302 publicaciones etiquetados con "IA"

La IA descentralizada ha pasado cinco años respondiendo a la pregunta equivocada. Todo el stack — las subnets de Bittensor, el mercado de entrenamiento de Gensyn, la red de inferencia de Ambient, cada sistema de pruebas ZKML — se ha obsesionado con demostrar que la computación ocurrió. Un minero ejecutó la inferencia. Un nodo entrenó durante N horas en el conjunto de datos correcto. Una GPU produjo los logits declarados. Verificado criptográficamente, de forma bella y costosa.

Nada de esto responde a la pregunta que realmente se hace un responsable de compras corporativo: ¿es bueno el modelo?

El lanzamiento de Judge por parte de Gensyn a finales de abril de 2026 es el primer intento serio de llenar ese vacío. No es otro mecanismo de consenso. No es otra prueba-de-algo. Es una capa de evaluación verificable que desacopla el "se produjo el entrenamiento" del "el entrenamiento se produjo correctamente" — y esa distinción puede ser la primitiva más importante que la DeAI ha lanzado en este ciclo.

El 15 de enero de 2026, la categoría con mayor expectación en el sector cripto perdió su producto ancla de la noche a la mañana. Kaito — la implementación de referencia de InfoFi, con un FDV máximo de alrededor de $ 1.2B, la plataforma que convirtió el "yapping" en X en una actividad medible y remunerable — anunció que dejaría de operar Yaps y las Clasificaciones de Yappers incentivadas. El motivo no fue un incidente de seguridad, una carta regulatoria o un fallo en la economía del token. Fue una única actualización de la política de producto de X.

El token cayó aproximadamente un 17 % tras la noticia. La comunidad oficial de Kaito Yapper en X, con unos 157,000 miembros, fue bloqueada en cuestión de días. Para abril de 2026, KAITO cotiza cerca de $0.41 con una capitalización de mercado circulante por debajo de los$ 100M — un largo camino desde su punto máximo. Y, sin embargo, Kaito no se redujo. Pivotó. Y de forma contundente. Hacia cuatro productos a la vez: Kaito Pro, Kaito Studio, Capital Launchpad y un producto de Mercados de Atención en colaboración con Polymarket que redefine la cuota de atención como algo por lo que se apuesta en lugar de algo por lo que se publica.

La historia ya no trata sobre "¿es genial el yap-to-earn?". Es algo más interesante y más incómodo: ¿qué ocurre cuando la premisa completa de una categoría — que la atención puede ser tokenizada — resulta depender de si una plataforma centralizada está dispuesta a permitirte medirla?

El detonante: Una política de API, una categoría interrumpida​

La causa inmediata fue clara. La responsable de producto de X, Nikita Bier, anunció que la plataforma ya no permitiría aplicaciones que recompensen a los usuarios por publicar, citando un aumento de spam generado por IA y lo que llamó spam de respuestas de "InfoFi". El cambio de política se hizo efectivo mediante la revocación de la API en lugar de una lista de prohibición pública — más discreto de implementar, más difícil de rebatir.

La respuesta de Kaito fue igualmente clara. Su fundador, Yu Hu — un antiguo quant de Citadel que construyó Kaito como la versión sistemática y orientada al minorista del "talk-to-earn" — anunció el cierre a las pocas horas del cambio de política. La Clasificación de Yappers, que se había convertido en el ritual social dominante del Twitter cripto durante dos años, había terminado.

Dos cosas son importantes sobre cómo se desarrolló esto:

1. Kaito no fue tomado por sorpresa. El pivote se anunció con productos de reemplazo ya preparados, lo que sugiere que la planificación de contingencia interna había estado activa durante meses.
2. La lista de bajas de la categoría fue más larga que Kaito. Cookie3, GiveRep, Wallchain, Ethos, Mirra — cada proyecto cuya capa de datos dependía de las señales de interacción de X sufrió el mismo impacto. El pivote de Kaito es el reconocimiento público; el resto está sucediendo en segundo plano.

Esta es la parte que la "narrativa original de InfoFi" nunca valoró. La tesis asumía que las plataformas sociales seguirían siendo conductos neutrales para medir la atención. No lo son. Son editores con departamentos de políticas, y los departamentos de políticas ven los incentivos económicos de terceros superpuestos a su contenido como competencia para la propia monetización de la plataforma. La postura de X — cada vez más restrictiva a lo largo de 2024 y 2025 — finalmente se volvió absoluta a principios de 2026.

Qué reemplazó a Yaps: Cuatro productos, una cobertura​

Lo más sorprendente de la respuesta de Kaito es cómo replanteó el área de superficie de la empresa. Yaps era un producto único con un canal de distribución único. El nuevo Kaito es un portafolio diseñado explícitamente para que la decisión de una sola plataforma no pueda repetir lo que X acaba de hacer.

Kaito Studio: De sin permisos a curado​

Kaito Studio reemplazó la Clasificación con un mercado selectivo de creadores y marcas basado en niveles. Se lanzó en fase beta en febrero de 2026 con 16 marcas asociadas y ahora abarca X, YouTube y TikTok en los sectores de cripto, finanzas e IA.

El cambio estructural es lo más destacado:

• Yaps no requería permisos. Cualquiera con una cuenta de X podía publicar y ganar.
• Studio está restringido. Las marcas ("Marcas Participantes") publican campañas con objetivos, alcance, plazos, estructuras de recompensa y pautas de contenido definidos. Los creadores se postulan a la plataforma — la elegibilidad es determinada por Kaito en función del número de seguidores, el alcance social y el recuento de impresiones — y luego presentan presupuestos de recompensa para campañas específicas.

Los puristas de InfoFi leerán esto como una retirada del espíritu original. No se equivocan, pero no entienden el punto. Los mercados de atención sin permisos no pueden existir sobre plataformas cuyos términos los prohíben. Kaito Studio cambia el espíritu abierto por la supervivencia: un mercado curado se parece lo suficiente a una plataforma tradicional de influencers como para no activar el reflejo de política de API que mató a Yaps.

Capital Launchpad: El caballo de batalla silencioso​

Capital Launchpad es la pieza más infravalorada del nuevo Kaito. Es una plataforma de venta de tokens basada en el mérito — posicionada explícitamente contra la asignación por orden de llegada (FCFS), el modelo que ha convertido cada venta importante de launchpad en un frenesí de bots.

