> ## Content Index
> Fetch the complete content index at: https://eclibra.com/llms.txt
> Use this file to discover other available public pages before exploring further.

# Гиперскейп: 708 AI-агентов провели 27 000 экспериментов без участия человека
- URL: https://eclibra.com/distributed-agi-systems-2026/
- Published: 2026-05-02T11:30:00.000Z
- Updated: 2026-05-02T11:30:00.000Z
- Description: 708 автономных AI-агентов Hyperspace провели 27 247 экспериментов за 3 недели. Теперь система обучает собственную модель через DiLoCo-протокол.
- Author: ByteMaster
- Tags: ИИ-инфраструктура и энергия, #mode-6, #hook-thesis

### Ключевые выводы

🎯

708 автономных агентов провели 27 247 экспериментов за три недели без участия человека. Система теперь обучает собственную модель через распределённый DiLoCo-протокол. Это первая живая система, где интеллект действительно «компаундится» — каждый новый эксперимент делает следующие умнее.  
  
Ключевой вопрос: может ли децентрализованный подход конкурировать с централизованными лаборами?

#### Hyperspace Network

Децентрализованная P2P-сеть для инференса AI · Libp2p/IPFS стек

#### Автономные исследователи

Работают в 5 доменах одновременно · ML, финансы, поиск, навыки

#### Темп исследований

Без единого человека в цикле · GossipSub синхронизация

## Что растёт: драйверы adoption

Гиперскейп — это не просто ещё один AI-стартап. Это первая система, где агенты реально работают вместе, а не изолированно.

✅

****Сетевой эффект — главный asset**  
2 млн узлов — это больше, чем у любого другого децентрализованного проекта. Каждый новый узел добавляет вычислительные мощности и расширяет охват. Ни одна лаборатория не может масштабироваться так быстро.

В отличие от классических AI-лаборарий, где исследователи работают в изоляции, агенты Hyperspace делятся результатами в реальном времени через GossipSub (тот же протокол, что использует Ethereum 2.0). Один агент нашёл оптимальный learning rate — через секунду 700 других это знают.

⚠️

****Токенизация — двусторонний меч**  
Система использует internal points для мотивации узлов. Это привлекает «node farmers», которые гонят мощность за награды. Но привлечёт ли это настоящих исследователей — открытый вопрос.

## Что падает: теряющие позиции

Классический подход к AI-исследованиям — центральная лаборария с сотнями инженеров — теряет relevance.

📉

****Single-agent autoresearch**  
Karpathy показал, что один агент на одном GPU может запустить сотни экспериментов за ночь. Но это изоляция. Hyperspace довёл идею до логического предела — тысячи агентов, работающих одновременно.

Централизованные лаборатории сейчас тратят миллиарды на дата-центры. Hyperspace делает ставку на то, что распределённый compute дешевле и масштабируется быстрее.

## Что новое: DiLoCo-обучение

Самый значимый технический прорыв — система теперь обучает собственную модель. Вместо того чтобы просто генерировать гипотезы, агенты превращают результаты экспериментов в training data.

🔮

****DiLoCo (Distributed Low-Communication)**  
Метод от Google DeepMind: агенты тренируются независимо \~500 шагов, затем обмениваются только сжатыми весовыми дельтами. Коммуникация падает в 500 раз без потери качества модели. Это делает возможным обучение на гетерогенном железе — от ноутбуков до серверов.

Процесс:

1

****Генерация гипотезы** — исследовательская модель предлагает эксперимент

2

****Запуск** — узел выполняет эксперимент на доступном железе

3

****Распространение** — GossipSub рассылает результат всем пирам

4

****Обучение** — накопленные результаты становятся данными для DiLoCo

5

****Улучшение модели** — цикл повторяется с более умной базой

## Централизованные лабы vs Hyperspace: сравнение

| Параметр         | Централизованные лаборатории | Hyperspace                 |
| ---------------- | ---------------------------- | -------------------------- |
| **Агенты**       | Десятки людей                | ✔ 708 автономных           |
| **Compute**      | Сотни GPU в дата-центре      | ✔ 2M+ распределённых узлов |
| **Домены**       | 1 (LLM training)             | ✔ 5 одновременно           |
| **Коммуникация** | Синхронная, дорогая          | ✔ GossipSub, 500x дешевле  |
| **Стоимость**    | Миллиарды                    | ◐ краудсорс                |

Сравнение: централизованные исследования против децентрализованной альтернативы

📊

****Ключевые сигналы для отслеживания**  
  
Сколько агентов активно работают на основной модели  
Появились ли значимые открытия (а не только параметрические настройки)  
Какая доля узлов реально вносит вклад, а не «фармит»  
Перешли ли централизованные лабы на DiLoCo-подобные методы

[hyperspaceai/agi: The first distributed AGI systemРепозиторий системы с 1543 звездами. Видно всё: от архитектуры до живых лидербордов.GitHub](https://github.com/hyperspaceai/agi?ref=eclibra.com)

Первоисточник — техническая документация, код и live data.

[708 Agents Ran 27,247 Experiments. Now They're Training Their Own Model.Третья-party анализ с детальным разбором DiLoCo-протокола и сравнением с Karpathy.Aiia](https://aiia.ro/blog/hyperspace-p2p-autonomous-research-agents/?ref=eclibra.com)

Независимый обзор — хорошая проверка реальности.