Bittensors DeepSeek-Moment: Kann TAO den zweiten Pol der KI antreiben?
Wenn Jensen Huang, Nvidias CEO, Ihr Projekt im All-In-Podcast als „eine moderne Version von folding@home" bezeichnet, ist das kein routinemäßiges Lob. Es ist ein Signal. Im März 2026 schloss Bittensors Templar-Subnetz das größte dezentralisierte Vortraining eines großen Sprachmodells der Geschichte ab — Covenant-72B — was einen 90-prozentigen TAO-Preisanstieg auslöste und die folgenreichste Debatte in Web3 neu entfachte: Kann ein token-incentiviertes Netzwerk unabhängiger GPU-Miner jemals OpenAI und Anthropic übertreffen?
Die Frage klingt kühn. Aber DeepSeek klang auch so.
Die DeepSeek-Analogie, die den Rahmen ändert
Anfang 2025 bewies DeepSeek, dass Open-Source-KI die GPT-4-Leistung für etwa 1% der Trainingskosten erreichen kann. Die Annahme, dass nur US-Hyperscaler — mit ihren milliardenschweren Rechenclustern und Tausenden von Vollzeit-Forschern — Frontier-Modelle entwickeln könnten, wurde zerschlagen. Über Nacht zerbrach der Konsens „Skalierung ist alles, was man braucht".
Bittensor setzt das gesamte Architekturdesign auf eine zweite Disruption mit einem anderen Mechanismus. Wo DeepSeek bewies, dass effizientes geschlossenes Training das teure geschlossene Training herausfordern kann, ist Bittensors These, dass dezentralisierter meritokratischer Wettbewerb die zentralisierte Monopolentwicklung herausfordern kann.
Der Unterschied ist enorm wichtig. DeepSeek hatte Erfolg, weil Modellgewichte frei geteilt werden können — einmal trainiert, kann jeder das Modell ausführen. Bittensors Herausforderung ist schwieriger: Es muss beweisen, dass dezentralisierte Beteiligung — Tausende unabhängiger Miner, die Training und Inferenz ohne zentrale Autorität koordinieren — KI-Ausgaben produzieren kann, die auf wettbewerbsfähigen Qualitätsniveaus wirklich nützlich sind.
Covenant-72B ist der bisher ernsthafteste Versuch dieses Beweises.
Was Covenant-72B wirklich bewiesen hat
Am 10. März 2026 gab Bittensors Subnetz 3 (Templar) den Abschluss eines 72-Milliarden-Parameter-Sprachmodells bekannt, das von über 70 unabhängigen Beiträgern weltweit kooperativ trainiert wurde, auf herkömmlicher Hardware, über Standard-Internetverbindungen — keine Whitelist, keine Genehmigung erforderlich.
Die technische Schlagzeile ist beeindruckend. Aber die Engineering-Innovation darunter ist das, was wichtig ist: SparseLoCo, ein Protokoll, das den Kommunikationsaufwand zwischen Trainingsknoten durch Sparsifizierung, 2-Bit-Quantisierung und Fehlerrückkopplung um das 146-fache reduzierte. Verteiltes LLM-Training war historisch durch das enorme Volumen der zwischen Knoten erforderlichen Gradienten-Synchronisation blockiert. SparseLoCos Kompressionsdurchbruch ermöglichte Covenant-72B über heterogene Internetverbindungen statt über InfiniBand auf Rechenzentrumsebene.
Das Ergebnis: ein MMLU-Benchmark-Score von 67,1, der Covenant-72B in denselben Leistungsbereich wie Metas Llama 2 70B stellt. Um das in Kontext zu setzen — Llama 2 70B wurde von einem der bestfinanzierten KI-Labore der Welt entwickelt. Covenant-72B wurde von anonymen Minern entwickelt, die um TAO-Emissionen konkurrieren.
