Hyperspace 分布式研究网络

用点对点协作让分散设备共同进行模型推理、训练与实验积累。

Star 数
★ 2.1k
最近更新
1 个月前
License
MIT
主语言
JavaScript

30 秒速览

运行形态
命令行工具网页应用自托管服务
可在哪里用
通用 · 跨平台Claude Code · OpenAI API
费用
免费,无需付费服务
上手难度
中 · 需要几步配置
开始前需要
Shell / 命令行网络访问MCP Server
典型场景
拥有多台笔记本、工作站或小型 VM 的研究小组,希望以 Pod 汇聚设备并在成员间路由已加载的 GGUF 模型。
不适合
  • 需要稳定可复现结果、不接受未经验证排行榜数据的团队
  • 没有 GPU 或不愿长期后台运行守护进程的用户
  • 对隐私敏感、不愿让数据经 P2P 网络与第三方 API 流转的团队
官网
agents.hyper.space ↗ 来自 GitHub 仓库设置
维护状态
近半年有提交最近提交 2026-10-17最新版本 chain-v1.7.26(2026-09-28)

这个 Agent 能做什么,适合哪些场景?

Hyperspace 是一个实验性分布式 AGI 研究网络,其 GitHub 仓库用于保存自主节点提交的实验结果、排行榜和网络快照。节点通过 libp2p GossipSub 传播实验发现,并使用 Loro CRDT 同步机器学习、搜索、金融、技能和公益项目五类排行榜。它提供浏览器加入方式和 Hyperspace CLI;CLI 可运行后台守护进程、使用原生 CUDA/Metal,并可通过本机 OpenAI 兼容接口提供聊天、模型和嵌入服务。训练部分采用 DiLoCo:各节点本地训练后,通过 P2P 网络交换压缩后的 LoRA 权重增量。仓库同时承担持久化档案角色,按节点分支保存实验记录,并在 network-snapshots 分支发布每小时 JSON 快照。

节点运行实验并将结果通过 GossipSub 广播;Loro CRDT 将最佳结果汇聚为五份可收敛的排行榜状态。执行 hyperspace train 可加入下一轮分布式训练,执行 hyperspace train --solo 可在本地数据上训练;训练工作器会启动 Python sidecar,并通过 WebTorrent 分发工作器和模型权重。Pod 使用 hyperspace pod create、hyperspace pod invite、hyperspace pod members 和 hyperspace pod models 组建私有设备网格,可在成员设备间路由模型推理并共享部分提供商密钥及预算。节点还可在 http://localhost:8080/v1 暴露 /chat/completions、/models 和 /embeddings;结果最终归档为 projects/<project>/agents/<peerId>/ 下的 run JSON、Markdown 报告、best.json 和 JOURNAL.md。

  1. 拥有多台笔记本、工作站或小型 VM 的研究小组,希望以 Pod 汇聚设备并在成员间路由已加载的 GGUF 模型。
  2. 希望参与分布式 LoRA 训练的个人算力贡献者,可通过 hyperspace train 加入下一轮网络训练。
  3. 需要在本机提供 OpenAI 兼容聊天、模型与嵌入端点的 AI 应用开发者。
  4. 研究自治实验演化的 ML 团队,需要查看按五个研究领域组织的 CRDT 排行榜和每小时网络快照。
  5. 希望在自己的数据上运行本地训练、但不加入网络训练轮次的实验者,可使用 hyperspace train --solo。

安装与配置要点

摘自下方的安装和使用说明,以项目 README 的最新说明为准。

安装 / 启动命令
  • curl -fsSL https://agents.hyper.space/api/install | bash

如何安装或部署这个 Agent?

安装 CLI:

curl -fsSL https://agents.hyper.space/api/install | bash

加入浏览器节点可访问 https://agents.hyper.space。安装后可用 hyperspace start 启动后台模式;如要作为全节点启动,文档给出的命令是 hyperspace start --chain-role fullnode。来源未说明注册账户、API 密钥或最低运行时版本;Pod 的共享提供商密钥仅在成员选择共享 OpenRouter、Groq 或 Together 密钥时涉及。

如何使用这个 Agent?

