Gonka優化PoC機制：激活時間壓縮至5秒，多層級GPU實現持續參與

Gonka去中心化AI算力網路近期公布了對核心共識機制的重要調整。其中PoC機制（Proof of Compute，即計算證明）是驗證網路中每個節點真實算力貢獻的核心方法，此次優化針對PoC的激活效率、模型運行方式以及算力權重計算進行了系統升級，旨在讓GPU資源更高效地投入到實際AI計算中。

PoC與推理統一運行，激活機制實現近實時切換

在新的機制設計下，Gonka統一了PoC驗證與推理任務的模型運行環境。過去PoC採用延遲切換模式，造成節點在不同任務間頻繁切換，導致GPU產生大量閒置時間。改進後，激活方式已從被動延遲調整為主動觸發，將整個激活週期壓縮至5秒以內。

這意味著節點不再需要等待長時間切換，GPU可以更快速地投入工作狀態。聯合創始人David表示，這種優化並非針對短期收益最大化，而是網路在算力規模快速擴張階段必然進行的演進，主要目標是在高負載狀態下保持網路的穩定性與安全性。

算力權重精準對齊實際計算成本

Gonka團隊重新梳理了不同GPU硬體與模型規模對應的真實計算消耗。原先的權重體系未能充分反映不同模型之間的算力差異——小模型雖然參數數量少，但在相同token數下的實際計算成本並不成比例。這導致網路中小模型節點的token產出相對較高，長期來看容易形成算力結構失衡。

新的權重計算方案讓激勵與實際計算成本更加匹配。通過提升大模型與高算力硬體的權重占比，引導網路逐步積累更高密度的算力資源，為承載更複雜、更大規模的AI工作負載做好準備。這種對齊不僅優化了單個節點的收益預期，也規範了整個網路的資源配置方向。

單卡與中小規模GPU的多元參與方案

針對社群關心的中小規模GPU如何保持競爭力的問題，Gonka給出了具體的參與路徑。通過礦池協作機制，單卡與中小規模GPU可以聯合參與，集中算力以獲得更穩定的收益。同時，按Epoch靈活參與的機制允許節點根據自身負載情況動態加入或退出。

此外，推理任務的獨立收益通道為中小算力提供了補充機制。與PoC驗證相比，推理任務對單次計算的硬體要求更靈活，節點可以在兩個渠道間自由選擇，既參與網路共識，也貢獻實際AI工作。Gonka強調，未來不會因為硬體規模差異而排斥任何參與者，而是通過差異化激勵設計，使每一層級的GPU都能找到屬於自己的位置。

統一模型運行、近實時激活、權重精準對齊——這三層優化共同指向一個核心目標：讓算力與收益更加透明、公平，使Gonka網路能夠在規模擴展中保持安全與高效。