BittensorのDeepSeekモーメント：分散型AIがついに懐疑論者の誤りを証明した720億パラメータの瞬間
2026年1月20日、DeepSeekはAI業界全体を揺るがすモデルを静かにリリースしました。訓練コストの約50分の1でOpenAIの最高性能に匹敵するオープンソース推論システムです。Nvidiaは1日で時価総額6000億ドルを失いました。根本的な教訓は中国のAI進歩についてだけではありませんでした。「巨大な中央集権型ラボだけがフロンティアAIを構築できる」という仮定が崩れたのです。
6週間後の2026年3月10日、70名の独立した貢献者のネットワークが、普通のGPUと家庭用インターネット接続を使用して、単一のデータセンターなしに720億パラメータの言語モデルの学習を完了しました。BittensorのTemplarサブネットは独自のDeepSeekモーメントを迎え、分散型AIへの影響は同様に深遠です。
Bittensorエコシステムで起きたこと
Covenant-72Bは単なる技術的マイルストーンではありません。フロンティア規模での分散型AI学習が経済的にも技術的にも実現可能になったことの概念実証です。
このモデルはTemplarとして知られるBittensorのSubnet 3が、SparseLoCo というブレークスルーアルゴリズムを使用して学習させました。Covenant AIとMila Labとの共同作業で開発されたSparseLoCo は、スパース化、2ビット量子化、エラーフィードバックを組み合わせて、ノード間の勾配通信を146倍以上圧縮します。この単一のイノベーションが、分散型学習の根本的なボトルネックを解決しました。数千の独立したノード間でモデル更新を同期するために必要な膨大な帯域幅の問題です。
結果は自明です。Covenant-72BはMMLUベンチマークで67.1点を記録し、地球上で最も豊富な資金を持つAIラボの一つが何億ドルもの中央集権型インフラを使って構築したMetaのLlama 2 70Bと同等のパフォーマンス範囲に入りました。Bittensorのバージョンは家庭用インターネットを使う70人以上の貢献者によって学習されました。
NvidiaのCEOジェンスン・フアンはAll-Inポッドキャストでこれを「現代版のfolding@home」と呼びました。
これが分散型AIの「DeepSeekモーメント」である理由
DeepSeekとの類似は単なる「安価なAI」以上に深いものがあります。どちらの場合も、話は効率性の経済学が以前に想定されていたコストの下限を破ることです。
DeepSeekの洞察はアルゴリズム的でした。エキスパートミクスチャーアーキテクチャと積極的な推論最適化を組み合わせることで、フロンティア性能に匹敵するために10万枚のH100は必要ないことを示しました。Bittensorの洞察はインフラ的です。精度を損なわずに勾配通信を97%圧縮することで、協調学習に単一データセンターの帯域幅は必要ないことを示しました。
どちらのブレークスルーも同じ仮定を攻撃しています。フロンティアAIは大規模で中央集権的な資本集中を必要とするという仮定です。
違いは次に何が起こるかにあります。DeepSeekの効率性の恩恵はモデルを実行する誰でも享受できます。Bittensorの効率性の恩恵はネットワークに流れます。Covenant-72Bを集合的に学習させた70以上のノードオペレーターと、彼らが実行するプロトコルを所有するTAOホルダーに。
これがBittensorのサブネットモデルの核心的な経済的イノベーションです。AIモデルの品質を単なる製品指標ではなく、分散型の金融インセンティブに変換することです。
経済学：半減期とブレークスルーの出会い
タイミングが重要です。BittensorのTAO初の半減期は2025年12月14日に発生し、日次トークン発行量を7,200から3,600 TAOに削減しました。これは単なる供給イベントではありませんでした。サブネット運営の経済学を根本的に変えました。
半減期前は、サブネットは凡庸な出力でも寛大な発行を提供することでマイナーを誘致できました。半減期はダーウィン的な選択を強制しました。配布するトークンが少なくなるにつれ、バリデーターははるかに厳格になり、実際のパフォーマンス指標を示せないサブネットはマイナーの注意（とハッシュレート）がより良い機会に移動するのを目撃しました。
Templar/SN3はこの環境で繁栄しました。マイナーが提出するすべての勾配更新の品質を確保する厳格な不正防止メカニズム（「コミット・リビール」勾配提出プロトコルとR2バケットストレージによる精密タイムスタンプ）を構築していたからです。半減期が発行量を圧縮したとき、高品質のサブネットは相対的により多く得て、低品質のサブネットは圧迫を受けました。
2026年3月のCovenant-72Bローンチはこのモデルを検証しました。史上最大の分散型LLM事前学習ランが真に競争力のあるモデルを生産したというニュースが広まり、TAOは約90%上昇し、180ドルから332ドル以上に上昇しました。Templarのサブネット評価は5億5000万ドルを超えました。GrayscaleはAIファンドでのTAOの比重を43.06%に引き上げ、Bittensor TrustをスポットETFに変換する動きを加速させました。
機関投資家のシグナルは一致しました。Polychain Capitalは生態系に2億ドルを投入することを約束し、主要機関はTAO供給総量の約19%（6 億9100万ドル）をステーキングし、真の希少性ダイナミクスを生み出しました。
マイルストーンの背後にあるネットワークアーキテクチャ
Covenant-72Bが重要な理由を理解するには、Bittensorのサブネットアーキテクチャを理解する必要があります。