La asignación se basa en cinco criterios: reputación social dentro de la comunidad cripto, tenencias on-chain (no limitadas a KAITO), alineación histórica con el proyecto o sector, distribución regional y nivel de convicción. Mecánicamente: el proyecto establece los términos, los participantes se comprometen con un depósito, el proyecto revisa los compromisos frente a los criterios y cualquier cantidad no asignada se abre a FCFS. La participación requiere KYC y USDC en Base.

Por qué esto importa: Capital Launchpad no depende de X. Depende de los datos on-chain y del gráfico de reputación propio de Kaito, elementos que Kaito controla. Si Yaps era el motor de crecimiento para el consumidor, Capital Launchpad es el producto de ingresos institucionales y, notablemente, la única pieza del ecosistema de Kaito que sobrevive inalterada ante cualquier escenario de plataformas sociales.

Mercados de Atención con Polymarket : De Publicar a Apostar​

La asociación con Polymarket , anunciada en febrero de 2026, es el movimiento estratégicamente más interesante. Kaito + Polymarket lanzaron lo que llaman "Mercados de Atención" — mercados de predicción donde los usuarios apuestan por la cuota de atención (mindshare) y el sentimiento de marcas, tendencias y figuras públicas, con los datos de Kaito agregando señales a través de X , TikTok , Instagram y YouTube .

Dos mercados se lanzaron para el 11 de febrero de 2026. Para el 31 de marzo, el propio mercado piloto de cuota de atención de Polymarket tenía más de $ 1.3 M en volumen de operaciones. El plan: docenas de mercados de atención a principios de marzo, "cientos para finales de año", primero temas de IA , luego entretenimiento y eventos mundiales.

La lógica del pivote es elegante una vez que se analiza:

• Yaps requería que X permitiera a Kaito incentivar las publicaciones. X dijo que no.
• Los Mercados de Atención solo requieren que Kaito mida las publicaciones. La medición es una solicitud mucho más débil — sobrevive a la mayoría de las políticas de las plataformas porque no hay una capa de incentivos adjunta al comportamiento del usuario en la plataforma misma.
• La acción económica se traslada a Polymarket , donde las apuestas son todo el negocio de la plataforma y no una externalidad tolerada.

Esto es arbitraje de riesgo de plataforma en forma de producto. Kaito mantuvo la capa de datos (medición de la cuota de atención) y externalizó la capa de especulación (mercados de predicción) a un lugar que busca la especulación. Brillante — siempre que se considere una gran advertencia sobre la integridad de los datos, a la que llegaremos.

Kaito Pro y Kaito Markets : El Long Tail​

Kaito Pro , el asistente de investigación de IA para traders y analistas de criptomonedas, continúa como el producto B2B de estilo SaaS . Kaito Markets se ha anunciado pero aún no se ha lanzado. Combinados, extienden la empresa hacia un stack que se parece más a un Bloomberg para cripto que al juego de atención al consumidor con el que comenzó.

La Lección Real: InfoFi es un Sector Alojado​

La dolorosa verdad que expone el pivote de Kaito — para toda la categoría InfoFi — es estructural.

El argumento era: la atención tiene valor económico, las blockchains pueden medirla y recompensarla, por lo tanto, la atención puede ser tokenizada como una primitiva. El argumento asumía silenciosamente que las plataformas donde vive la atención permanecerían como sustratos de medición neutrales.

No lo son. Son productos competitivos con sus propios stacks de monetización. Un modelo mental razonable es que las plataformas InfoFi no están construyendo sobre las redes sociales; están construyendo dentro de ellas, a discreción del anfitrión. Eso cambia el perfil de riesgo de todo el sector:

• Cookie3 se construyó en torno a la infraestructura de datos de Cookie DAO y analíticas modulares de economía de agentes — la misma dependencia del scraping de terceros.
• Grass evita el problema de las API pagando a los usuarios por el ancho de banda residencial que alimenta a los scrapers de IA ( $ GRASS recompensa el uso compartido de ancho de banda, actualmente un token de cientos de millones de dólares). Es una cobertura real, pero también una pieza mucho más pequeña del área de superficie.
• Vana elude el problema con DAOs de datos propiedad de los usuarios — pero los datos deben ser autorizados (opt-in), lo que hace que la audiencia sea mucho más pequeña que el grafo orgánico de X .
• Wayfinder (PROMPT) , Ethos , Wallchain , GiveRep , Mirra — todos dependen de alguna forma de las señales de X o plataformas comparables.

Cada uno de estos proyectos tiene un perfil de fragilidad diferente, pero el patrón común es: cuanto menor es su dependencia de una sola API cerrada, menor tiende a ser su audiencia direccionable. Existe un intercambio brutal entre la escala de atención medible y la resiliencia a las decisiones de la plataforma — y los dos extremos de ese intercambio no son el mismo negocio.

¿Fue el Token $ KAITO Castigado Justamente?​

El mercado descontó esto rápidamente. De un pico de FDV cercano a $1.2 B en el apogeo de la locura de Yaps , KAITO se contrajo a una capitalización de mercado de aproximadamente$ 74 M a principios de febrero de 2026. Para abril de 2026, se ha recuperado a una capitalización de mercado de ~ $98 M ($ 407 M de FDV ) con un suministro circulante de 241 M de un máximo de 1 B. Eso no es una recuperación de InfoFi — es un reinicio.

Algunas cosas que vale la pena notar:

• La utilidad del token cambió, no desapareció. Yaps vinculaba KAITO a las recompensas del Leaderboard. La nueva utilidad es la gobernanza sobre las asignaciones de Capital Launchpad , una parte del flujo de tarifas de Kaito Studio y la integración con la licencia de datos de los Mercados de Atención. Ninguna de estas es tan viral como "publicar y ganar", pero también dependen mucho menos de las plataformas.
• Los flujos de efectivo de Capital Launchpad son reales. La asignación basada en méritos que requiere KYC y compromisos de USDC genera ingresos cada vez que un proyecto se lista. Si Kaito mantiene 1 o 2 lanzamientos por mes con un TVL significativo, ese es un flujo de ingresos recurrentes que no existía en el antiguo modelo de Yaps .
• Polymarket está limitado por Polymarket . Los ingresos de los Mercados de Atención dependen de la propia voluntad de Polymarket para escalar el formato. Kaito obtiene una parte como socio, pero no es el operador.

