Airbender يثبت كتلة Ethereum قياسية باستخدام بطاقة H100 واحدة فقط عند دمجه مع zkSync OS—بتوقيت يقارب 17 ثانية للمرحلة قبل التكرار و35 ثانية لخط الأنابيب الكامل من النهاية إلى النهاية.
الآثار البيانية هنا تعتبر خفيفة بشكل ملحوظ مقارنة بتنفيذات zkVM التقليدية التي تعتمد على تجمعات GPU ضخمة. في حين أن المقارنات المباشرة تصبح صعبة بسبب اختلاف منهجيات الإعداد وتكوينات الأجهزة عبر مشاريع مختلفة، فإن المكاسب في الكفاءة من تشغيل إثبات عالي الأداء على إعدادات GPU فردية عادية تمثل خطوة مهمة نحو توسيع البنية التحتية للمعرفة الصفرية بشكل عملي.
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
تسجيلات الإعجاب 14
أعجبني
14
6
إعادة النشر
مشاركة
تعليق
0/400
GateUser-b37fca29
· منذ 5 س
عيد ميلاد سعيد ⛄
شاهد النسخة الأصليةرد0
AllInAlice
· منذ 10 س
إثبات بلوكة GPU واحدة لكتلة إيثريوم؟ هذه الكفاءة حقًا مذهلة، و zkSync تلعب بشكل قوي شوي
شاهد النسخة الأصليةرد0
OvertimeSquid
· منذ 10 س
هل يمكن لبطاقة H100 واحدة فقط إثبات كتلة إيثريوم؟ هذه الكفاءة غريبة بعض الشيء، بالمقارنة مع تلك المشاريع التي تكدس مجموعات GPU بشكل دائم، فإن فكرة Airbender حقًا رائعة.
شاهد النسخة الأصليةرد0
airdrop_whisperer
· منذ 10 س
هل يمكن لبطاقة GPU واحدة فقط إثبات كتلة إيثريوم؟ إذا كان هذا فعلاً سيسهل الانتشار، فقد تتغير ملامح مسار zkVM... ومع ذلك، فإن عملية كاملة تستغرق 35 ثانية ستعتمد على كيفية تنفيذها الفعلي
شاهد النسخة الأصليةرد0
DevChive
· منذ 10 س
هل يمكن لبطاقة H100 واحدة فقط إثبات كتلة إيثريوم؟ إذا كان هذا صحيحًا، فسيعيد ذلك تشكيل كامل نظام zkVM...
شاهد النسخة الأصليةرد0
ReverseTradingGuru
· منذ 10 س
هل يمكن لبطاقة واحدة H100 إثبات كتلة إيثريوم؟ هذه الكفاءة حقًا مذهلة، فهي أكثر فاعلية بكثير من تلك الحلول التي تعتمد على تجمعات GPU.
Airbender يثبت كتلة Ethereum قياسية باستخدام بطاقة H100 واحدة فقط عند دمجه مع zkSync OS—بتوقيت يقارب 17 ثانية للمرحلة قبل التكرار و35 ثانية لخط الأنابيب الكامل من النهاية إلى النهاية.
الآثار البيانية هنا تعتبر خفيفة بشكل ملحوظ مقارنة بتنفيذات zkVM التقليدية التي تعتمد على تجمعات GPU ضخمة. في حين أن المقارنات المباشرة تصبح صعبة بسبب اختلاف منهجيات الإعداد وتكوينات الأجهزة عبر مشاريع مختلفة، فإن المكاسب في الكفاءة من تشغيل إثبات عالي الأداء على إعدادات GPU فردية عادية تمثل خطوة مهمة نحو توسيع البنية التحتية للمعرفة الصفرية بشكل عملي.