상세 설명
1. Training-as-a-Service 출시 (2025년 8월)
개요:
io.net은 Llama, Gemma 같은 AI 모델을 클라우드에 의존하지 않고도 훈련할 수 있는 코딩 없는(no-code) 플랫폼을 선보였습니다. 사용자는 데이터셋과 모델 파라미터를 완전히 통제할 수 있습니다.
이 업데이트는 분산된 GPU 클러스터를 활용해 AWS 대비 최대 70% 비용 절감을 가능하게 했으며, PPO, DPO 같은 강화학습 기법도 간편한 인터페이스로 지원합니다.
의미:
이 변화는 AI 개발자들의 진입 장벽을 낮춰 io.net 플랫폼의 이용률 증가에 긍정적입니다. 중앙화된 클라우드 서비스 의존도를 줄이는 것은 DePIN(분산형 물리 인프라 네트워크) 성장 추세와도 부합합니다.
(출처)
2. GPU 벤치마킹 업그레이드 (2025년 2월)
개요:
GPU 가동 시간, 메모리 용량, 처리 속도를 실시간으로 모니터링하며, 성능이 기준에 미치지 못하는 하드웨어는 자동으로 네트워크에서 제외합니다.
이 시스템은 작업 증명(proof-of-work)과 시간 잠금(time-lock)을 결합해 신뢰성을 확보하며, 성능 데이터는 공개 블록 탐색기를 통해 확인할 수 있습니다.
의미:
서비스 품질 향상에는 긍정적이지만, 단기적으로는 사용 가능한 컴퓨팅 자원이 줄어들 수 있어 io.net에 중립적인 영향입니다. 장기적으로는 기업용 인프라로서 io.net의 신뢰도를 높이는 효과가 있습니다.
(출처)
3. API 라이브러리 단순화 (2025년 7월)
개요:
OpenAI 인터페이스를 모방한 Python SDK를 출시해, 기존 AI 프로젝트를 최소한의 코드 변경으로 io.net 분산 네트워크에 쉽게 이전할 수 있게 했습니다.
이 업데이트와 함께 2,000만 IO 토큰 규모의 해커톤이 열려 생태계 개발이 가속화되었습니다.
의미:
익숙한 도구 제공은 기존 AI 팀을 끌어들여 Web2와 Web3 개발 간의 다리를 놓습니다. 빌더 활동 증가로 지속 가능한 토큰 수요가 기대됩니다.
(출처)
결론
io.net의 이번 코드베이스 업데이트는 접근성(코딩 없는 훈련), 신뢰성(GPU 벤치마크), 상호운용성(OpenAI 스타일 API)을 강화했습니다. 이를 통해 IO는 분산 컴퓨팅을 원하는 AI 프로젝트에 실용적인 관문 역할을 하게 될 것입니다. 앞으로 개발자들의 채택 속도가 중앙화된 경쟁사들의 기능 출시 속도를 앞지를 수 있을지 주목됩니다.