BittensorはLayer-1ブロックチェーン（Polkadot Substrate上に構築）として動作し、インテリジェンスが生産・価格設定される商品です。ネットワークは128のアクティブサブネットを実行します。異なるAIタスクに特化した専門的な市場群です。Subnet 64（Chutes）は分散型モデル推論を処理します。Subnet 3（Templar）は協調モデル学習に焦点を当てています。他のサブネットはテキスト-画像変換、タンパク質折り畳みシミュレーション、ストレージ、金融予測に取り組んでいます。
各サブネットは独自のインセンティブメカニズムを実行します。マイナーが作業を実行します（モデルの実行、出力の生成、勾配の提出）。バリデーターが客観的な指標に対してその作業を採点します。Yuma Consensus——Bittensorの中核アルゴリズム——はそれらのスコアをTAO発行量に変換します。作業が良ければ良いほど、より多くのTAOを獲得します。
72B学習ランが重要な理由は、公開インターネットを介して接続された普通 のハードウェアで実行される70以上の独立したノード間で勾配更新を同期する必要があったからです。以前の分散学習システムは、プライベートデータセンターインターコネクトを通じてペタバイトの勾配データをルーティングできると仮定していました。SparseLoCo は146倍少ないデータで同じ結果を達成できることを示しました。
ネットワークは現在、2026年末までにサブネット容量を128から256に倍増させ、GraValなどの指標を使用してマイナーの作業を検証するためのより良いツールをバリデーターに提供する新しいコンセンサス強化（バージョン1.4と呼ばれることもある）を組み込む計画があり、品質評価をより客観的で操作が困難なものにします。
無視できない課題
Bittensorのモーメントについての誠実な評価は、難しい質問を避けることはできません。
補助金から収益へのギャップは現実です。 調査会社Pine AnalyticsはBittensorの最大サブネットChutes（SN64）が年間約5200万ドルのTAO発行を受け取っているが、実際の外部収益はわずか130万〜240万ドルであることを発見しました。補助金対収益比は22:1から40:1の間です。TAO発行が価格を支えなければ、Chutesの推論はDeepSeekやTogether AIなどの中央集権型代替品より1.6〜3.5倍高くなるでしょう。ネットワークは現在、製品市場適合ではなくトークンインフレで運営されています。
ガバナンスの対立が激化しています。 2026年4月10 日——TAOが340ドルを超えた同じ週——衝撃的な展開がありました。Covenant AIがBittensorネットワークを公開して離脱しました。同社は共同創業者のJacob Steevesがサブネット運営に対して中央集権的なコントロールを行使し、「分散化の演劇」と呼ぶものに関与していると非難しました。この発表は20%以上の価格下落と1000万ドル以上のロングの清算を引き起こし、ガバナンスリスクが分散型インフラプロジェクトにとって最大の未解決問題であり続けることを思い起こさせました。
Llama 4ではなくLlama 2との比較。 Covenant-72BがMetaの2023年モデルと一致することは分散型システムとして印象的です。分散型学習が現在10万枚のH100クラスターで学習されているフロンティアモデルに追いつくことができるかどうかは別の問題です。SparseLoCo の効率性の優位性は関連性を保つために迅速に複利効果をもたらす必要があります。
これが2026年の分散型AIに意味すること
「分散型AIは常に中央集権型より高価だ」という反論は、Bittensorのようなネットワークの機関採用に対する最大の障壁の一つでした。Covenant-72Bは学習レイヤーでこの反論を直接攻撃します。
Bittensorが規模で機能すれば生まれる経済モデルは真に新規的です。数千の独立したオペレーターによって学習・提供され、トークンインセンティブで調整され、単一の 主体がスタックを制御しないAIモデルです。Talisman AIサブネットは2026年第1四半期に10万人以上の有料顧客にサービスを提供し、4300万ドルのAI顧客収益を生み出していました。少なくともいくつかのサブネットがトークン補助金から外部資金へと移行しているという証拠です。
より広いWeb3エコシステムにとって、Bittensorのモーメントは重要なことを表しています。ブロックチェーンが金融取引だけでなく複雑な計算作業を調整できるというテーゼが、ホワイトペーパーから実用段階に移行しているということです。
次の12ヶ月で注目すべき主要変数：
- Grayscaleのスポット ETFファイリングが承認製品に転換するかどうか
- 外部需要が増加するにつれてサブネットの収益対発行比率が実質的に改善するかどうか
- Covenant AIとのガバナンス紛争が解決されるかネットワークフォークを加速させるか
- 中央集権型ラボもより効率的な学習アルゴリズムを採用するにつれてSparseLoCo の圧縮優位性が維持できるかどうか
DeepSeekとの類似は一つの重要な点で成立しています。効率性のブレークスルーは不可逆的な圧力を生み出します。データセンターなしでフロンティア規模のモデルを学習させることができると証明したら、問いは「分散型AIは機能するか？」から「上限はどこか？」へと変わります。
BlockEden.xyzはSui、Aptos、Ethereumおよび20以上の他のブロックチェーンにエンタープライズグレードのRPCとAPIインフラを提供しています。AIを活用したDAppを構築している方や、AIエージェントワークフローの信頼性の高いオンチェーンデータが必要な方は、APIマーケットプレイスを探索して、モデルを本番ブロックチェーンインフラに接続してください。