Rejoindre HiveMind La Ruche

1. Utiliser les modèles

1. Créez votre compte avec un pseudonyme de votre choix. Le pseudonyme est public (il peut apparaître dans des listes et sur le bus de messages) : choisissez-en un, de 1 à 64 lettres ASCII, chiffres ou . _ @ + -.

curl -s https://hivemind-openrouter-1003063861791.us-central1.run.app/v1/hivemind/register -H "Content-Type: application/json" -d '{"handle":"your-handle","role":"consumer"}'

2. La réponse contient votre clé d'API (api_key). Elle n'est affichée qu'une fois et ne peut pas être récupérée : gardez-la en lieu sûr. Si vous la perdez, inscrivez un nouveau pseudonyme.
3. Un nouveau compte a 0 point, sauf don de l'opérateur. Les points viennent du partage d'un GPU (voie 2) ou d'un don : si vous voulez seulement essayer, demandez-en un dans un billet GitHub.
4. Testez votre clé :

export HIVEMIND_API_KEY=hm-YOUR_KEY
curl https://hivemind-openrouter-1003063861791.us-central1.run.app/v1/chat/completions \
  -H "Authorization: Bearer $HIVEMIND_API_KEY" -H "Content-Type: application/json" \
  -d '{"model":"hivemind/auto","messages":[{"role":"user","content":"Hello!"}]}'

Dans un éditeur (VS Code, Continue, …), suivez le guide de connexion.

2. Partager votre GPU pour répondre aux questions

Votre ordinateur fait tourner un modèle, la passerelle lui envoie des questions, et vous gagnez des points pour les jetons (tokens) servis. Vous utiliserez un terminal.

1. Obtenez le code (Python 3.11 ou 3.12) :

git clone https://github.com/xaviercallens/HiveMind.git && cd HiveMind
pip install httpx fastapi uvicorn

2. Trouvez le modèle qui convient à votre carte (le tableau plus bas les liste tous). Cette commande lit la mémoire de votre carte et ne demande aucun compte :

python scripts/hivemind_producer_agent.py --gateway https://hivemind-openrouter-1003063861791.us-central1.run.app --suggest --detect-vram

3. Installez Ollama, puis téléchargez le modèle suggéré, par exemple :

ollama pull qwen2.5-coder:3b

4. Créez un compte producteur de la même façon, avec "role":"producer" (ou "prosumer" si vous voulez aussi utiliser les modèles, ou "trainer" pour l'entraînement GPU intensif via OpenTrainer), et gardez la clé.

5. Votre ordinateur doit être joignable en https à une adresse publique : la passerelle refuse le http simple et les adresses privées. À la maison, cela veut dire un tunnel ou un mandataire inverse devant le « shield » du producteur, un petit programme qui n'expose que les deux routes dont la passerelle a besoin et exige son jeton. Vérifiez avec curl https://VOTRE_POINT/v1/models.
6. Démarrez le shield et l'agent (toutes les options : le guide du producteur). Utilisez d'abord --once pour voir la réponse de la passerelle :

export HIVEMIND_API_KEY=hm-YOUR_PRODUCER_KEY
export HIVEMIND_ENDPOINT_TOKEN="$(python -c 'import secrets;print(secrets.token_urlsafe(32))')"
python scripts/hivemind_producer_shield.py --upstream http://127.0.0.1:11434 --port 8787 --allow-model qwen2.5-coder:3b &
python scripts/hivemind_producer_agent.py --gateway https://hivemind-openrouter-1003063861791.us-central1.run.app --endpoint https://YOUR_ENDPOINT --preset coder-lite --once

Sous Windows (PowerShell), définissez les variables avec $env:NOM="valeur" au lieu de export. Retirez --once pour laisser l'agent en marche.

7. Optionnel — gardez votre GPU connecté après un redémarrage grâce au service automatique en arrière-plan (systemd sous Linux, tâche planifiée sous Windows 10/11, launchd sous macOS) :

python scripts/hivemind_producer_autostart.py linux --model coder=qwen2.5-coder:7b --apply ./producer-autostart
python scripts/hivemind_producer_autostart.py windows --model coder=qwen2.5-coder:7b --apply ./producer-autostart

Vous pouvez arrêter en tout temps : après environ deux minutes sans signal de vie, la passerelle cesse de vous envoyer des requêtes.

