con poca attenzione.
0G afferma di aver superato un'importante soglia mesi fa. Ora sta riaddestrando lo stesso modello pubblicamente, con l'obiettivo di dimostrare cosa può effettivamente offrire l'intelligenza artificiale decentralizzata e perché il suo precedente risultato meritava maggiore attenzione.
Nel luglio 2025, 0G ha addestrato un modello con 107 miliardi di parametri chiamato DiLoCoX-107B in collaborazione con China Mobile. La ricerca è stata successivamente pubblicata su arXiv dopo la revisione paritaria . Secondo l'articolo, il sistema ha raggiunto un'efficienza di comunicazione 357 volte superiore rispetto ai metodi AllReduce tradizionali. Ciononostante, il risultato ha faticato ad arrivare sul mercato.
Il team afferma che la tempistica ha giocato a suo sfavore. A metà del 2025, l'attenzione del mondo delle criptovalute era concentrata sui lanci della mainnet e sulle storie relative ai token, mentre i risultati tecnici suscitavano molto meno interesse. Il lavoro era serio, ma non ha ottenuto grande risonanza al di fuori di una ristretta cerchia di esperti del settore.
Ora che l'intelligenza artificiale decentralizzata è tornata al centro dell'attenzione, 0G vuole riportare il risultato sotto i riflettori.
Un'iniziativa pubblica di riqualificazione professionale.
Questa volta, l'azienda sta rendendo pubblico il processo di riqualificazione professionale.
0G prevede di documentare ogni fase, inclusi i punti di controllo, le metriche di convergenza e le fonti dei dati. Afferma inoltre che l'esecuzione verrà verificata tramite Trusted Execution Environments utilizzando zerogAuth. Una volta completato il lavoro, i pesi del modello saranno resi open source.
In definitiva, 0G vuole dimostrare che l'intelligenza artificiale decentralizzata può essere sottoposta a verifica, riproduzione e validazione in un modo che la maggior parte dei sistemi chiusi non è in grado di eguagliare.
Più di una gara di parametri
Gran parte della copertura mediatica sull'IA ruota ancora attorno al numero di parametri. I numeri più elevati attirano l'attenzione, ma 0G sostiene che il valore di un modello deriva dall'intero sistema che lo circonda.
Per il team, la vera prova inizia con la formazione e prosegue con la verifica, l'archiviazione, la distribuzione e l'integrazione in prodotti funzionanti.
Uno dei principali aspetti tecnici è l'efficienza della comunicazione. DiLoCoX utilizza il parallelismo pipeline, una doppia politica di ottimizzazione per aggiornamenti locali e globali, un meccanismo di sovrapposizione del ritardo a un solo passaggio e la compressione adattiva del gradiente. In parole semplici, la progettazione riduce la quantità di comunicazione necessaria durante l'addestramento distribuito, fase in cui spesso questi sistemi rallentano.
0G integra inoltre il modello in uno stack completo che include verifica on-chain, archiviazione decentralizzata, disponibilità dei dati, inferenza e regolamento. Il risultato è un ambiente funzionante, non una semplice dimostrazione di ricerca.
La verifica è un altro aspetto fondamentale. Con gli ambienti di esecuzione affidabili (Trusted Execution Environments), gli utenti possono controllare non solo l'esistenza di un modello, ma anche come è stato addestrato e quali dati sono stati utilizzati nel processo. Per l'IA decentralizzata , questo modifica in modo significativo il modello di fiducia.
La vera storia è la larghezza di banda
Secondo 0G, l'aspetto più importante del risultato di DiLoCoX-107B è stato il modo in cui il modello è stato addestrato.
Il team afferma che il modello 107B ha funzionato su connessioni internet standard da un gigabit al secondo, anziché su configurazioni specializzate di data center. Questo punto mette in discussione uno dei principali presupposti dell'IA, ovvero che l'addestramento di sistemi di frontiera richieda condizioni di rete rare e costose.
Se questa tendenza si manterrà nel tempo, l'impatto potrebbe essere considerevole. Requisiti tecnici inferiori aprono le porte a un numero di partecipanti molto maggiore, dai gruppi di ricerca alle aziende e alle istituzioni pubbliche. In tale contesto, il coordinamento diventa la sfida principale, e i sistemi decentralizzati sono progettati proprio per risolvere questo tipo di problema.
