表现
RD 热度指数
RD 增长指数
对比
关注更新
关注列表
人物
关于Pluralis Research
Pluralis Research 正在构建一个去中心化的大模型训练协议，核心业务是“协议学习”（Protocol Learning）：把一个大模型切分成多个部分，由分布在世界各地的独立参与者通过互联网协作训练。节点之间只交换很小的梯度或激活张量，而不是完整权重，因此任何单一参与者都无法提取或复制整个模型。这种“不可实体化模型”特性保证了没人能带着最终权重跑路，同时仍允许开放贡献和集体所有权。
它解决的核心痛点是 AI 开发的中心化问题。训练前沿规模模型通常需要集中的超大规模算力集群，把绝大多数个人和小组织排除在外。现有的去中心化方案要么要求高带宽连接（数据并行），要么无法防止训练好的模型被窃取。Pluralis 同时解决了这两个问题：既支持低带宽下的模型并行训练，又让模型天然不可复制但可共享，从而在不依赖可信协调者的情况下为贡献者创造经济激励。
近半年，Pluralis 从理论走向实践。它进行了一次公开训练实验：用分布在四个国家（巴黎、苏黎世、都柏林、多伦多）的 14 台苹果 Silicon Mac，训练了一个 7.5B 参数模型，耗时三周，消耗 360 亿 token。最终损失降至 2.75，与集中式训练基线相当。整个运行有 303 个活跃节点参与，其中 78 个贡献者各自提供了超过 1 exaFLOP 的计算量，尽管许多人网络带宽低于 100Mbps。这证明了异构、不可靠、低带宽的消费级硬件确实能训练出有竞争力的模型。团队还发布了详细技术文档并开源了 GitHub 仓库，但项目仍处于概念验证阶段，尚无生产部署。
Pluralis Research由前FAANG研究员Alexander Long于2024年1月创立，旨在通过去中心化训练开发真正的开源AI。2025年3月，公司宣布完成760万美元种子轮融资，由USV和CoinFund联合领投，Balaji Srinivasan及HuggingFace联合创始人Clem Delangue参投。公司开创了Protocol Learning方法，允许模型在分布式网络上训练，而无需任何单一实体持有完整权重。一个重要里程碑是，他们利用全球300多个消费级GPU，在互联网上对7.5B参数的OLMo风格模型进行了超过三周的公开训练运行，验证了去中心化训练在大规模上的可行性，为未来开放模型开发奠定了基础。
过去半年，Pluralis Research在去中心化AI领域取得重大进展。2026年3月，其发布Agora系统，实现基于互联网的无需许可大规模预训练，并据此训练出Pluralis-8B模型（86亿参数，500B tokens，40天，330个异构消费级GPU），效率达集中式H100基准的63%。6月，团队推出Stoa框架，利用4个国家14台消费级Mac完成去耦RL后训练，将LFM2.5-8B-A1B在PaperSearchQA上的pass@1从29%提升至63%。公司还举办了ICML Protocol Learning研讨会，正式确立低带宽、异构、多方参与且具经济激励的模型训练愿景。未来，Pluralis计划整合Agora与Stoa形成完整RL训练闭环，攻克异步优化与拜占庭容错等开放问题，并启动首个完全开放的协议化训练运行。凭借USV和CoinFund领投的760万美元种子轮，公司正扩充团队与算力伙伴，向前沿级开源模型迈进。
联合创始人及核心高管：
- Alexander Long（创始人）
- Gil Avraham
- Yan Zuo
- Sameera Ramasinghe
- Ajanthan Thalaiyasingam