3. Entraîner des modèles la nuit avec BOINC

Cette voie est ouverte au public : le coordinateur fédéré BOINC et Night-MoE est en ligne sur HiveMind La Ruche (télémétrie Night-MoE en direct sur /night-moe, état du coordinateur BOINC sur /boinc/status et classement de science participative sur /community). Vous pouvez vérifier votre matériel, lancer un test à blanc (--dry-run) et calculer des unités dès aujourd'hui.

• Linux sur processeur x86-64 pour l'archive BOINC native, ou Linux, Windows et macOS avec l'agent Python BOINC/BLS
• Une carte NVIDIA avec au moins 3,5 Go de mémoire vidéo (cuda_hivemind ; 12 Go+ pour cuda_hivemind_big), ou un processeur 4+ fils avec 8 Go de RAM pour les balayages CPU/BLS (cpu_hivemind_solver)
• Un premier téléchargement d'environ 4,4 Go, réutilisé ensuite
• Le travail communautaire est offert la nuit, de 22 h à 7 h, heure de Paris, quand le réseau est le moins occupé
• Le client BOINC standard; les fichiers du projet sont signés numériquement

1. Lancez d'abord la vérification matérielle et réseau en lecture seule (elle n'installe rien ; ajoutez --allow-cpu-solver sur une machine sans pilote NVIDIA) :

python3 scripts/hivemind_volunteer_preflight.py --project-url https://hivemind-at-home-ruche-cfhmhmvv5a-uc.a.run.app

2. Exécutez un test à blanc complet sur votre machine (--dry-run). Il vérifie que cette machine peut exécuter un petit noyau GPU sur un motif de test intégré (un creux injecté dans une courbe synthétique de 16 384 points : un auto-test, pas de vraies données TESS ou JWST) et que le coordinateur répond. Il n'entraîne aucun modèle :

python3 scripts/hivemind_boinc_idle_worker.py --coordinator https://hivemind-at-home-ruche-cfhmhmvv5a-uc.a.run.app --handle your-handle --domain physics_sim --dry-run

3. Louez, calculez et soumettez une unité de travail BOINC fédérée en direct (physics_sim, code_generation ou math_reasoning) auprès du coordinateur public (retirez --once pour continuer le calcul la nuit) :

python3 scripts/hivemind_boinc_idle_worker.py --coordinator https://hivemind-at-home-ruche-cfhmhmvv5a-uc.a.run.app --handle your-handle --domain physics_sim --once

4. Ou attachez directement un client BOINC standard (boinccmd) à l'URL publique du projet et consultez les reçus vérifiés sur /api/v1/federated/ledger :

boinccmd --get_project_config https://hivemind-at-home-ruche-cfhmhmvv5a-uc.a.run.app
boinccmd --project_attach https://hivemind-at-home-ruche-cfhmhmvv5a-uc.a.run.app YOUR_ACCOUNT_KEY

État réel du script d'aide (hivemind_boinc_idle_worker.py) : le résultat qu'il soumet est un substitut déterministe calculé à partir de l'identifiant de l'unité, pas un modèle entraîné ; considérez donc tout point affiché pour lui comme provisoire. Les vraies unités d'entraînement ne passent que par le client BOINC attaché ci-dessus.

Sur un PC où vous jouez aussi, demandez au client BOINC lui-même de s'effacer. Cette commande affiche deux petits fichiers de réglages (rien n'est installé ni modifié tant que vous n'ajoutez pas --apply avec votre dossier de données BOINC ; vos anciens fichiers sont gardés en copie) :

python3 scripts/hivemind_volunteer_config.py gamer --game YourGame.exe

Avec ces réglages, le client BOINC ne fait aucun calcul GPU pendant que vous utilisez l'ordinateur, rend la mémoire vidéo d'une tâche en pause, et arrête le calcul GPU aussitôt qu'un programme que vous nommez avec --game tourne. Testé avec le vrai client BOINC sous Linux. Non testé sous Windows. Un jeu que vous ne nommez pas, joué à la manette seulement, n'est pas détecté : nommez vos jeux.