La pregunta sin respuesta es si la medición de la atención, vendida como un producto de datos B2B a marcas y traders, es un negocio de $100 M de capitalización o uno de más de$ 1 B . La respuesta actual del mercado es "aún no lo sabemos, está en algún punto intermedio".

El Problema de Integridad de Datos que Nadie Quiere Resolver​

La asociación con Polymarket tiene una gran vulnerabilidad que merece más atención de la que recibe: si los pagos dependen de las métricas de las redes sociales, la interacción artificial es un vector de pago.

Comprar tráfico de bots es barato. Coordinar impulsos de influencers es normal. Manipular los feeds de tendencias impulsados por algoritmos es un oficio conocido. Los mercados de atención pagan basándose en números que — por propia admisión de Kaito — se agregan de plataformas externas cuyos sistemas anti-spam son imperfectos en el mejor de los casos.

Kaito y Polymarket no han detallado públicamente cómo resolverán las disputas cuando un mercado cierre basado en una señal de cuota de atención manipulada. Las respuestas naturales son alguna combinación de: detección de anomalías impulsada por IA , redundancia de oráculos, intervención manual por parte de la capa de disputas al estilo UMA de Polymarket y, probablemente, la eventual aparición de un nivel de "cuota de atención verificada" que cueste más proporcionar.

Hasta entonces, los mercados de atención son un objetivo legítimo para las mismas estrategias de trading coordinado + interacción coordinada que ya existen en las campañas de influencia cripto. El primer mercado de atención con un volumen de $ 1 M que cierre basándose en una métrica manipulada será un evento que definirá la categoría — para bien o para mal.

Qué significa esto para los desarrolladores​

Tres conclusiones del pivot de Kaito que se pueden generalizar más allá del sector InfoFi :

1. Si su producto depende de una API cerrada, trátelo como una relación de inquilino, no como una integración. Los inquilinos son desalojados. Planifique para ello.
2. Los pivots ejecutados en días sugieren pivots planificados durante meses. La velocidad del lanzamiento del producto de reemplazo de Kaito es una señal — la contingencia estaba lista antes de que se activara el detonante.
3. La pieza más defendible de cualquier negocio de atención son los datos, no la distribución. Yaps era la distribución ; Capital Launchpad y Attention Markets son la capa de datos monetizada de manera diferente. Los datos sobrevivieron. La distribución no.

Para los desarrolladores que construyen en espacios adyacentes — plataformas de agentes, sistemas de reputación, identidad on-chain — , la lección es anclar su valor duradero a los datos y la infraestructura que controlan, y tratar cualquier gráfico social externo como una característica, no como una base. BlockEden.xyz proporciona una infraestructura de API confiable para más de una docena de cadenas, por lo que las partes de su stack que interactúan con datos on-chain no agregan su propio riesgo de dependencia de plataforma por encima de los que no se pueden evitar.

¿Sobrevivió la economía de la atención?​

La respuesta honesta : sí, pero es más pequeña y bajo términos diferentes.

La versión maximalista de InfoFi — sin permisos, impulsada por tablas de clasificación, donde cada tweet es una unidad de valor — ha muerto en su forma de 2024 - 2025. El pivot de Kaito es el funeral. Lo que lo reemplaza es más aburrido y probablemente más duradero : mercados de creadores curados, mercados de predicción sobre señales sociales, asignación de capital basada en méritos y productos de analítica B2B. Menos impulso narrativo, más ingresos recurrentes.

La categoría pasó de " estamos tokenizando la atención en sí misma " a " estamos vendiendo herramientas que operan con datos de atención ". Eso es una reducción. También es algo más cercano a un negocio real.

Para la próxima ola de desarrolladores que persiguen primitivas sociales tokenizadas, el anuncio del 15 de enero de Kaito debería ser una lectura obligatoria. La tesis de que la atención tiene un valor económico era correcta. Estaba equivocada sobre quién logra capturarlo. Cualquiera que construya sobre el gráfico social de otra persona está, al final, construyendo dentro de un arrendamiento sin contrato.

La narrativa de InfoFi no ha terminado. Pero su centro de gravedad se ha desplazado del tweet a la operación — del parloteo a la asignación, del " yapping " al " allocating ". Esa es una superficie mucho más pequeña para que la política de X la interrumpa la próxima vez. Lo cual es, en última instancia, el punto de todo el pivot.

En dos años, el usuario humano podría convertirse en un error de redondeo en Solana.

Eso no es una metáfora. Es el pronóstico explícito de Vibhu Norby, director de producto de la Fundación Solana, quien dijo a las audiencias de la industria en marzo de 2026 que "el 99.99 % de todas las transacciones on-chain en 2 años serán impulsadas por agentes, bots y billeteras basadas en LLM y productos de trading". En una entrevista separada, amplió ligeramente el rango a "entre el 95 y el 99 % de todas las transacciones" originadas por modelos de lenguaje de gran tamaño que actúan en nombre de un usuario. De cualquier manera, el mensaje es el mismo: la era de los humanos haciendo clic en "Firmar transacción" en una ventana emergente de la billetera está terminando, y Solana está construyendo para la era que viene después.

Esta es la visión más agresiva del internet agéntico que cualquier Capa 1 importante haya registrado. La respuesta de Ethereum ha sido lanzar estándares — ERC-8004 para la identidad de agentes, ERC-8183 para el comercio de agentes sin confianza. La respuesta de Solana ha sido lanzar capacidad de procesamiento y publicar un skill.txt en la raíz de su sitio web para que los agentes de IA puedan leerlo y descubrir cómo crear una billetera por su cuenta. Los dos enfoques revelan algo más profundo que una rivalidad de marketing. Revelan una verdadera división filosófica sobre para qué debería optimizarse una blockchain "agéntica".

Los agentes de IA ahora manejan aproximadamente el 19 % de toda la actividad DeFi on-chain. Solo BNB Chain alberga más de 150.000 agentes desplegados — frente a los menos de 400 a principios de año, un aumento del 43.750 % en menos de cuatro meses. Los bots generan más del 76 % del volumen de transferencia de stablecoins, y Gartner espera que el 40 % de las aplicaciones empresariales integren agentes de IA específicos para tareas para finales de 2026.

