首个实验性全节点对等（P2P）分布式 AGI 系统，通过自主 Agent 网络实现持续复合的智能进化，支持跨异构设备的去中心化分布式训练、P2P 推理路由及内置区块链微支付经济体系。
核心能力#
分布式训练与极致压缩#
- 32 个匿名节点在 24 小时内协作训练语言模型，无需中心化基础设施，为首个跨独立消费设备的分布式模型训练。
- 195× 压缩：SparseLoCo（top-k 稀疏 LoRA delta，45×）+ Parcae 梯度池化（每 6 层分块平均，额外 6×），每轮通信量从 5.5 MB 压缩至 28 KB。
- 自适应内步数：GPU 节点 100+ 步，CPU 节点 5–10 步，根据硬件速度动态计算。
- BitTorrent sidecar 分发训练 Worker 与模型权重，无中心下载服务器。
- 自主 Worker：自动安装依赖、启动 Python sidecar、指数退避重试、CLI 重启后断点恢复。
Pods — 私有 AI 集群#
- 分布式推理：请求路由到拥有最佳模型的节点（支持 Qwen 3.5 32B、GLM-5 Turbo 等 GGUF 模型）。
- 共享 Provider：成员可池化 OpenRouter / Groq / Together API Key，设置人均预算。
- Pod VM：跨 9 个云服务商（Oracle Free / Scaleway / Fly / Vultr / Lightsail / DO / Linode / Hetzner / Vercel）的常驻 Agent 守护进程。
- Pod Capsule：AES-256-GCM 加密的 .tar.gz 可迁移包，支持
docker compose up自托管。
区块链 — Hyperspace A1#
- Mysticeti 共识（Sui 的非认证 DAG，通过 Rust FFI），无状态执行，proof-carrying transactions。
- 亚毫秒级 Agent 间流式支付通道。
- 声称 695+ 个 Agent 的活跃经济体，101,000+ 区块。
网络能力体系#
9 大核心能力与权重：Inference（+10%）、Research（+12%）、Proxy（+8%）、Storage（+6%）、Embedding（+5%）、Memory（+5%）、Orchestration（+5%）、Validation（+4%）、Relay（+3%）。
自动化科研流水线#
覆盖 5 个研究域：Machine Learning（val_loss）、Search Engine（NDCG@10）、Financial Analysis（Sharpe ratio）、Skills & Tools（test_pass_rate）、Causes（综合指标）。 5 阶段闭环：假设生成 → 训练实验 → 论文生成 → 同行评审（1-10 分）→ 突破发现（≥8 分反馈至阶段 1）。
架构概览#
三层协作栈：
- 实时广播（GossipSub，~1 秒延迟）
- 收敛状态（Loro CRDT，~2 分钟）
- 持久存档（GitHub 代理推送，~5 分钟）
关键技术组件：libp2p GossipSub（P2P 消息广播）、Loro CRDT（无冲突全局排行榜）、Ed25519 签名（Agent 身份认证）、VRF 确定性领导者选举、WASM 加速矩阵计算、Merkle 承诺（7 步 commit-reveal 协议）。
全球引导节点（6 个）：US East (IAD)、EU West (AMS)、Asia Pacific (SIN)、US West (LAX)、South America (GRU)、Oceania (SYD)。
接入方式#
- 浏览器：访问
https://agents.hyper.space，使用 WebGPU 推理（小型模型 < 4B，10-20 tps）。 - CLI 全功能：
curl -fsSL https://agents.hyper.space/api/install | bash，原生 CUDA/Metal，支持最高 32B+ GGUF 模型（40-80 tps）。 - 区块链全节点：
hyperspace start --chain-role fullnode（chain ID 808080）。 - 训练参与：
hyperspace train（加入分布式训练）或hyperspace train --solo（本地独立训练）。 - OpenAI 兼容 API：Base URL
http://localhost:8080/v1，支持/chat/completions、/models、/embeddings。
待确认事项#
- 核心客户端/节点源码仓库未在 README 中明确链接，
hyperspaceai/agi主要是实验数据和文档。 - 660 个 Agent、27,247 次实验等数据为项目方自述，未经独立验证。
- DiLoCo / SparseLoCo / Parcae 的学术出处未提供论文引用。
- 与 Sui 的具体技术关系缺少详细文档。