表现
RD 熱度指數
RD 增長指數
比較
跟隨更新
跟隨列表
人物
關於Gradient
Gradient是一個開源AI基礎設施專案，專注於讓分散式強化學習（RL）變得更可負擔。其核心技術棧包括：Lattica，一個用於連接分散式節點的點對點資料通訊協定；Parallax，一個將異構設備轉化為統一叢集的分散式推理引擎；以及Echo，一個將軌跡生成與模型訓練解耦的分散式強化學習框架。最新迭代Echo-2將強化學習迴圈拆分為兩個獨立的群體：大量消費級設備負責計算輕量的軌跡生成，而一個較小的資料中心GPU（A100/H100）叢集則執行密集的訓練更新。更新通過分塊的點對點網路進行中繼，以避免頻寬瓶頸；「過時預算」參數讓用戶可以在資料新鮮度與吞吐量之間進行取捨。在基準測試中，與集中式基線相比，Echo-2將一個300億參數模型的後訓練成本降低了90%以上，同時學習品質與基線持平或略優。配套協議VeriLLM僅以約1%的開銷增加了公開可驗證的推理功能，解決了無需許可網路中的信任問題。 市場痛點顯而易見：RL後訓練是現代AI中最昂貴的步驟，由少數雲端供應商主導，他們對未充分利用的硬體收取高額費用。大多數團隊負擔不起針對特定領域模型的RL微調，迫使他們依賴使用通用模型的提示工程。Gradient的方法將成本削減33%至90%，可能為數千個垂直AI團隊打開RL的大門。該項目還解決了昂貴GPU閒置等待軌跡生成的效率問題，以及跨網際網路協調異構設備的難點。 在過去六個月（2026年3月至8月），Gradient發布了經同儕審查結果的Echo-2，開源了用於自托管分散式推理的Parallax，並報告Lattica現已運行在全球數百萬個對等節點上。團隊還宣布了Logits，這是一個基於Echo-2建構的RL即服務平台，目前正在開發中。然而，該項目仍處於產品市場契合前階段，技術棧仍在驗證中，尚未完全商品化。近期用戶群僅限於開源模型建構者、RL研究人員以及能夠容忍異構、無需信任系統複雜性的基礎設施工程師。該期間未報告重大安全事件或協議故障。
Gradient Network，一個開放的AI基礎設施層，已達成多個具長期意義的里程碑。它完成了由Pantera Capital和Multicoin Capital領投的1000萬美元種子輪融資，驗證了其去中心化AI的願景。隨後一輪有Multicoin參與的融資進一步鞏固了其地位。該項目也獲得了顯著關注，在7天內成為RootData上關注度最高的新項目，反映出社群日益增長的興趣。這些事件凸顯了其在建立點對點AI計算與數據層方面的進展，逐步超越中心化模式。
Gradient（gradient.network）在2026年上半年取得了顯著進展。核心成果包括推出Echo-2，這是一個分散式強化學習框架，透過雙群體架構將訓練與推理解耦，在Qwen3-30B模型上將後訓練成本降低10.6倍（從4,490美元降至425美元），同時保持演算法一致性。團隊還推出了Logits，這是一個將分散式編排抽象化的RL即服務平台，並擴展了其開源推理引擎Parallax，該引擎現已被領先的開源模型開發者採用。未來路線圖重點在於擴展開放智慧堆疊（OIS）以支援更大的模型系列，增強異質裝置相容性（包括Apple Silicon和消費級GPU），並將Logits從研究階段過渡到具備企業級SLA的生產環境。該網路也在深化其DePIN整合，獎勵貢獻閒置算力的節點運營商，目標是實現全球網狀網路100%的硬體利用率。
Eric Yang（共同創辦人）— Gradient 創辦人。曾任紅杉中國（HSG）風險投資人，以及 DLive（被 BitTorrent 收購）創始工程師。於加州大學柏克萊分校攻讀電腦科學。 Yuan Gao（共同創辦人）— Gradient 共同創辦人。曾任 Helium 基金會成長主管、NEO 行銷主管，以及 Helium 中國區董事總經理。擁有哥倫比亞大學國際金融碩士學位，以及南京大學地理資訊科學學士學位。
Gradient近期團隊變動：業務發展主管（北美）Alex Mirran已於2026年7月離職。他於2025年9月加入，負責北美市場拓展與策略合作。任職期間，他推動了Commonstack等產品的商業化，並參與生態系合作。他的離職可能影響Gradient在北美市場的業務發展。