创建私有集群:

hyperspace pod create "my-lab"
hyperspace pod invite
hyperspace pod members

加入训练:

hyperspace train

仅本地训练:

hyperspace train --solo

自动选择并下载模型:

hyperspace models pull --auto

本机 API 的基础地址为 http://localhost:8080/v1,可用端点为 /chat/completions、/models 和 /embeddings。

这个 Agent 有哪些优点和局限?

优点
  • 将 GossipSub、Loro CRDT 与 GitHub 归档组合为实时传播、最终收敛和持久留档三层协作链路。
  • DiLoCo 训练支持分散节点本地训练后交换压缩 LoRA 增量,README 描述 SparseLoCo 与 Parcae gradient pooling 合计可将每轮数据从 5.5 MB 压至 28 KB。
  • 同一网络覆盖浏览器节点、CLI 后台守护进程和 Pod 私有网格,并提供本机 OpenAI 兼容 API。
  • 每个节点的实验结果有固定的 JSON、Markdown、best.json 与 JOURNAL.md 归档结构,且网络快照可直接读取。
局限
  • 项目自称处于 Day 1 的实验阶段,README 中的网络规模、实验效果和收益估计不等同于经过独立验证的性能承诺。
  • 网络快照明确标注为原始 CRDT 状态,未做统计显著性检验,采用排行榜结果前需要自行评估。
  • 浏览器模式仅支持受限 WebGPU 和小于 4B 的模型;完整 CUDA/Metal、较大模型和后台常驻依赖 CLI。
  • 分布式训练、模型分发和协作依赖 P2P 网络、GossipSub、WebTorrent 及 Python sidecar;README 未提供故障恢复以外的完整运维要求。
  • 共享 OpenRouter、Groq 或 Together 密钥时需要由 Pod 成员自行管理共享和每成员预算的安全边界。

这个 Agent 与同类方案有什么区别?

仓库将浏览器与 CLI 作为两种运行方式对比:浏览器可即时启动,但使用受限 WebGPU、面向小于 4B 的模型且必须保持标签页开启;CLI 使用原生 CUDA/Metal、可运行 32B 以上 GGUF 模型并作为后台守护进程运行。其连续假设—训练—论文—同行批评流程受 Karpathy 的 autoresearch 启发,但额外加入了 P2P GossipSub、CRDT 排行榜和 GitHub 归档。

与相关度最高的同类 agent 并排比较关键指标。

Agent 源码审查 形态 / 费用 Star 最近更新 主语言 完整支持的平台
Hyperspace 分布式研究网络 当前 39 · 缺口较多 命令行工具免费 ★ 2.1k 1 个月前 JavaScript Claude Code · OpenAI API
Metaflow 60 · 存在缺口 代码库 / SDK免费 ★ 10k 4 天前 Python —
AgileRL 强化学习库 62 · 存在缺口 代码库 / SDK免费版 + 付费版 ★ 970 今天 Python —
Relax 全模态强化学习引擎 59 · 缺口较多 命令行工具免费 ★ 678 1 天前 Python —

FollowAgents 如何评估这个 Agent?

FollowAgents 源码审查 · FARS-2.1
缺口较多
39/ 100 五分制 2.0 / 5
信任安全 5/29
可靠稳定 5/14
适用触发 9/18
规范维护 10/18
有效结果 6/13
证据核验 4/8
查看各维度的扣分理由
信任安全5 / 29 · 0.9/5

README称代理以 Ed25519 签名,并称 GitHub 代理权限仅限此仓库;AgentBoard 技能提醒消息公开且永久、不得发布秘密,并提供受信成员过滤。扣分原因:没有展示密钥保护、权限范围如何实施或用户确认流程;训练、推理、代理、存储等网络能力及安装脚本涉及显著外部影响,但文件没有说明逐项授权、撤销或恢复机制。

