0G mengintegrasikan Alibaba Cloud Qianwen LLM, agen AI di rantai untuk pertama kalinya memperoleh kemampuan akses ke model-model besar secara komersial

0G Yayasan mengumumkan pada 21 April kerja sama resmi dengan Alibaba Cloud, menghadirkan model bahasa besar Thousand Wen (Qwen) ke dalam infrastruktur terdesentralisasi, sehingga agen AI dapat langsung memanggil LLM kelas komersial dari lingkungan di dalam rantai (on-chain). Para pengembang akan menggunakan fungsi inferensi Qwen melalui mekanisme akses dengan kontrol gerbang token, secara efektif mengubah pemanggilan LLM menjadi operasi yang dapat diukur di atas rantai (on-chain). Dengan demikian, Qwen menjadi salah satu LLM komersial utama dalam batch pertama yang diintegrasikan ke dalam kerangka agen terdesentralisasi.

Kontrol Gerbang Token: Bagaimana Pemanggilan LLM Menjadi Operasi yang Dapat Diukur di Rantai

Berdasarkan perjanjian kerja sama, cara pembayaran pengembang untuk menggunakan kemampuan inferensi Qwen beralih dari penagihan berbasis cloud menjadi mekanisme akses berbasis token, sehingga mewujudkan pemanggilan LLM yang dapat dikalkulasi secara on-chain. Saat agen AI memanggil inferensi Qwen, permintaan komputasi dan penyelesaian biaya dapat menjadi operasi yang dapat diaudit di rantai, bukan diselesaikan secara sunyi di backend terpusat.

Arsitektur ini memungkinkan pengembang Web3 untuk menyematkan inti LLM yang sama ke dalam agen AI, dan agen-agen tersebut dapat dicetak, diperdagangkan, dan digabungkan seperti aset-aset asli kripto lainnya, sehingga pemanggilan LLM menjadi sumber daya yang dapat diprogram, hidup berdampingan dengan token, DeFi, dan tata kelola on-chain.

Visi Ekonomi Agen 0G: Dana Ekosistem 8.888 Juta Dolar AS

Bagi 0G, integrasi Qwen merupakan bagian dari strategi yang lebih luas untuk membangun “Ekonomi Agen” (Agent Economy) di rantai, dengan tujuan membentuk ekosistem di mana agen AI otonom memiliki identitas, membayar biaya komputasi, dan berinteraksi dengan protokol lain tanpa bergantung pada ekosistem platform AI terpusat. Awal tahun ini, 0G Yayasan mengumumkan rencana pertumbuhan ekosistem senilai 8.888 juta dolar AS, yang bertujuan untuk mendanai agen AI terdesentralisasi dan aplikasi terdesentralisasi berkinerja tinggi (dApp).

Fondasi Teknis Qwen dari Alibaba Cloud: 90.000 Contoh Deployment di Seluruh Dunia

Alibaba Cloud menyatakan bahwa seri Qwen saat ini telah dideploy lebih dari 90.000 instance secara global, mencakup model Qwen2.5 dengan rentang jumlah parameter dari 7 miliar hingga 72 miliar, serta produk multimodal seperti Qwen VL (visual) dan Qwen Audio. Produk ini tersedia dalam dua versi, terbuka dan tertutup. Kerja sama kali ini bertujuan untuk memperluas tumpukan teknologi tingkat perusahaan ke lingkungan yang tidak memerlukan izin (permissionless).

Pertanyaan yang Sering Diajukan

Apa itu 0G Yayasan, dan mengapa mereka memperkenalkan LLM Qwen?

0G Yayasan adalah proyek infrastruktur Web3 yang berfokus pada “AI Layer (AIL) dan Sistem Operasi AI Terdesentralisasi (dAIOS)”, dengan tujuan menyediakan lingkungan operasi on-chain yang lengkap untuk agen AI otonom. Memperkenalkan LLM Qwen adalah langkah konkret untuk membangun ekonomi agen on-chain, memungkinkan agen AI memanggil LLM kelas komersial secara langsung ketika menjalankan tugas inferensi, tanpa bergantung pada gateway API terpusat.

Apa perbedaan mendasar antara akses LLM dengan kontrol gerbang token dan API cloud tradisional?

API cloud tradisional bergantung pada penagihan berbasis mata uang fiat dan verifikasi identitas terpusat; semua operasi diselesaikan di backend terpusat, sehingga tidak dapat diaudit oleh pihak eksternal. Akses dengan kontrol gerbang token memetakan pemanggilan LLM menjadi operasi yang dapat diukur di rantai; biaya dibayar menggunakan token. Seluruh proses dapat diverifikasi di rantai, memungkinkan agen AI melakukan pembayaran mandiri dan memanggil layanan inferensi secara terprogram.

Apa arti praktis integrasi ini bagi pengembang Web3?

Pengembang dapat menyematkan kemampuan inferensi Qwen secara langsung ke agen AI on-chain, sehingga agen dapat memanggil kecerdasan LLM kelas perusahaan saat menjalankan tugas sambil tetap mempertahankan karakter terdesentralisasi agen tersebut. Jika eksperimen berhasil, ini bisa menjadi template konkret tentang bagaimana vendor cloud skala sangat besar menghubungkan AI asli cloud dengan koordinasi terdesentralisasi.