Gonka оптимизация механизма PoC: время активации сокращено до 5 секунд, многоуровневая GPU-реализация для постоянного участия

Gonka去中心化AI算力网络近期公布了对核心共识机制的重要调整。其中PoC机制（Proof of Compute，即计算证明）是验证网络中每个节点真实算力贡献的核心方法，此次优化针对PoC的激活效率、模型运行方式以及算力权重计算进行了系统升级，旨在让GPU资源更高效地投入到实际AI计算中。

PoC与推理统一运行，激活机制实现近实时切换

在新的机制设计下，Gonka统一了PoC验证与推理任务的模型运行环境。过去PoC采用延迟切换模式，造成节点在不同任务间频繁切换，导致GPU产生大量闲置时间。改进后，激活方式已从被动延迟调整为主动触发，将整个激活周期压缩至5秒以内。

这意味着节点不再需要等待长时间切换，GPU可以更快速地投入工作状态。联合创始人David表示，这种优化并非针对短期收益最大化，而是网络在算力规模快速扩张阶段必然进行的演进，主要目标是在高负载状态下保持网络的稳定性与安全性。

算力权重精准对齐实际计算成本

Gonka团队重新梳理了不同GPU硬件与模型规模对应的真实计算消耗。原先的权重体系未能充分反映不同模型之间的算力差异——小模型虽然参数数量少，但在相同token数下的实际计算成本并不成比例。这导致网络中小模型节点的token产出相对较高，长期来看容易形成算力结构失衡。

新的权重计算方案让激励与实际计算成本更加匹配。通过提升大模型与高算力硬件的权重占比，引导网络逐步积累更高密度的算力资源，为承载更复杂、更大规模的AI工作负载做好准备。这种对齐不仅优化了单个节点的收益预期，也规范了整个网络的资源配置方向。

单卡与中小规模GPU的多元参与方案

针对社区关心的中小规模GPU如何保持竞争力的问题，Gonka给出了具体的参与路径。通过矿池协作机制，单卡与中小规模GPU可以联合参与，集中算力以获得更稳定的收益。同时，按Epoch灵活参与的机制允许节点根据自身负载情况动态加入或退出。

此外，推理任务的独立收益通道为中小算力提供了补充机制。与PoC验证相比，推理任务对单次计算的硬件要求更灵活，节点可以在两个渠道间自由选择，既参与网络共识，也贡献实际AI工作。Gonka强调，未来不会因为硬件规模差异而排斥任何参与者，而是通过差异化激励设计，使每一层级的GPU都能找到属于自己的位置。

统一模型运行、近实时激活、权重精准对齐——这三层优化共同指向一个核心目标：让算力与收益更加透明、公平，使Gonka网络能够在规模扩展中保持安全与高效。