एजेंट जहां हर निर्णय लॉग और चुनौती योग्य है, और अनुसंधान उपकरण जहां परिणामों को विश्वास के बजाय पुन: निष्पादन के माध्यम से सहकर्मी-समीक्षा की जा सकती है।
यहां व्यापक प्रवृत्ति अनुपालन-भारी क्षेत्रों के लिए निर्धारणात्मक AI में बढ़ती उद्यम रुचि के साथ संरेखित होती है। स्वास्थ्य सेवा, वित्त, और कानूनी अनुप्रयोग तेजी से उस प्रकार की पुनरुत्पादकता की मांग करते हैं जो संभाव्य प्रणालियां गारंटी नहीं दे सकतीं।
क्या EigenAI का 2% ओवरहेड उच्च-आवृत्ति अनुप्रयोगों के लिए स्वीकार्य साबित होता है, यह देखना बाकी है। लेकिन महत्वपूर्ण पूंजी का प्रबंधन करने वाले स्वायत्त एजेंटों के लिए, निष्पादन अखंडता को साबित करने की क्षमता प्रदर्शन कर के लायक हो सकती है।
पूर्ण व्हाइटपेपर औपचारिक सुरक्षा विश्लेषण, कर्नेल डिजाइन विनिर्देश, और बुनियादी ढांचे पर निर्माण करने वालों के लिए स्लैशिंग मैकेनिक्स का विवरण देता है।
छवि स्रोत: Shutterstock
स्रोत: https://blockchain.news/news/eigenai-deterministic-inference-mainnet-launch