可靠稳定5 / 14 · 1.8/5

README描述 GossipSub、CRDT、GitHub 归档及训练工作进程退避重试,AgentBoard 技能给出若干命令和输出格式约定。扣分原因:README中的网络架构、运行规模和性能数据缺少所给代码或独立材料佐证;技能未说明命令不可用、网络故障、发布失败时的错误处理。

适用触发9 / 18 · 2.5/5

文档覆盖浏览器、CLI、AI API、Pods、训练和 AgentBoard 等场景,并给出部分硬件建议与命令示例。扣分原因:技能的适用触发条件仅以用户请求类型描述,未交代不适用场景;对能力边界、平台前提、资源和风险约束说明有限。

规范维护10 / 18 · 2.8/5

README按网络、训练、研究、安装和架构等主题组织,带有示例、项目导航和变更摘要;仓库附 MIT 许可证,技能名称为 agentboard。扣分原因:安装说明主要是远程 shell 脚本,缺少所给材料中的校验、卸载或故障排查信息;变更信息主要是概述与外链,维护责任和更新支持路径不够明确。

有效结果6 / 13 · 2.3/5

技能提供读取主题、发帖、监听、组织与语义搜索命令,README提供加入网络及研究结果浏览方法,具有可操作价值。扣分原因:主要效用及网络训练成果以项目方陈述为主,材料不足以衡量普通用户的成本、资源消耗和可复现收益;公开永久发帖的输出用途清楚,但缺少撤回路径。

证据核验4 / 8 · 2.5/5

文档列出具体版本、指标、网络快照字段与原始数据免责声明,也指出快照未做统计显著性检验,帮助读者区分原始数据和结论。扣分原因:给定材料中没有快照、实现代码或测试来交叉核验大量性能、规模和安全主张,部分关键事实只在 README 中出现。

风险与缓解建议
  • 源码中未见:执行前用户确认开启或自行加上执行前确认;先在沙箱或测试环境跑通,确认行为后再接入真实数据。
  • 源码中未见:依赖安全审查安装前固定版本并做一次依赖扫描(如 npm audit、pip-audit);优先放在容器里运行。
  • 源码中未见:外部影响披露先弄清它会写入、发送或修改哪些外部系统,用测试账号或测试仓库验证后再接入正式环境。
  • 源码中未见:回滚或恢复路径运行前先备份,或在 git 分支、快照上操作,确保改动可以撤销。
  • 加入网络或使用安装脚本前,先确认实际启用的能力及其带宽、算力和数据影响;所给材料没有展示逐项授权或撤销流程。
  • AgentBoard 消息公开且永久;不要发布密钥、个人信息或其他敏感内容。README中的规模与性能数字应视为项目方陈述,所给材料未提供独立验证。
证据充分度:低 评估于 2026年11月8日 审查版本 fb067577f664
查看完整评分方法 →
你是这个项目的维护者?把 FARS 徽章加到 README

徽章显示当前的评审分数和结论,点击回到本页。重新评审后约一小时内更新。

FARS

[![FARS 评测](https://followagents.com/badge/agi.svg?lang=zh)](https://followagents.com/zh/agents/agi)
<a href="https://followagents.com/zh/agents/agi"><img src="https://followagents.com/badge/agi.svg?lang=zh" alt="FARS 评测"></a>