TAO stieg in den Wochen nach der Ankündigung um 90%. Grayscale, das im Dezember 2025 den ersten US-Spot-ETF auf Bittensor (Ticker: GTAO) beantragte, sah seine These bestätigt. Institutionelles Staking erreichte 19% des umlaufenden Angebots. Der Markt war, zumindest kurzfristig, einig: Das war ein Meilenstein.
Die Post-Halving-Wirtschaft, die Qualitätswettbewerb erzwingt
Bittensors Halving — das am 14. Dezember 2025 stattfand — reduzierte die tägliche TAO-Ausgabe von 7.200 auf 3.600 Token. Das nächste Halving, das für Dezember 2026 erwartet wird, wird sie weiter auf 1.800 reduzieren.
Dieses Knappheitsdesign ist nicht kosmetisch. Im Rahmen des Dynamic TAO (dTAO)-Upgrades vom Februar 2025 werden die Emissionen über Bittensors 128 aktive Subnetze jetzt durch netto TAO-Staking-Zuflüsse bestimmt — ein marktgetriebenes Signal, das widerspiegelt, welche Subnetze Validatoren für wirklich nützliche KI-Ausgaben halten. Subnetze, die keinen realen Nutzen demonstrieren können, verlieren Staking und damit Emissionen.
Das Halving komprimiert den gesamten Belohnungspool. In Kombination mit der flussbasierten Verteilung von dTAO hat sich der wirtschaftliche Druck auf Subnetz-Betreiber von „am Leben bleiben" zu „übertreffen" verschoben. Ein Subnetz, das in der Ära hoher Emissionen mittelmäßige Ausgaben produzierte, kann jetzt von leistungsfähigeren Konkurrenten um Belohnungen gebracht werden. Bittensor repliziert im Wesentlichen durch Tokenomics den Wettbewerbsdruck, den Marktpreise auf zentralisierte KI-APIs ausüben.
Ob dieser Mechanismus in großem Maßstab KI der Frontier-Qualität produziert, ist noch unbewiesen. Was er produziert hat, ist ein Netzwerk, das jetzt 128 Subnetze umfasst, die Datenverarbeitung, NLP, Bilderkennung, Finanzintelligenz und verteiltes Training abdecken — ein diversifiziertes Portfolio von KI-Arbeitslasten, das kein einzelnes Labor aufbauen würde.
Die unbequeme Komplikation: Governance-Spannungen
Keine Analyse von Bittensors „DeepSeek-Moment" ist vollständig, ohne zu berücksichtigen, was danach geschah.
Kurz nach dem Triumph von Covenant-72B kündigte Covenant AI — das Team hinter der Leistung — seinen Ausstieg aus dem Bittensor-Ökosystem an und nannte es „Dezentralisierungstheater". Sam Dare, Covenants Gründer, zitierte die „übermäßige Kontrolle" von Bittensor-Mitgründer Jacob Steeves, einschließlich ausgesetzter Emissionen an Covenants Subnetze, Entfernung der Community-Moderationsfähigkeiten des Teams und einseitiger Infrastruktur-Abschreibungsentscheidungen. TAO fiel innerhalb von zwei Stunden um 15% von $338 auf $285.
Die Ironie ist strukturell: Ein Netzwerk, dessen Kernversprechen ist, dass keine einzelne Entität die KI-Entwicklung kontrolliert, scheint ein „Triumvirat"-Governance-Modell zu haben, bei dem bedeutende Upgrade-Autorität sich an der Spitze konzentriert.
Das ist nicht einzigartig für Bittensor. Es ist das zentrale Paradoxon aller dezentralisierten Infrastrukturprojekte in großem Maßstab: Die Koordinationsmechanismen, die effiziente Protokoll-Upgrades ermöglichen, neigen dazu, Macht zu konzentrieren. Bitcoin löste dies, indem das Protokoll nahezu unveränderlich gemacht wurde. Ethereum navigierte dies durch langwierige Rough-Consensus-Prozesse. Bittensor, das häufig aktualisiert werden muss, um neue KI-Architekturen zu unterstützen, steht vor einer schwierigeren Version desselben Problems.