Solo hay un problema: nadie sabe quiénes son estos agentes. El KYC fue diseñado para verificar humanos. Los marcos de cumplimiento de la próxima década tienen que verificar software autónomo — y el estándar que gane esta batalla capturará silenciosamente uno de los verticales regulatorios más grandes en los servicios financieros. a16z lo llama KYA: Know Your Agent (Conozca a su Agente).

Los agentes de IA ahora originan aproximadamente una quinta parte de cada transacción de DeFi. También pierden frente a los traders discrecionales humanos por un factor de cinco en cualquier concurso que implique decisiones reales. Esa brecha incómoda — entre la participación del flujo que los agentes ya controlan y el alpha que consistentemente no logran generar — es el punto de datos más importante en el debate de la "economía agéntica" de las criptomonedas, y llegó este mes gracias a un informe de investigación de DWF Ventures que desinfla discretamente un año de marketing.

El CEO de Coinbase, Brian Armstrong, pasó el último trimestre diciendo a todo aquel que quisiera escuchar que la economía agéntica superará a la economía humana. Su empresa lanzó Agentic.market, una tienda de aplicaciones para agentes de IA que ya ha procesado 165 millones de transacciones y $ 50M en volumen a través de 480,000 agentes. La tesis es que las máquinas transaccionarán entre sí a través de stablecoins porque no pueden abrir cuentas bancarias. Las cifras, en la superficie, son irresistibles.

Pero los datos de DWF sugieren que estamos confundiendo el volumen del flujo con el rendimiento — y la distinción importa enormemente para cualquiera que decida dónde asignar el gasto en infraestructura, la atención de las auditorías o el capital en 2026.

El titular del 19 % oculta tres negocios diferentes​

Cuando el titular de Decrypt dice "Los agentes de IA ya manejan una quinta parte de DeFi", ¿qué contiene realmente ese 19 %?

El propio desglose de DWF — corroborado por la cobertura de PANews sobre el mismo informe — agrupa la actividad de los agentes en tres categorías muy diferentes:

1. Narrow extractive bots (Bots extractivos especializados) — buscadores de MEV, atacantes de sándwich, activadores de liquidación, arbitrajistas entre DEXes. Estos son programas deterministas con, en el mejor de los casos, un pegamento de LLM, y la mayoría de ellos preceden a la etiqueta de "agente" por varios años.
2. Structured optimizers (Optimizadores estructurados) — enrutadores de rendimiento de stablecoins como ARMA de Giza, que ha gestionado de forma autónoma $ 32M en activos de usuarios a través de 102,000 transacciones, y rebalanceadores que mueven fondos entre Aave, Morpho y Pendle cuando las tasas divergen. Estos realmente utilizan el razonamiento de LLM, pero dentro de límites extremadamente estrechos.
3. Open-ended trading agents (Agentes de trading de propósito general) — los agentes autónomos de trading que acaparan los titulares, que leen el sentimiento, evalúan las narrativas y realizan apuestas direccionales. Esta es la parte más pequeña del 19 %, y es la parte que pierde estrepitosamente.

La confusión importa porque cada categoría tiene un perfil de demanda diferente, un modo de falla diferente y una huella de infraestructura diferente. Contar los tres como "agentes de IA" es más o menos equivalente a contar trabajos cron, pipelines de ETL y gestores de carteras senior como "tomadores de decisiones automatizados". Técnicamente cierto. Operacionalmente sin sentido.

Donde ganan los agentes: Optimización de rendimientos, por goleada​

Las victorias más claras de los agentes están ocurriendo exactamente donde el problema está bien definido y la superficie de optimización está delimitada.

El informe de DWF — según el resumen de KuCoin — encuentra que los agentes de optimización de rendimientos están entregando retornos anualizados superiores al 9 % en algunos grupos, con el ARMA de Giza alcanzando el 15 % en USDC (parcialmente impulsado por incentivos de tokens, pero aun así). ¿Por qué? Porque la tarea se reduce a: escanear N mercados de préstamos, calcular el APY neto después de gas y slippage, y rebalancear cuando el delta supera un umbral. No hay narrativa. No hay cambio de régimen. Hay un número, y el agente que optimiza el número gana.

La misma lógica se aplica a la captura de MEV, el enrutamiento de stablecoins y las operaciones de base (basis trades). Estos son problemas que recompensan la latencia de reacción de subsegundos, los cierres (stops) sin emociones y la ejecución 24/7 — tres cosas en las que los humanos son constitucionalmente malos y para las que las máquinas están optimizadas. La cuota de volumen del 19 % en estos nichos no es un artefacto del hype. Es una ganancia de eficiencia real que es poco probable que los humanos recuperen.

Los datos de Agentic.market de Coinbase refuerzan el mismo patrón: de los 165M de transacciones procesadas a través de x402, las categorías dominantes son inferencia, acceso a datos y llamadas a infraestructura — tareas delimitadas, repetibles y amigables para las máquinas. Los agentes son buenos siendo máquinas.

Donde pierden los agentes: Cualquier cosa que requiera juicio​

La brecha de 5 a 1 aparece en el momento en que la tarea se amplía.

DWF cita un concurso de trading de acciones de tradexyz en el que el mejor trader discrecional humano superó al mejor agente autónomo por más de cinco veces en el retorno ajustado al riesgo. Los autores del informe son tajantes sobre el porqué: "Donde fallan es en el trading de propósito general, que requiere razonamiento contextual, conciencia narrativa y evaluación de información no estructurada".

Desglose el bajo rendimiento y surgirán tres patrones:

• Sobre-operar con deslizamiento. Los agentes carecen de la paciencia que les resulta natural a los humanos cuando esperan configuraciones favorables. Realizan operaciones marginales que se acumulan en un lastre de costos de transacción.
• Ceguera de régimen. Cuando la historia macro cambia — un giro de la Fed, las secuelas de un exploit, un titular regulatorio — los humanos se reposicionan en segundos basándose en un tuit. Los agentes entrenados en datos de regímenes anteriores siguen ejecutando la estrategia de ayer.
• Fragilidad adversaria. Los agentes predecibles terminan siendo víctimas de ataques de sándwich. La cobertura de Cryptollia sobre el panorama de MEV en 2026 describe un "bosque oscuro" de IA contra IA donde los agentes extractivos cazan específicamente los patrones de los agentes optimizadores. La predictibilidad del optimizador se convierte en la ventaja del depredador.

