開發人員展示了Mini-AGI，該模型可在8 GB VRAM上進行訓練

開發人員推出了 Mini-AGI — 一種具有連續學習架構的實驗模型，能夠在具有 8 GB VRAM 的消費級設備上運行。該項目針對以位元為單位的數據級別和在有限的視頻內存下優化資源進行了優化。

系統的主要特點是磁盤權重交換機制，使其能夠在計算過程中繞過硬件限制。該模型使用 自適應深度 和 專家路由 系統（MoE），確保在學習過程中動態分配計算負載。

目前，該項目被定位為研究性實驗，而不是與前沿模型競爭。原始碼可在開源存儲庫中獲得，在那裡也正在進行對架構決策和內存優化方法的討論，以便在本地運行神經網絡。

Mini-AGI 的技術實現展示了在可訪問的硬件上實現複雜學習算法的可能性。有關實現細節和模型的當前性能指標正在 Hacker News 上的專業社區中進行討論。

開發此類解決方案可以降低神經網絡的入門門檻，之前需要服务器級別的計算能力。使用權重交換和自適應層打開了創建更緊湊和高效的系統的途徑，這些系統能夠在實時進行微調而無需大量的基礎設施投資。