Steeves widersprach Covenants Charakterisierung und stellte die Emissionsaussetzung als legitime Reaktion auf Protokollverstöße dar. Aber die Marktreaktion von 15% deutet darauf hin, dass Governance-Glaubwürdigkeit — nicht nur technische Fähigkeit — jetzt in TAO eingepreist ist.
Bittensor vs. Das Feld: Drei Ansätze zu dezentralisierter KI
Bittensor ist in diesem Bereich nicht allein. Drei verschiedene Modelle konkurrieren darum, wie dezentralisierte KI-Infrastruktur aussieht:
Bittensor (Subnetz-Anreizwirtschaft): 128 spezialisierte Subnetze konkurrieren um TAO-Emissionen basierend auf der Qualität der KI-Ausgaben, validiert durch ein meritokratisches Bewertungssystem. Die Stärke liegt in der Breite — Aufgaben, die von der Proteinfaltungsvorhersage bis zur Sprachgenerierung reichen. Die Schwäche liegt darin, dass Qualitätsverifikation immer noch schwierig ist: Validatoren müssen die Qualität der KI-Ausgaben beurteilen, und das Ausnutzen dieser Bewertung ist eine anhaltende Angriffsfläche.
Gensyn (verteilter Rechenmarktplatz): Gensyn behandelt Rechenleistung als Ware mit kryptografischem Nachweis von Trainingsberechnungen. Entwickler kaufen GPU-Zeit; Anbieter verdienen Token für tatsächliche Zyklen. Die Innovation ist vertrauensfreie Verifizierung — Knoten beweisen, dass sie Modelle tatsächlich trainiert haben, anstatt Ergebnisse zu fälschen. Gensyn konzentriert sich speziell darauf, ML-Training verifizierbar und zugänglich zu machen, ohne zu bestimmen, was trainiert werden soll.
Ambient (KI-nativer Konsens): Vielleicht der architektonisch radikalste Ansatz — Ambients Proof-of-Logits (PoL)-Mechanismus macht KI-Inferenz zum Konsensmechanismus selbst. Miner konkurrieren durch das Generieren von Ausgaben aus einem Sprachmodell mit 600B+ Parametern; Validatoren verifizieren durch Überprüfen von Logit-Fingerabdrücken, anstatt vollständige Ausgaben neu zu berechnen. Die KI-Berechnung läuft nicht nur auf der Blockchain — sie ist das Sicherheitsmodell der Blockchain.
Diese drei Ansätze ergänzen sich mehr, als dass sie konkurrieren. Bittensor stellt die wettbewerbsfähige Anreizschicht für die KI-Ausgabeproduktion bereit. Gensyn stellt den vertrauensfreien Rechenmarktplatz für das Training bereit. Ambient erkundet, was passiert, wenn KI-Intelligenz selbst zum Sicherheitsprimitiv wird. Ein Ökosystem, in dem alle drei erfolgreich sind, ist reicher als eines, in dem ein einzelner Ansatz dominiert.
Die „Zweiter Pol"-These: Ehrgeiz vs. Realität
Web3Caffs Einordnung von Bittensors Covenant-72B-Leistung als den „Chain-on KI DeepSeek-Moment" beruht auf einer spezifischen Behauptung: dass Bittensor, genau wie DeepSeek bewies, dass Open-Source-KI für einen Bruchteil der Kosten mit GPT-4 konkurrieren kann, beweist, dass dezentralisierte KI mit zentralisierten Laboren konkurrieren kann.
Die Analogie hält in einer Richtung und bricht in einer anderen.