El mismo informe de DWF concluye que "una línea de tiempo realista es de cinco a siete años antes de que el volumen agéntico rivalice significativamente con el volumen humano en cualquier vertical financiera importante". Esa es una predicción notable de un fondo cuya tesis de cartera completa depende de que la adopción de agentes tenga éxito. Cuando los creyentes dicen de cinco a siete años, la lectura honesta es "no en 2026, y posiblemente no en 2028".

La factura de la infraestructura llega de todos modos​

Aquí está la parte que la mayoría de los comentarios sobre la economía agéntica pasan por alto: la brecha de rendimiento es irrelevante para la carga de la infraestructura.

Incluso si cada agente de trading autónomo pierde dinero, los agentes que ganan — optimizadores de rendimiento, buscadores de MEV, enrutadores de stablecoins — generan volúmenes de consulta que eclipsan el consumo de RPC de los humanos. Un solo agente de estilo ARMA que realiza reequilibrios en cinco protocolos de préstamo hace ping a la cadena cientos de veces al día por usuario. Si multiplicamos esto por los más de 17,000 agentes que DWF contabiliza como lanzados desde 2025, y luego nuevamente por los 480,000 agentes que ahora realizan transacciones en el x402 de Coinbase, la implicación es clara: el volumen de consultas de los agentes puede crecer 10 veces más rápido que el AUM (activos bajo gestión) de los mismos.

Este es el cambio silencioso dentro de la narrativa "agéntica". La economía unitaria interesante no es si el agente genera alfa — es si su huella de lectura y escritura escala linealmente con los usuarios o cuadráticamente con la complejidad de la estrategia. Cualquiera que gestione infraestructura para estos sistemas ya está viendo la respuesta, y es "cuadráticamente".

Eso tiene consecuencias para los precios de RPC, la carga de los indexadores, los costes de vigilancia de la mempool y los mercados de gas. Incluso un futuro en el que los agentes colectivamente tengan un rendimiento inferior al de los humanos en el trading es un futuro en el que los agentes dominan el tráfico de lectura, las solicitudes de firma y los saltos de los enrutadores de intención.

La apuesta de Brian Armstrong, recalibrada​

La tesis de Armstrong sobre la economía de máquina a máquina no es incorrecta. Simplemente está operando en una escala de tiempo diferente a la que sugieren sus prioridades trimestrales.

El propio marco de Coinbase — "para que la economía agéntica supere a la economía humana, los agentes necesitan una forma de descubrir servicios" — es honesto sobre la brecha. El descubrimiento es un problema de 2026. El razonamiento es un problema de 2030. La capa intermedia, que capturan los datos de DWF, es donde se está ganando el dinero real hoy: optimizadores estructurados en dominios estrechos, pagados por usuarios que no quieren gestionar su propia estrategia de rendimiento.

La segmentación honesta para 2026 se ve así:

• Nichos de agentes rentables y listos para producción: enrutamiento de rendimiento de stablecoins, reequilibrio entre cadenas (cross-chain), ejecución de intenciones resistente a MEV, bots de gestión de tesorería para DAOs.
• Madurez media, resultados mixtos: agentes de trading basados en el sentimiento social, agentes de mercados de predicción (donde la IA alcanza una precisión un 27% mejor que los humanos en algunos estudios), estrategias de rotación de narrativa.
• Hype pero aún sin alfa: traders discrecionales totalmente autónomos, agentes de razonamiento de múltiples pasos que gestionan carteras direccionales, capas de orquestación de agente de agentes.

Una empresa que despliega capital en la categoría uno en 2026 está comprando un producto real. Una empresa que despliega capital en la categoría tres está comprando un proyecto de investigación que puede o no producir retornos para 2030.

Qué significa esto para los constructores​

Para los desarrolladores y operadores de infraestructura, la cifra del 19% crea dos oportunidades distintas y una trampa.

Las oportunidades: construir para los agentes de dominio acotado que ya funcionan (enrutadores de stablecoins, optimizadores de rendimiento, ejecución consciente de MEV) y estarás sirviendo a un mercado en crecimiento con una disposición probada a pagar. Construir para la huella de agentes pesada en lectura y estarás sirviendo a una curva de carga que está subiendo más rápido de lo que el presupuesto de cualquier persona anticipó.

La trampa: construir marcos de trading autónomos para su despliegue en 2026 cuando la brecha de capacidad subyacente está a cinco o siete años de cerrarse. Los agentes que prometen "superar a los traders discrecionales humanos" hoy en día son, en gran medida, un empaquetado de las mismas estrategias de MEV que han existido desde 2020 con un LLM frente al estimador de gas.

Para el resto del mercado — asignadores de capital, gestores de tesorería, usuarios minoristas que se preguntan si deben entregar su cartera a un chatbot — la respuesta para 2026 es la aburrida: usar agentes donde ganan de manera verificable (rendimiento, enrutamiento, ejecución), no donde el marketing promete que lo harán.

El número que realmente importa​

Si eliminamos los bots de optimización, los buscadores de MEV y los enrutadores de stablecoins, la cuota del volumen de DeFi proveniente de agentes de razonamiento genuinamente autónomos probablemente esté más cerca del 2-3% que del 19%. Ese es el número a observar durante los próximos 24 meses.

Si sube del 2% hacia el 10% para mediados de 2027, la tesis de Armstrong va por buen camino. Si se mantiene plano mientras la cifra general del 19% sigue subiendo — lo que significa que los bots especializados se vuelven más eficientes pero los agentes de razonamiento no se vuelven más inteligentes — entonces la economía agéntica es real, pero es una historia de infraestructura de backend, no una revolución en la gestión de carteras.

De cualquier manera, los datos ya han separado el marketing de las matemáticas. El titular del 19% es cierto. La brecha de 5 a 1 también es cierta. Cualquiera que apueste por la economía de los agentes sin tener ambos números en la cabeza está apostando por una historia con la que la propia gente que escribe la investigación ya no está de acuerdo.

BlockEden.xyz impulsa los indexadores, los endpoints RPC y la infraestructura de enrutamiento de intenciones en la que se basa el DeFi impulsado por agentes — a través de Sui, Aptos, Ethereum, Solana y más de 27 cadenas adicionales. Explore nuestro marketplace de APIs para construir agentes en una infraestructura diseñada para las cargas de trabajo pesadas en lectura y densas en firmas que demandará la próxima ola de DeFi autónomo.