Entraînement nocturne pour les utilisateurs finaux et les nœuds HiveMind (22 h – 7 h, heure de Paris) : Les utilisateurs finaux (bénévoles, développeurs et joueurs) laissent leur PC ou portable calculer la nuit des transits d'exoplanètes et des mises à jour QLoRA de rang 4, gagnant 250 HMT et 45 Cobblestones par unité pour interroger tous les modèles le lendemain. Les nœuds dédiés HiveMind (producteurs GPU, HiveMiners et flotte principale) passent de l'inférence OpenRouter diurne (7 h – 22 h) à l'agrégation nocturne DiLoCo, la vérification Multi-Krum et la distillation SVD enseignant-étudiant (télémétrie des nœuds en direct sur /v1/hivemind/bees/owner-fleet-status).

3b. OpenTrainer — Co-entraînement GPU intensif (BOINC + AMCP + Kafka + Aglets, compatible pare-feu)

L'inscription avec le rôle "trainer" sur /signup connecte votre GPU à OpenTrainer (/v1/hivemind/opentrainer/status), le composant central intégrant BOINC, AMCP v1.5, Kafka (hivemind.amcp.federation.v1) et les agents de tâche signés (cycle de vie IBM Aglet sans code mobile) construits entre la RTX 2070 (XAVGAMSRV, 8 Go, Windows 11) et la Tesla T4 GCP (socreateai-agora-hermes-node1, 16 Go, Linux) dans les PR #366, #399, #401, #407, #408, #409 et #410 (voir le guide d'architecture OpenTrainer).

• Relais HTTPS sortant Tier B (outbound-https-relay) : Votre GPU d'entraînement émet uniquement des requêtes HTTPS sortantes (TCP/443) vers /v1/hivemind/opentrainer/heartbeat et /v1/hivemind/opentrainer/submit-delta — zéro port entrant, zéro écoute 0.0.0.0, fonctionne derrière un NAT résidentiel, CGNAT et le pare-feu Windows
• Agents de tâche signés Tier A sur AMCP et Kafka (amcp-kafka-aglet / wireguard-t4-hub / ssh-loopback-tunnel) : Implémente le cycle de vie IBM Aglet (dispatch task_offer -> arrival check_offer -> clone task_claim -> result task_result -> retract task_abort) sans code mobile (weights_only=True, code_pin normalisé CRLF) pour le QLoRA NF4 Tiny Granite-MoE Stage-2 et les pas externes DiLoCo 2D-DCT
• Unités nocturnes BOINC Tier C (boinc-night-workunit) : Unités de travail nocturnes asynchrones via HTTPS standard (TCP/443) lorsque le GPU est inactif entre 22 h et 7 h

1. Vérifiez la traversée sortante du pare-feu, enregistrez votre GPU entraîneur sur OpenTrainer et soumettez un reçu de ronde Aglet vérifié (retirez --once pour tourner en continu) :

export HIVEMIND_API_KEY=hm-YOUR_TRAINER_KEY
python scripts/hivemind_opentrainer_agent.py --gateway https://hivemind-openrouter-1003063861791.us-central1.run.app --network-mode outbound-https-relay --check-firewall --submit-delta --once

Les nouveaux venus sont bienvenus aux nuits de co-entraînement. La nuit 3 va du lundi 2 novembre 22 h au mardi 7 h, heure de Paris. Aucun compte n'est nécessaire pour demander une place, et les producteurs n'ont rien à migrer : les clés producteur, prosumer et entraîneur partagent le rôle d'entraînement. Guide court : docs/TRAINER_JOIN.md.