Un modello di costo diverso
0G afferma inoltre che il suo sistema riduce i costi di circa il 95% rispetto alle alternative centralizzate.
L'azienda attribuisce tale riduzione all'eliminazione di costosi costi fissi centralizzati, piuttosto che a un hardware più economico. Se questi dati si confermeranno nell'utilizzo reale, l'addestramento avanzato dei modelli diventerà accessibile a un numero molto maggiore di organizzazioni, tra cui università, imprese e governi che non dispongono del budget necessario per investimenti su larga scala nell'IA.
Ciò potrebbe cambiare chi ha la possibilità di costruire modelli seri.
L'intelligenza artificiale decentralizzata può competere?
Gli scettici sostengono da tempo che l'IA decentralizzata non sia in grado di tenere il passo in termini di prestazioni. 0G ritiene che questo vecchio compromesso stia iniziando a vacillare.
Con il miglioramento dei risultati e la riduzione dei costi, la discussione si sposta dall'ideologia ai risultati concreti. Il sistema è in grado di addestrare modelli efficaci, verificarli e farlo a un costo accessibile a un maggior numero di team?
La partecipazione aperta comporta ancora rischi concreti. L'addestramento distribuito può esporre i sistemi ad alterazioni dei dati, manipolazione dei gradienti e qualità non uniforme dei contributori. 0G afferma di affrontare questi problemi con misure di sicurezza architetturali, rilevamento delle anomalie e verifica crittografica.
L'obiettivo non è la sicurezza assoluta. L'obiettivo è rendere i guasti visibili e tracciabili.
Cosa significa realmente l'IA verificabile
Per l'era 0G, l'intelligenza artificiale verificabile consiste nel sostituire la fiducia basata sulla reputazione con la fiducia basata sull'ispezione.
Anziché fidarsi ciecamente di un fornitore, gli utenti hanno la possibilità di verificare in modo indipendente come un modello è stato addestrato e come funziona. Questa idea ha un valore evidente in settori in cui la responsabilità riveste un'importanza fondamentale, come la finanza, la sanità e la pubblica amministrazione.
È qui che l'IA decentralizzata inizia a distinguersi, con sistemi che le persone possono ispezionare anziché limitarsi a fidarsi ciecamente.
Dalla dimostrazione di ricerca al sistema funzionante.
Il campo dell'intelligenza artificiale decentralizzata ha fatto molta strada in poco tempo. I primi prototipi stanno lasciando il posto a sistemi progettati per l'addestramento, la verifica, l'archiviazione, l'inferenza e la gestione economica all'interno di un unico ambiente.
0G vuole che DiLoCoX-107B diventi la prova di questo progresso. L'iniziativa di riqualificazione pubblica riguarda tanto il processo quanto le prestazioni. L'azienda sta cercando di dimostrare che l'IA decentralizzata può produrre modelli seri pur rimanendo aperta al controllo.
La strada che ci attende
Modelli ancora più grandi sono all'orizzonte. 0G ritiene che modelli nell'ordine delle centinaia di miliardi, e infine dei trilioni, siano a portata di mano.
La fase successiva dipenderà meno da un singolo passo scientifico e più da un migliore coordinamento e da una maggiore partecipazione alla rete. Nell'intelligenza artificiale decentralizzata, l'organizzazione potrebbe rivelarsi altrettanto importante quanto la potenza di calcolo.
Il riaddestramento di DiLoCoX-107B rappresenta un tentativo di riaprire una discussione che, secondo 0G, il mercato ha perso la prima volta. È anche un test per verificare se un'intelligenza artificiale aperta e verificabile possa conquistare l'attenzione grazie alla solidità dei risultati piuttosto che all'entusiasmo mediatico.
Per ora, l'azienda scommette che la riqualificazione pubblica, la documentazione trasparente e l'accesso aperto daranno all'IA decentralizzata una base più solida nel prossimo round di competizione.
L'articolo 0G riaddestra il modello 107B in pubblico mentre l'IA decentralizzata entra in una nuova fase è apparso per la prima volta su BeInCrypto .