Por primera vez en la corta historia de la IA, un hiperescalador ha entregado las llaves de su modelo de lenguaje de gran tamaño insignia a una blockchain. El 21 de abril de 2026, la Fundación 0G y Alibaba Cloud anunciaron una asociación que hace que Qwen — la familia de LLM de código abierto más descargada del mundo — sea directamente invocable por agentes autónomos on-chain, con inferencia tarifada en tokens en lugar de claves API.

Lea eso de nuevo. Sin registro de cuenta. Sin tarjeta de crédito. Sin formularios de límite de tasa. Un agente con una wallet puede simplemente llamar a Qwen3.6 y pagar por cada millón de tokens en $0G, de la misma manera que un contrato llama a un pool de Uniswap. Ese único cambio arquitectónico — tratar la inferencia de un modelo base como un recurso programable en lugar de un producto SaaS — puede ser la historia de cripto-IA más trascendental del año.

En las mismas tres semanas en que el cofundador de Bittensor, Const, propuso reescribir los derechos de voto de la red y Covenant AI abandonó sus tres subredes insignia, un evento más silencioso remodeló el futuro del protocolo de manera aún más profunda: el 2 de abril de 2026, la Fundación Opentensor transfirió la propiedad de nueve repositorios principales de GitHub —incluyendo el SDK de Python de Bittensor y la herramienta de línea de comandos btcli— a una nueva entidad llamada Latent 11.

La transferencia se presentó como descentralización. En la práctica, concentra el control de la única implementación de cliente de Bittensor en una sola organización nueva, en el momento exacto en que la gobernanza de la red se está desmoronando. Es la rara historia cripto donde cada lectura plausible —alcista, bajista y existencial— depende de lo que suceda en los próximos seis meses.

En marzo de 2026, unas pocas docenas de mineros anónimos con conexiones de internet domésticas entrenaron un modelo de lenguaje de 72 mil millones de parámetros que obtuvo una puntuación muy cercana a la de Llama 2 70B de Meta. Seis semanas después, el equipo que lideró ese esfuerzo se marchó, vendió 10 millones de dólares en TAO y calificó la descentralización de Bittensor como "puro teatro". Ahora la comunidad superviviente quiere hacerlo de nuevo —a una escala catorce veces mayor, en aproximadamente cuatro semanas, con toda la tesis de la IA descentralizada dependiendo del resultado.

Esta es la historia de cómo la Subnet 3 de Bittensor —recientemente rebautizada como Teutonic tras la salida de Covenant AI— se convenció de realizar una ejecución de entrenamiento de 1 billón de parámetros programada para aterrizar de lleno en el periodo de revisión del ETF de TAO de Grayscale por parte de la SEC. Es una apuesta a que la capa de incentivos del protocolo es más importante que las personas que la construyeron, y que la misma red que sobrevivió a una crisis de gobernanza puede entregar el "momento DeepSeek" para la IA descentralizada antes de que los reguladores decidan si permiten que Wall Street entre en el juego.

Cómo un modelo de 72B se convirtió en la marca de referencia para la IA sin permisos​

La historia comienza el 10 de marzo de 2026, cuando la Subnet 3 —que entonces operaba bajo el nombre de Templar— anunció Covenant-72B, un modelo de 72 mil millones de parámetros entrenado con aproximadamente 1.1 billones de tokens por más de 70 mineros independientes coordinados a través de la internet pública. Fue, por un amplio margen, la ejecución de pre-entrenamiento de LLM descentralizada más grande jamás completada.

El benchmark que importaba: una puntuación MMLU de 67.1, situando a Covenant-72B en el mismo rango que el Llama 2 70B de Meta —un modelo producido por uno de los laboratorios de IA mejor financiados del planeta. El CEO de NVIDIA, Jensen Huang, comparó públicamente el esfuerzo con un "folding @ home moderno para la IA". El token de la subnet Templar se disparó y, en su punto máximo, su valoración de mercado superó los 1,500 millones de dólares.

El avance técnico no fue la arquitectura del modelo. Fue la capa de coordinación. Dos piezas hicieron el trabajo pesado:

• SparseLoCo, un algoritmo de entrenamiento eficiente en comunicación que redujo los requisitos de ancho de banda entre nodos en 146x a través de la esparcificación, cuantización de 2 bits y retroalimentación de errores. Sin esto, una ejecución de entrenamiento a escala de frontera en internet residencial sería físicamente imposible —la sincronización de gradientes por sí sola saturaría la conexión de cada minero.
• Gauntlet, el sistema de incentivos validado por la blockchain de Bittensor que calificó la contribución de cada minero mediante la evaluación de pérdida y clasificaciones de OpenSkill, pagando TAO a los nodos de alta calidad y aplicando slashing al resto.

Juntos produjeron algo genuinamente nuevo: una red sin permisos de colaboradores anónimos, coordinados únicamente a través de incentivos criptográficos, entrenando un modelo competitivo con los resultados de laboratorios de miles de millones de dólares.

Luego, algo se rompió.

La salida de Covenant: $900 millones borrados en doce horas​

El 10 de abril de 2026, Sam Dare —fundador de Covenant AI, el equipo detrás de tres de las subnets más valiosas de Bittensor (SN3 Templar, SN39 Basilica y SN81 Grail)— anunció que se marchaba. En cuestión de horas, liquidó aproximadamente 37,000 TAO, unos 10.2 millones de dólares, y publicó una acusación de despedida: que el cofundador Jacob Steeves ("Const") ejercía un control centralizado sobre el protocolo, y que la descentralización de Bittensor era una actuación, no arquitectura.

La reacción del mercado fue inmediata. TAO se desplomó un 20–28% dependiendo del periodo de medición, borrando aproximadamente $650–900 millones de capitalización de mercado en un lapso de 12 horas. A los tokens alpha de las subnets les fue peor —Grail (SN81) cayó un 67% en el fondo. Se liquidaron alrededor de 10 millones de dólares en posiciones largas.

