EigenAI запускает побитово точный детерминированный ИИ-вывод в основной сети

Rongchai Wang
24 января 2026 00:07

EigenAI достигает 100% воспроизводимых результатов LLM на GPU с накладными расходами менее 2%, что позволяет создавать проверяемые автономные ИИ-агенты для торговли и рынков прогнозов.

EigenCloud выпустила свою платформу EigenAI в основной сети, утверждая, что решила фундаментальную проблему, преследующую автономные ИИ-системы: вы не можете проверить то, что не можете воспроизвести.

Техническое достижение здесь значительное. EigenAI обеспечивает побитово точный детерминированный вывод на производственных GPU — это означает, что идентичные входные данные производят идентичные выходные данные в 10 000 тестовых запусков — с дополнительной задержкой всего 1,8%. Для тех, кто создает ИИ-агенты, работающие с реальными деньгами, это имеет значение.

Почему случайность LLM нарушает финансовые приложения

Запустите один и тот же запрос через ChatGPT дважды. Разные ответы. Это не ошибка — так работает математика с плавающей запятой на GPU. Планирование ядра, переменная пакетная обработка и неассоциативное накопление вносят крошечные вариации, которые складываются в разные результаты.

Для чат-ботов никто не замечает. Для ИИ-агента для торговли, работающего с вашим капиталом? Для оракула рынка прогнозов, решающего, кто выиграет $ 200 миллионов в ставках? Несогласованность становится проблемой.

EigenCloud указывает на печально известный рынок Polymarket «Надел ли Зеленский костюм?» в качестве тематического исследования. Более $ 200 миллионов объема, обвинения в произвольном разрешении, и в конечном итоге пришлось вмешаться человеческому управлению. По мере роста рынков человеческое разбирательство не масштабируется. ИИ-судья становится неизбежным — но только если этот судья выносит один и тот же вердикт каждый раз.

Технический стек

Достижение детерминизма на GPU требовало контроля над каждым уровнем. Чипы A100 и H100 производят разные результаты для идентичных операций из-за архитектурных различий в округлении. Решение EigenAI: операторы и верификаторы должны использовать идентичные SKU GPU. Их тесты показали 100% совпадения при запусках на одинаковой архитектуре, 0% между архитектурами.

Команда заменила стандартные ядра cuBLAS пользовательскими реализациями, использующими warp-синхронные редукции и фиксированный порядок потоков. Никаких атомарных операций с плавающей запятой. Они построили на llama.cpp за его небольшую, проверяемую кодовую базу, отключив динамическое слияние графов и другие оптимизации, которые вносят изменчивость.

Стоимость производительности составляет 95-98% от стандартной пропускной способности cuBLAS. Межхостовые тесты на независимых узлах H100 произвели идентичные хеши SHA256. Стресс-тесты с фоновыми нагрузками GPU, вызывающими дрожание планирования? Все равно идентичны.

Верификация через экономику

EigenAI использует оптимистическую модель верификации, заимствованную из блокчейн-роллапов. Операторы публикуют зашифрованные результаты в EigenDA, уровень доступности данных проекта. Результаты принимаются по умолчанию, но могут быть оспорены во время окна спора.

В случае оспаривания верификаторы повторно выполняют внутри доверенных сред выполнения. Поскольку выполнение детерминировано, верификация становится бинарной: совпадают ли байты? Несовпадения запускают слэшинг из связанной ставки. Оператор теряет деньги; оспаривающие и верификаторы получают оплату.

Экономический дизайн направлен на то, чтобы сделать мошенничество отрицательным ожидаемым значением, как только вероятность оспаривания пересечет определенный порог.

Что создается сейчас

Непосредственные приложения просты: арбитры рынков прогнозов, чьи вердикты могут быть воспроизведены и проверены, торговые агенты, где каждое решение регистрируется и может быть оспорено, и исследовательские инструменты, где результаты могут быть рецензированы через повторное выполнение, а не доверие.

Более широкая тенденция здесь согласуется с растущим интересом предприятий к детерминированному ИИ для секторов с высокими требованиями соответствия. Здравоохранение, финансы и юридические приложения все больше требуют того вида воспроизводимости, которую вероятностные системы не могут гарантировать.

Окажутся ли 2% накладных расходов EigenAI приемлемыми для высокочастотных приложений, еще предстоит увидеть. Но для автономных агентов, управляющих значительным капиталом, способность доказать целостность выполнения может стоить налога на производительность.

Полная белая книга содержит подробный анализ формальной безопасности, спецификации проектирования ядер и механику слэшинга для тех, кто строит на инфраструктуре.

Источник изображения: Shutterstock