Момент DeepSeek Bittensor на 72 Миллиарда Параметров: Когда Децентрализованный ИИ Наконец Доказал, что Скептики Ошибались
20 января 2026 года DeepSeek тихо выпустила модель, которая потрясла всю индустрию ИИ: систему рассуждений с открытым исходным кодом, сравнимую с лучшими достижениями OpenAI примерно за 1/50 стоимости обучения. Nvidia потеряла 600 миллиардов долларов рыночной капитализации за один день. Основной урок касался не только прогресса китайского ИИ — оказалось, что предположение "только крупные централизованные лаборатории могут создавать передовой ИИ" дало трещину.
Шесть недель спустя, 10 марта 2026 года, сеть из 70 независимых участников — используя обычные GPU и обычные домашние интернет-соединения — завершила обучение языковой модели с 72 миллиардами параметров без единого центра обработки данных. Подсеть Templar Bittensor пережила собственный момент DeepSeek, и его последствия для децентрализованного ИИ не менее глубоки.
Что Произошло в Экосистеме Bittensor
Covenant-72B — это не просто технический рубеж. Это подтверждение концепции того, что децентрализованное обучение ИИ на передовом уровне теперь экономически и технически осуществимо.
Модель была обучена подсетью Bittensor №3, известной как Templar, с использованием прорывного алгоритма SparseLoCo. Разработанный в сотрудничестве с Covenant AI и Mila Lab, SparseLoCo объединяет разреживание, 2-битное квантование и обратную связь по ошибкам для сжатия градиентной связи между узлами более чем в 146 раз. Эта единственная инновация решила то, что было фундаментальным узким местом децентрализованного обучения: огромная пропускная способность, необходимая для синхронизации обновлений модели между тысячами независимых узлов.
Результаты говорят сами за себя. Covenant-72B набрал 67,1 балла в тесте MMLU — помещая его в тот же диапазон производительности, что и Llama 2 70B от Meta, модель, созданная одной из наиболее хорошо финансируемых AI-лабораторий планеты с использованием сотен миллионов долларов в централизованной инфраструктуре. Версия Bittensor была обучена более чем 70 участниками с использованием домашнего интернета.
Дженсен Хуанг, генеральный директор Nvidia, назвал это "современной версией folding@home" в подкасте All-In.
Почему Это "Момент DeepSeek" Децентрализованного ИИ
Параллель с DeepSeek глубже, чем просто "дешёвый ИИ". В обоих случаях история касается экономики эффективности, ломающей ранее принятый нижний предел стоимости.
Прозрение DeepSeek было алгоритмическим: объединив архитектуры смеси экспертов с агрессивной оптимизацией вывода, они показали, что для достижения передовой производительности не нужно 100 000 H100. Прозрение Bittensor касается инфраструктуры: сжав градиентную связь на 97% без потери точности, они показали, что координированное обучение не требует пропускной способности единого центра обработки данных.
Оба прорыва атакуют одно и то же предположение — что передовой ИИ требует массивной, централизованной концентрации капитала.
Разница в том, что происходит дальше. Преимущества эффективности DeepSeek достаются всем, кто запускает модель. Преимущества эффективности Bittensor поступают в сеть — более чем 70 операторам узлов, которые коллективно обучили Covenant-72B, и держателям TAO, которые владеют протоколом, который они запускают.
Это ключевая экономическая инновация модели подсети Bittensor: превращение качества модели ИИ в распределённый финансовый стимул, а не просто в метрику продукта.
Экономика: Халвинг Встречает Прорыв
Время имеет значение. Первый халвинг TAO Bittensor произошёл 14 декабря 2025 года, сократив ежедневные эмиссии токенов с 7200 до 3600 TAO. Это было не просто событием предложения — оно фундаментально изменило экономику работы подсетей.
До халвинга подсети могли привлекать майнеров, предлагая щедрые эмиссии даже за посредственные результаты. Халвинг вынудил к дарвиновскому отбору: с меньшим количеством токенов для распределения валидаторы стали намного требовательнее, и подсети, которые не могли продемонстрировать реальные показатели производительности, увидели, как внимание майнеров (и хешрейт) мигрирует к лучшим возможностям.