Dos hechos mitigaron el pánico:

1. Las subnets no murieron. Los mineros de la comunidad reiniciaron SN3, SN39 y SN81 a partir de código de código abierto sin un operador central. La infraestructura que construyó Covenant era, de hecho, recuperable a partir de los artefactos públicos —lo que posiblemente demuestra la tesis de descentralización que Dare cuestionaba.
2. El 70% del suministro de TAO permaneció en stake durante la interrupción. Los holders a largo plazo no siguieron a Dare hacia la salida.

Pero la red tenía un problema de credibilidad. Si Covenant —el equipo que entregó el logro técnico principal de Bittensor— podía irse en la cima y hundir el token, ¿qué impide que el próximo operador de subnet haga lo mismo?

El Mecanismo de Convicción: bloqueando a las personas que pueden irse​

La respuesta de Const llegó el 20 de abril de 2026, diez días después de la partida de Dare. BIT-0011, denominado el Mecanismo de Convicción, propone un régimen de Stake Bloqueado que obliga a los propietarios de subnets a bloquear TAO por meses o años a cambio de un "puntaje de convicción" que se traduce en derechos de voto y propiedad de la subnet.

La mecánica:

• El puntaje de convicción comienza en 100% y decae en intervalos de 30 días si no se reponen los tokens en el bloqueo.
• El poder de voto y los derechos de propiedad disminuyen en paralelo con el decaimiento, haciendo que la fuga repentina de capital sea económicamente costosa en lugar de solo vergonzosa.
• El sistema se dirige primero a las subnets maduras —SN3, SN39 y SN81— exactamente las tres que operaba Covenant.

La broma pesada: se dice que BIT-0011 fue redactado por el propio Sam Dare antes de su partida. El fundador saliente escribió las reglas diseñadas para evitar que los fundadores se marchen.

La propuesta aborda una debilidad estructural real —los operadores de subnets anteriormente podían liquidar posiciones sin penalización de gobernanza— pero también concentra el poder en manos de los bloqueadores a largo plazo, lo cual es su propia forma de centralización. Si ese es el intercambio correcto depende de lo que se considere el principal riesgo de Bittensor: la deserción de los fundadores o la captura oligárquica.

Teutonic y el objetivo ambicioso de un billón de parámetros​

En ese contexto, la subred Teutonic rebautizada (SN3, anteriormente Templar) se ha comprometido públicamente a una ejecución de entrenamiento descentralizado de 1 billón de parámetros para mediados a finales de mayo de 2026. Eso es aproximadamente 14 veces la escala de Covenant-72B, sobre la misma arquitectura fundamental, con un equipo restaurado por la comunidad en lugar de los ingenieros originales de Covenant.

El momento estratégico es imposible de ignorar. Grayscale presentó su enmienda S-1 para el ETF spot Bittensor Trust (ticker propuesto GTAO) en la NYSE Arca el 2 de abril de 2026. La ventana de decisión de la SEC se sigue actualmente para agosto de 2026. Una ejecución de entrenamiento de 1 billón de parámetros (1T) exitosa en mayo aterrizaría en el pico de la deliberación de los reguladores — exactamente cuando "¿es esta una tecnología real o un meme?" se convierte en la pregunta fundamental. Grayscale ya aumentó la ponderación de TAO dentro de su fondo de IA más amplio al 43,06 % el 7 de abril, la mayor reasignación de un solo activo que ese fondo haya realizado jamás.

El argumento alcista se escribe solo: lanzar un modelo descentralizado creíble de 1 billón de parámetros, convertirse en el "momento DeepSeek" que la aprobación del ETF necesita para justificar la entrada de capital institucional y revalorizar toda la categoría de IA descentralizada en un solo trimestre.

El argumento bajista es de ingeniería, no de marketing.

Por qué escalar el entrenamiento descentralizado es difícil de formas que los laboratorios de frontera no enfrentan​

Los modelos centralizados de más de 1 billón de parámetros — GPT-5, Claude 4.7 Opus, Gemini 2.5 Ultra — se entrenan dentro de instalaciones donde cada GPU está conectada a todas las demás a través de infraestructuras diseñadas a medida como NVLink e InfiniBand, con latencias de submicrosegundos y un ancho de banda de terabits por segundo. Incluso en esas condiciones, la sincronización de gradientes es el cuello de botella. Las investigaciones publicadas encuentran de manera consistente que más del 90 % del tiempo de entrenamiento de los LLM puede gastarse en la comunicación en lugar del cómputo cuando el escalado es ingenuo.

Los mineros de Teutonic se coordinan a través de latencias WAN de aproximadamente 100 ms en internet residencial. La única razón por la que Covenant-72B fue posible es la compresión de 146x del volumen de comunicación de SparseLoCo. Escalar a 1 billón de parámetros cambia la ecuación de tres maneras incómodas:

1. El tamaño del gradiente escala de forma aproximadamente lineal con el recuento de parámetros. Un modelo 14 veces mayor significa 14 veces más datos para sincronizar por paso, incluso antes de considerar el estado del optimizador.
2. La sobrecarga de coordinación entre nodos históricamente escala de forma superlineal con el recuento de trabajadores. Si Teutonic duplica su grupo de nodos de aproximadamente 70 a 256, el costo de comunicación all-reduce no solo se duplica — puede crecer de 4 a 10 veces dependiendo de la topología.
3. Los modos de falla se agravan. Un nodo que se desconecta a mitad del paso en una red de 70 nodos es un evento de slashing pequeño. En una red de 256 nodos que ejecuta gradientes 14 veces más grandes, la misma caída puede detener toda la ronda de entrenamiento.

Nada de esto es irresoluble. Existe un cuerpo de investigación sobre entrenamiento descentralizado — pre-entrenamiento heterogéneo de bajo ancho de banda, FusionLLM, superposición de comunicación-cómputo, compensación de gradiente retardado — que apunta exactamente a este régimen. Pero casi todo ha sido validado a la escala de 7B a 70B. Una ejecución de 1 billón de parámetros en hardware de consumo distribuido geográficamente sería una contribución de investigación por derecho propio, no solo el lanzamiento de un producto.

La lectura honesta: Teutonic está asumiendo un desafío de ingeniería de nivel de investigación con un plazo de nivel de marketing. O bien funciona y se convierte en el evento de credibilidad que todo el ecosistema dTAO necesita, o se detiene públicamente durante la ventana de revisión más atenta de la SEC.