2. Créez une paire de clés WireGuard et gardez la clé privée pour vous ; seule la clé publique est partagée :

wg genkey | tee hivemind-wg-private.key | wg pubkey > hivemind-wg-public.key

3. Affichez le plan de fédération de cette machine (lecture seule : il n'installe rien et ne contacte rien ; le code de sortie 2 signifie qu'aucun GPU n'a été lu) :

PYTHONPATH=src python3 scripts/hivemind_federate_node.py --handle your-handle --coordinator https://hivemind-at-home-ruche-cfhmhmvv5a-uc.a.run.app --json

4. Répondez sur le billet #431 avant 18 h, heure de Paris, le jour de la nuit, avec votre clé publique, le modèle de GPU, la mémoire vidéo libre et le système d'exploitation (joignez le plan JSON ; il ne contient aucune clé). L'opérateur répond avec un identifiant d'apprenant, une adresse de réseau privé, le commit à utiliser et la clé de signature partagée, hors ligne. Points : les soumissions sont enregistrées comme non vérifiées et créditent 0 tant qu'une vérification côté serveur n'existe pas.

4. Joueurs et Steam

Votre GPU ne devrait travailler pour HiveMind que lorsque vous ne jouez pas. Il n'existe pas encore de jeu HiveMind sur Steam : l'identifiant Steam 3133700 qui apparaît dans ce dépôt appartient à un autre jeu (un ajout de Fantasy Grounds), ne le cherchez donc pas là. Ce qui existe aujourd'hui, c'est un script d'aide qui met en pause la file GPU de BOINC pendant que vous jouez (ci-dessous), et les réglages propres du client BOINC (section 3). Le classement de science participative est sur la page communautaire.

L'agent met en pause la file GPU de BOINC (boinccmd --set_gpu_mode never) quand il voit une action au clavier ou à la souris dans les 4 dernières secondes, une charge GPU supérieure à 45 % ou une température GPU supérieure à 78 °C, et la remet en auto sinon. Sous Linux il a besoin de xprintidle (X11 seulement) ; là où il ne peut pas mesurer votre activité, il suppose que vous jouez et ne fait rien. Il change lui-même le mode GPU de BOINC : il écrase donc un mode que vous avez réglé à la main. Nous n'avons pas mesuré son effet sur le taux d'images. Ce qu'il calcule en votre absence est un motif d'auto-test intégré, pas de vraies données de télescope (voir la section 3).

1. Démarrez l'agent de pause GPU automatique (retirez --once pour laisser le démon de pause/reprise automatique tourner en arrière-plan pendant vos sessions de jeu) :

python3 scripts/hivemind_boinc_idle_worker.py --coordinator https://hivemind-at-home-ruche-cfhmhmvv5a-uc.a.run.app --handle your-handle --idle-threshold-seconds 4 --once

2. Vous pouvez aussi déclencher une pause ou une reprise GPU immédiate depuis une option de lancement Steam :

python3 scripts/hivemind_boinc_idle_worker.py --pause-now

3. Si vous faites aussi tourner un producteur Ollama de la voie 2, un modèle de langue chargé garde sa mémoire vidéo même quand personne ne pose de question ; avant de lancer un jeu gourmand, arrêtez l'agent producteur (Ctrl+C) et libérez la mémoire (remplacez le nom par celui de votre modèle) :

ollama stop qwen2.5-coder:3b

4. Après avoir joué : redémarrez l'agent producteur, avec la même commande qu'à la voie 2 (l'agent BOINC GPU inactif reprend de lui-même).

Bon à savoir

• Les producteurs voient les questions qui leur sont envoyées. N'exploitez pas un producteur sur une machine qui contient des secrets, et n'envoyez pas de texte confidentiel au réseau.
• Les points n'ont aucune valeur monétaire et ne sont pas un paiement.
• Le partage consomme de l'électricité pendant que votre GPU répond. Mesurez votre carte avec nvidia-smi --query-gpu=power.draw --format=csv et multipliez par les heures de travail.
• Le logiciel est libre (AGPL-3.0). Lisez le code avant de l'exécuter.
• Le réseau est jeune et exploité par des bénévoles : la disponibilité n'est pas garantie.

Questions et aide

Ouvrez un billet sur GitHub, en français ou en anglais. Pour un problème de sécurité, lisez d'abord la politique de sécurité.