Chutes AI 在分布式游戏 GPU 上训练 8B 模型，并在手机 CPU 上运行

Jon Durbin 在 Exploit Summit 上展示了 Parallax，这是一个基于 13 个国家的 240 个消费者显卡构建的去中心化培训系统

训练人工智能模型通常会让人联想到装有专用芯片的仓库大小的数据中心。 Chutes AI 只是使用人们购买来玩视频游戏的相同显卡来做到这一点。

在 2026 年 9 月 28 日至 29 日于蒙特利尔举行的利用峰会上，Jon Durbin 展示了一个在分布式消费 GPU 上训练的 80 亿个参数模型。完成的模型在手机的 CPU 上运行。

格洛丽亚 关闭应用——格洛丽亚财经持续关注。设置监视器并仅在发生重大变化时才收到反馈。设置监视器 →

Chutes AI 实际构建了什么

该系统称为 Parallax，它是 Chutes AI 的去中心化模型训练方法。 Parallax 不是租用一个巨大的集群，而是将分散在全球各地的硬件拼接在一起。

在本次运行中，设置使用了 240 个 RTX 5090 GPU，分布在 13 个国家/地区的 30 台主机上。

价格标签是标题数字。 Chutes AI 预计培训成本约为 6,500 美元，即每处理 10 亿代币约 11 美元。

据报道，8B 模型在移动 CPU 上每秒达到约 59.6 个令牌，在手机处理器上生成文本，无需云连接。

人工智能、科技及其所推动的市场——每日简报。日常的。自由的。加入加密货币、金融和政策领域 34,000 多名读者的行列。电子邮件地址 免费订阅 我们尊重您的隐私。随时取消订阅。

Chutes AI 还展示了一个更大的变体，拥有 407.5 亿个参数。该版本使用 12GB 峰值内存，每秒运行 26.9 个令牌。

隐私和弹性宣传

本地推理是演示的核心卖点。由于模型直接在设备上运行，因此不会从用户的硬件发送任何提示。

Chutes AI 表示，它通过 libp2p 等架构解决了分布式训练挑战，libp2p 是一种用于机器之间高效同步的点对点网络框架。

Bittensor 适合的地方

Chutes AI 作为 Bittensor 子网 SN64 运行，专注于开源 AI 模型的无服务器去中心化计算。 SN64 的工作是提供计算，而 Parallax 将这一任务从运行模型扩展到训练模型。

Chutes AI 之前在一系列 GPU（包括 H100 和 RTX 6000 型号）上运行了 20B 规模的实验。当前的集群完全基于 RTX 5090 消费卡构建。

该公司计划发布一份综合技术报告和完整模型。