El panorama de la IA descentralizada que Teutonic debe sobrevivir​

Teutonic no es el único proyecto que intenta alcanzar el hito del "1 billón de parámetros descentralizado creíble" en 2026. El mapa competitivo se está llenando rápido:

• Gensyn lanzó su mainnet el 22 de abril de 2026 — el mismo día que se publica este artículo — vinculando el lanzamiento con Delphi Markets, una capa de emparejamiento impulsada por IA para trabajos de computación. Al cierre del día, Gensyn informaba un hashrate equivalente a más de 5000 NVIDIA H100. Mientras que Bittensor vende coordinación sin permisos junto con un volante de incentivos por tokens, Gensyn se posiciona como un mercado de cómputo de IA verificable con pruebas criptográficas de ejecución correcta.
• Ritual ha ido en la dirección opuesta, inclinándose hacia la inferencia en lugar del entrenamiento. Su tecnología Infernet permite que cualquier contrato inteligente solicite una salida de IA y reciba una prueba criptográfica de que el modelo especificado se utilizó sin modificaciones. Esa es la tesis de la "IA verificable en DeFi", no la tesis de "entrenar modelos de frontera desde cero".
• Ambient y Origins Network están haciendo apuestas adyacentes — diferentes diseños de incentivos, diferentes estrategias de verificación, pero con el mismo objetivo a largo plazo de romper el monopolio de los laboratorios centralizados en el entrenamiento de frontera.

Estos proyectos no compiten directamente por el mismo hito, pero todos compiten por el mismo fondo finito de atención y capital. Si la mainnet de Gensyn captura la narrativa de que "la IA descentralizada ya está aquí" a través de cargas de trabajo comerciales, la ejecución de entrenamiento de mayo de Teutonic se convierte en un referéndum sobre si el enfoque específico de Bittensor — competencia de subredes más incentivos ponderados por tokens — es la arquitectura correcta o la primera iteración que acaba siendo superada.

Por qué esto importa más allá de TAO​

Tres cosas se pondrán a prueba simultáneamente durante las próximas cuatro a seis semanas:

Si el entrenamiento descentralizado escala. Si Teutonic tiene éxito, la tesis del "Bitcoin del cómputo de IA descentralizada" sobrevive. Si falla, la salida de Covenant se leerá como el momento en que el entrenamiento basado en subredes alcanzó su punto máximo: un techo de 72 B en lugar de una base de 72 B.

Si el Mecanismo de Convicción es la solución de gobernanza adecuada. Bloquear a los operadores de subredes evita otro desplome al estilo de Covenant, pero crea un nuevo modo de falla donde quienes bloquean a largo plazo pueden atrincherarse. El modelo de mantenedores distribuidos de Bitcoin Core, el desarrollo centralizado continuo de Solana Labs y la concentración de Mysten Labs en Sui son tres respuestas diferentes a la misma pregunta: si la complejidad del protocolo exige un mantenedor central fuerte en el que la comunidad deba confiar. Bittensor está ejecutando ahora su propia versión de ese experimento en tiempo real.

Si la ventana de los ETF obliga a la IA descentralizada a realizar lanzamientos siguiendo el calendario de las TradFi. La ventana de decisión de la SEC en agosto es una fecha límite estricta para una narrativa que quiere ser un "momento DeepSeek" en lugar de un "proyecto de investigación interesante". Eso es una función de forzado saludable o una receta para promesas excesivas, dependiendo de lo que se lance.

Para los desarrolladores que observan desde el lado de la infraestructura, la señal subyacente es más simple: los agentes de IA y las redes de entrenamiento descentralizadas están a punto de generar un nuevo nivel de carga de consultas on-chain — búsquedas en registros de modelos, pruebas de atestación, hashes de puntos de control de gradientes, datos de rendimiento de subredes — que no encaja fácilmente en el patrón de dApps orientadas a humanos para el cual se construyó la infraestructura RPC existente.

BlockEden.xyz proporciona infraestructura de RPC e indexación de grado empresarial en más de 27 + cadenas para equipos que construyen el stack donde la IA se encuentra con el cripto. Explore nuestro marketplace de APIs para construir sobre rieles diseñados tanto para el tráfico humano como para el de máquinas.

Fuentes​

• El SN3 de Bittensor completa la ejecución de pre-entrenamiento de LLM descentralizado más grande de la historia — AInvest
• La subred Templar de Bittensor completa el primer entrenamiento de LLM descentralizado a escala de frontera — 800.works
• Bittensor Covenant-72B explicado — Phemex
• El momento DeepSeek de TAO: El ascenso de Templar (SN3) — PANews
• La salida de Covenant AI de Bittensor provoca una caída del 23 % en el precio de TAO — Crypto Times
• Grayscale solicita un ETF de TAO al contado mientras la red Bittensor se recupera de la salida de Covenant AI y de una reducción del 38 % — Blockonomi
• Bittensor TAO propone una solución de gobernanza de participación bloqueada tras la salida de Covenant AI — AInvest
• Explicación de la crisis de gobernanza de Bittensor TAO: La salida de Covenant AI y la propuesta BIT-0011 — AInvest
• Gensyn lanza su mainnet — Startup Fortune
• Más allá de un único clúster de IA: Una encuesta sobre el entrenamiento de LLM descentralizado

En marzo de 2026, los mercados de predicción movieron 25 700 millones de dólares en un solo mes. Eso es más volumen nocional que la mayoría de los índices bursátiles de mediana capitalización. No es una burbuja ni un meme. Es la señal más clara hasta ahora de que una nueva clase de activo —la información misma— finalmente ha encontrado un precio.

Bienvenidos a InfoFi.

Durante años, el mundo cripto intentó financiarizarlo todo: préstamos, arte, fotos de gatos, posiciones de liquidez, incluso el carbono. Pero lo único que a los mercados siempre les ha costado valorar —la calidad de una predicción, la confianza en una persona, el valor de un conjunto de datos— se mantuvo obstinadamente analógico. Eso cambió en 2026. Tres experimentos previamente separados (mercados de predicción, reputación on-chain y mercados de datos de IA) convergieron en un solo sector con una única tesis: poner "skin in the game" detrás de la información, y la información mejorará.

Wall Street tiene un nombre para esta tesis. La llama Information Finance (Finanzas de la Información). Y con la trayectoria actual, InfoFi superará los 10 000 millones de dólares en valor de sector antes de finales de este año.