Большие языковые модели искусственного интеллекта требуют значительных ресурсов не только при обучении, но и при запуске — необходимы существенные объёмы оперативной памяти и мощные графические процессоры. Альтернативу предложили создатели Exo — бесплатной программы для распределённого запуска ИИ на нескольких устройствах. Почти как торренты, только для запуска ИИ.

Ryzen и 16 Гбайт DDR5: как сэкономить на памяти так, чтобы не лишиться 15 % производительности

Компьютер месяца, спецвыпуск: эпоха отката, или Как дефицит чипов памяти влияет на выбор железа для игрового ПК

Гид по выбору OLED-монитора в 2026 году: эволюция в деталях

Обзор Apple MacBook Neo: удивительно хороший ноутбук с процессором от iPhone

Обзор Samsung Galaxy Z TriFold: тройной складной смартфон по цене квартиры в Воркуте

Обзор ноутбука HONOR MagicBook X16 2026: как раньше, только лучше

Обзор Ryzen 7 9850X3D: три процента за двадцать баксов

От Ryzen 7 1800X до Ryzen 7 9850X3D: девять лет эволюции AMD в одном тесте

Источник изображения: github.com/exo-explore/exo

Приложение позволяет объединять вычислительные ресурсы нескольких компьютеров, смартфонов и даже одноплатных компьютеров, в том числе Raspberry Pi, для запуска моделей, с которыми ни одна из имеющихся в распоряжении пользователя систем не справилась бы самостоятельно. Ресурсы устройств объединяются по одноранговой сети.

Exo динамически распределяет нагрузку, создаваемую большой языковой моделью, по доступным в сети устройствам, размещая её слои, исходя из доступного объёма оперативной памяти и имеющейся вычислительной мощности. Поддерживаются LLaMA, Mistral, LlaVA, Qwen и DeepSeek. Программа устанавливается на устройства под управлением Linux, macOS, Android или iOS — версии под Windows пока нет. Для работы Exo требуется минимальная версия Python 3.12.0 и, в случае машин под Linux с графикой Nvidia, ряд других компонентов.

Модель ИИ, требующую 16 Гбайт оперативной памяти, можно запустить на двух ноутбуках с 8 Гбайт на каждом; а мощную DeepSeek R1, которой нужны 1,3 Тбайт памяти, в теории можно запустить на кластере из 170 Raspberry Pi 5 с 8 Гбайт. Скорость сети и задержка могут снизить качество работы модели, и разработчики Exo предупреждают, что устройства небольшой производительности способны замедлить ИИ, но с каждым добавленным в сети устройством общая производительность увеличивается. Нельзя также забывать об угрозах безопасности, которые неизбежно возникают при совместном выполнении рабочих нагрузок на нескольких машинах. И даже с учётом этих оговорок Exo представляется перспективной альтернативой облачным ресурсам.

Новую и недавно испытанную технологию NASA по распределённому автоматическому роевому управлению множеством спутников в общих чертах можно описать лозунгом «Общайтесь между собой, будьте на одной волне и работайте вместе, чтобы выполнить работу!». Такой подход позволяет отдельным космическим аппаратам принимать независимые решения, сотрудничая друг с другом для достижения общих целей и всё это без участия человека.

Обзор Apple MacBook Neo: удивительно хороший ноутбук с процессором от iPhone

Гид по выбору OLED-монитора в 2026 году: эволюция в деталях

Обзор Ryzen 7 9850X3D: три процента за двадцать баксов

Ryzen и 16 Гбайт DDR5: как сэкономить на памяти так, чтобы не лишиться 15 % производительности

Обзор ноутбука HONOR MagicBook X16 2026: как раньше, только лучше

Компьютер месяца, спецвыпуск: эпоха отката, или Как дефицит чипов памяти влияет на выбор железа для игрового ПК

От Ryzen 7 1800X до Ryzen 7 9850X3D: девять лет эволюции AMD в одном тесте

Обзор Samsung Galaxy Z TriFold: тройной складной смартфон по цене квартиры в Воркуте

Источник изображения: NASA

Технология DSA (Distributed Spacecraft Autonomy) была испытана в малом масштабе в космосе на орбите Земли и в несколько большем — в лаборатории NASA. Испытания в космосе проводились с августа 2023 года по май 2024 года (четыре кубсата NASA Starling были запущены ракетой Electron компании Rocket Lab в июле 2023 года). Стендовые испытания на Земле ведутся около двух лет, и их масштаб постепенно расширяется. В совокупности эти два подхода позволили NASA продвинуться вперёд в создании распределённых вычислительных мощностей для спутниковых группировок.

На орбите Земли четыре кубсата впервые автономно провели научное исследование ионосферы. Программное обеспечение не содержало подробного плана работ — каждый из спутников самостоятельно принимал решения по коррекции орбиты, обмениваясь данными с другими аппаратами в рое. Спутники принимали сигналы GPS и оценивали их задержки, которые изменялись в зависимости от плотности и состояния ионосферы планеты. На основании собранных данных, а также обмена ими между аппаратами, каждый спутник формировал своё собственное исследование, результатами которого делился с остальными. Совместно они планировали дальнейшие шаги.

В лаборатории NASA исследователи собрали имитацию роя спутников в серверной стойке, используя бортовые компьютеры кубсатов. Этот рой тестировался в моделируемых условиях низкой и высокой окололунной орбиты. Перед системой стояли задачи создания распределённой сети для оказания навигационных услуг в окололунном пространстве и на поверхности Луны, а также координации времени на спутниках (низкая гравитация заставляет часы на Луне «тикать» быстрее). Моделирование показало, что автоматическая система распределения задач в роевой группировке без участия человека успешно справляется с управлением 60 спутниками. На следующем этапе NASA планирует увеличить их число до 100 и продолжить наращивание группировки.

«Технология распределённой автономии космических аппаратов действительно уникальна, — поясняют в агентстве. — Программное обеспечение наделяет спутниковый рой научной задачей и “разумом” для её выполнения». В будущем число спутников станет слишком большим для контроля со стороны операторов, и к этому лучше подготовиться заранее.