Chutes 與哈佛發布包含 61.2 億次 LLM 請求的資料集

Published: 2026-09-21 21:42:35 |

Chutes AI 與哈佛研究人員發布了一個公開資料集，涵蓋 2025 年 4 月至 2026 年 4 月期間處理的 61.2 億次大型語言模型（LLM）請求。資料集涵蓋 9,174 個模型及 314,970 名匿名使用者，是目前可取得的最大型 LLM 服務中繼資料集合之一。資料集包含請求時間、權杖使用量、延遲，以及取得第一個權杖所需的時間，但不包含提示詞或模型回應。在此期間，Chutes 處理了約 35.8 兆個輸入權杖與 2.52 兆個輸出權杖。為強化隱私，使用者識別碼每三個月輪換一次。一項重要發現是，99% 的重複請求會在 15 分鐘內發生。研究指出，具備前綴感知能力的路由，可以在僅造成有限伺服器負載不平衡的情況下，提供接近最佳的快取命中率。這可能降低推論成本，並提升 AI 基礎設施供應商的效率。研究也發現，平均輸出長度由數百個權杖降至少於 100 個，這可能反映自動化或代理式 AI 查詢的使用增加。Chutes 在 Bittensor Subnet 64 上運作，分散式 GPU 基礎設施支援開源 LLM，付款則使用 TAO。專案在自願提供資料的期間，向參與研究人員提供 25% 折扣。

Neutral

市場的即時影響可能是中性的。這次發布為大型語言模型（LLM）需求、快取與推論效率提供重要證據，但並未宣布 Bittensor 的新收入、代幣需求、網路升級或資金流入。由於 Chutes 在 Bittensor Subnet 64 上運作，並使用 TAO 進行付款，TAO 是唯一與該報告直接相關的加密貨幣。短期內，交易者可能會將這份資料集視為去中心化人工智慧與 GPU 基礎設施的正面敘事催化劑。如果市場參與者將大量重複請求解讀為推論工作負載可以更低成本提供的證據，市場對 Bittensor 及相關 AI 代幣的情緒可能改善。然而，沒有直接改變網路活動或代幣經濟的資料發布，歷來相較於上架、激勵措施變更、發行量更新或重大合作，通常只會帶來有限且短暫的價格反應。長期而言，研究結果可能支持市場對高效去中心化推論網路的需求。較低的快取與路由成本可能提升 Chutes 等平台的競爭力，並有機會增加使用量與交易活動。主要風險在於，資料集只涵蓋一個平台，包含的是中繼資料而非使用者內容，而且來自一項選擇加入的貢獻計畫。因此，交易者在將這則消息視為看漲訊號前，應監測 TAO 交易量、Bittensor 子網路的發行量、活躍使用者、推論收入，以及更廣泛的 AI 代幣動能。