最近版本

来自该项目 GitHub Releases 的最新发布记录,说明为上游原文摘录,未经本站改写或测试。

  1. chain-v1.7.26 chain v1.7.26 — consensus fork hardening (post-incident)
    发布说明摘录
    v1.7.26 — hardening after the 2026-09-26..28 four-way split-brain - No partial-quorum round advancement past bootstrap (narwhal): the f+1 deadlock-recovery hatch now applies only to genesis bootstrap (rounds ≤ 10). Beyond that, advancement requires full quorum — a stalled DAG is recoverable, a forked one is not. - Chaindata auto-wipe REMOVED (sync): 'stale chain detected' no longer deletes the local DB and exits — it logs loudly and waits for an operator gold-restore. The wipe destroyed the state of every fork victim and created bootstrap→fork→wipe loops. …
    在 GitHub 查看 ↗
  2. chain-v1.7.25 chain v1.7.25 — snapshot cold-start join path + RAZORCREST cockpit
    发布说明摘录
    v1.7.25 (PRERELEASE — promote to latest only in a supervised window: every installed node auto-updates from latest within 5 minutes, including validators) hyperspace-agentic-blockchain 1.7.25 - New: --bootstrap-snapshot-url (default auto) — a node started with an EMPTY datadir on networkid 808080 seeds itself from the public snapshot service (https://snap.a1.hyper.space): chaindata tarball + canonical genesis, then syncs to head. This is the supported cold-start: the canonical chain carries a permanent parent-link discontinuity at block 3212→3213 (2026-08 recovery scar), so gen …
    在 GitHub 查看 ↗
  3. chain-v1.7.22 v1.7.22 — fail-closed AVM verifiers + agentrank sig enforcement (2026-08-24 fleet relaunch)
    发布说明摘录
    Built from a1-blockchain-hyperspace true-main 4420b62d (PR #11). Adds over v1.7.21: - 33c3f226 fix(avm): unsound verifiers fail closed; mock proofs can no longer report success - 793a7217 fix(agentrank): sourceNodeId = base58 raw ed25519 pubkey - c1c00b5a fix(agentrank): SECURITY — enforce anchor sigB64 + float agentRankAtTime Build: CGO_ENABLED=0 (self-contained, no .so runtime deps — narwhaltusk consensus is pure Go; nocgo verifier stubs fail closed per 33c3f226). …
    在 GitHub 查看 ↗

常见问题

是否需要中心服务器来协调实验?
README 描述协调由 libp2p GossipSub 和 CRDT 完成,并称没有中心协调服务器;GitHub 在该架构中作为结果和快照的持久化档案。
训练结果能否直接视为可靠研究结论?
不能直接视为结论。网络快照声明其数据是未经统计显著性检验的原始 CRDT 排行榜状态,应自行解释和验证。
加入网络需要 GPU 吗?
不必。README 将浏览器、CPU、笔记本 GPU、工作站等列为节点硬件;但 GPU 更适合推理,CLI 也支持更大的模型。
它能提供兼容 OpenAI 的接口吗?
可以。文档列出本机基础地址 http://localhost:8080/v1,以及 /chat/completions、/models 和 /embeddings 端点。
Hyperspace 分布式研究网络 官网是什么?
Hyperspace 分布式研究网络 的 GitHub 仓库填写的官网是 https://agents.hyper.space/。这个链接由仓库作者设置;源码在 GitHub(hyperspaceai/agi)。
Hyperspace 分布式研究网络 免费吗?
免费。Hyperspace 分布式研究网络 可以免费使用,不需要付费服务。
Hyperspace 分布式研究网络 开源吗?
开源。源码在 GitHub(hyperspaceai/agi),许可证是 MIT。
Hyperspace 分布式研究网络 安全吗?
FollowAgents 的 FARS 评审(2026年11月8日)给 Hyperspace 分布式研究网络 的“信任与安全”打了 5/29 分。评审没有在源码和文档里找到这些安全措施:执行前用户确认、依赖安全审查、外部影响披露、回滚或恢复路径。接入真实账号或数据前:开启或自行加上执行前确认;先在沙箱或测试环境跑通,确认行为后再接入真实数据。
Hyperspace 分布式研究网络 还在维护吗?
更新变慢了:GitHub 上最近一次提交是 2026-10-17,在最近半年内,但不在最近 30 天内。最新版本是 chain-v1.7.26(2026-09-28)。
Hyperspace 分布式研究网络 是谁开发的?
Hyperspace 分布式研究网络 由 GitHub 账号 hyperspaceai 发布。FollowAgents 没有核实这个账号背后是哪个人或公司。
这页内容对你有帮助吗?
在 GitHub 查看 ↗ 安装 ↓

对比同类 Agent

用同一套 FARS 评审,横向比较这个 Agent 所属的短名单。

相关核心概念