Sie hält insofern, als Covenant-72B wirklich demonstriert, dass dezentralisierte Koordination + Token-Anreize ein Spitzenklasse-Modell ohne eine einzige kontrollierende Organisation produzieren können. Das ist nicht nichts. Der MMLU-Score von 67,1 ist real; die über 70 Beitragenden sind real; der SparseLoCo-Kompressionsdurchbruch ist real.
Sie bricht insofern, als DeepSeeks Erfolg sofort umsetzbar war: Man kann heute die Gewichte herunterladen und ein GPT-4-Klasse-Modell auf Verbraucher-Hardware ausführen. Bittensors Ausgaben werden über die API-Infrastruktur des Netzwerks aufgerufen, bleiben den wirtschaftlichen Bedingungen der Emissionszuteilung unterworfen und hängen von der kontinuierlichen Minerbeteiligung ab, die durch Governance-Entscheidungen oder Änderungen der wirtschaftlichen Anreize unterbrochen werden kann.
„Open Source" und „dezentralisiert" lösen verschiedene Koordinationsprobleme. DeepSeek löste das Problem des Wissensmonopols — es machte das Modell selbst frei verfügbar. Bittensor versucht, das Problem des Produktionsmonopols zu lösen — sicherzustellen, dass die KI-Generierung für jeden zugänglich bleibt, der bereit ist, Rechenleistung beizutragen, nicht nur für die vier Unternehmen, die sich den Bau von $10-Milliarden-Rechenzentren leisten können.
Das ist ein schwierigeres und ehrgeizigeres Ziel. Es könnte auch das wichtigere sein, wenn die Entwicklungstrajektorie der KI weiter in Richtung noch größerer Trainingsläufe geht, die die Kluft zwischen Hyperscalern und allen anderen weiter vergrößern.
Was das für die Infrastrukturschicht bedeutet
Für Entwickler, die KI-gestützte Anwendungen erstellen, stellt Bittensors Dynamik im Jahr 2026 eine echte alternative Zugriffsschicht dar. Anstatt für jeden API-Aufruf an OpenAI, Anthropic oder Google zu zahlen, können Anwendungen spezifische Arbeitslasten zu Bittensor-Subnetzen leiten, möglicherweise zu geringeren Kosten, insbesondere für Aufgaben, bei denen die Leistung der Llama-2-Klasse (67+ MMLU) ausreicht.
Die 128-Subnetz-Architektur bedeutet, dass spezialisierte Fähigkeiten — Finanzdatenverarbeitung, Code-Generierung, Synthese wissenschaftlicher Literatur — über ein einheitliches Protokoll zugänglich sind, anstatt separate Anbieterintegrationen für jeden Aufgabentyp zu erfordern.
Das Governance-Risiko ist real und sollte eingepreist werden. Aber technischer Fortschritt auch.
Bittensors Post-Halving-Wirtschaft, die marktgetriebene Emissionszuteilung von dTAO und das Covenant-72B-Benchmark zusammen stellen die glaubwürdigste Version dezentralisierter KI-Infrastruktur dar, die bisher zusammengestellt wurde. Ob sie den „zweiten Pol"-Ehrgeiz erreicht — eine strukturelle Alternative zu OpenAIs und Anthropics zentralisierten Trainingsmonopolen — hängt davon ab, ob Bittensor seine Governance-Glaubwürdigkeitslücke so effektiv schließen kann, wie es seine Koordinationstechnologieherausforderungen gelöst hat.
Die DeepSeek-Moment-Analogie ist ehrgeizig. Aber sie ist nicht mehr absurd.
BlockEden.xyz bietet API-Infrastruktur für Sui, Aptos, Ethereum und über 20 andere Chains, die von KI-Agenten und DeFi-Protokollen genutzt werden, die auf Blockchain-Netzwerken aufbauen. Erkunden Sie unseren API-Marktplatz, um auf die Infrastrukturschicht zuzugreifen, auf der dezentralisierte KI-Anwendungen aufgebaut werden.