Templar/SN3 процветала в этой среде именно потому, что создала строгие антимошеннические механизмы — протоколы подачи градиентов "commit-reveal" и точные временные метки через хранилище R2 — которые обеспечивали качество каждого обновления градиента, поданного майнерами. Когда халвинг сжал эмиссии, высококачественные подсети получили относительно больше; низкокачественные оказались под давлением.
Запуск Covenant-72B в марте 2026 года подтвердил эту модель. TAO вырос примерно на 90%, поднявшись с 180 до более чем 332 долларов, когда разнеслась новость о том, что крупнейший в истории децентрализованный запуск предобучения LLM произвёл подлинно конкурентоспособную модель. Оценка подсети Templar превысила 550 миллионов долларов. Grayscale увеличила вес TAO в своём ИИ-фонде до 43,06% и ускорила продвижение к конвертации своего Bittensor Trust в спотовый ETF.
Институциональные сигналы совпали: Polychain Capital обязалась вложить 200 миллионов долларов в экосистему, а крупные организации поставили почти 19% общего предложения TAO (691 миллион долларов), создав подлинную динамику дефицита.
Сетевая Архитектура За Рубежом
Чтобы п онять, почему Covenant-72B важен, нужно понять архитектуру подсетей Bittensor.
Bittensor работает как блокчейн Уровня 1 (построенный на Polkadot Substrate), где интеллект — это товар, который производится и оценивается. Сеть запускает 128 активных подсетей — специализированных рынков, каждый из которых сосредоточен на другой задаче ИИ. Подсеть 64 (Chutes) обрабатывает децентрализованный вывод модели. Подсеть 3 (Templar) фокусируется на совместном обучении модели. Другие подсети занимаются преобразованием текста в изображение, симуляцией сворачивания белков, хранением и финансовым прогнозированием.
Каждая подсеть запускает собственный механизм стимулирования. Майнеры выполняют работу (запускают модели, производят выводы, отправляют градиенты). Валидаторы оценивают эту работу по объективным метрикам. Yuma Consensus — основной алгоритм Bittensor — преобразует эти оценки в эмиссии TAO. Чем лучше ваша работа, тем больше TAO вы зарабатываете.
Что делает обучающий прогон 72B значимым, так это то, что он потребовал синхронизации обновлений градиента по более чем 70 независимым узлам, каждый из которых работал на обычном железе, подключённом через публичный интернет. Предыдущие системы распределённого обучения предполагали, что вы можете маршрутизировать петабайты градиентных данных через частные межузловые соединения в центрах обработки данных. SparseLoCo показал, что вы можете достичь того же результата со 146-кратно меньшим объёмом данных.
Сеть теперь планирует удвоить ёмкость подсетей с 128 до 256 к концу 2026 года, включив новые улучшения консенсуса (иногда называемые версией 1.4), которые дают валидаторам лучшие инструменты для проверки работы майнеров с использованием таких метрик, как GraVal, делая оценку качества более объективной и сложной для манипуляций.
Вызовы, Которые Нельзя Игнорировать
Никакая честная оценка момента Bittensor не может пропустить трудные вопросы.
Разрыв субсидия-выручка реален. Исследовательская компания Pine Analytics обнаружила, что крупнейшая подсеть Bittensor Chutes (SN64) получает примерно 52 миллиона долларов ежегодно в виде эмиссий TAO, но генерирует лишь 1,3-2,4 миллиона долларов реальной внешней выручки — соотношение субсидия-выручка от 22:1 до 40:1. Без эмиссий TAO, поддерживающих ценообразование, вывод Chutes обходился бы в 1,6-3,5 раза дороже, чем централизованные альтернативы, такие как DeepSeek и Together AI. Сеть в настоящее время работает на токен-инфляции, а не на соответствии продукта рынку.
Конфликты управления усиливаются. В тревожном развитии 10 апреля 2026 года — на той же неделе, когда TAO пересёк 340 долларов — Covenant AI публично вышла из сети Bittensor. Компания обвинила сооснователя Джейкоба Стивса в осуществлении централизованного контроля над операциями подсетей и участии в том, что она назвала "театром децентрализации". Объявление вызвало коррекцию цены более чем на 20% и ликвидации лонгов на более чем 10 миллионов долларов — напоминание о том, что риск управления остаётся крупнейшим нерешённым вопросом для любого проекта децентрализованной инфраструктуры.
Сравнение с Llama 2, а не Llama 4. То, что Covenant-72B соответствует модели Meta 2023 года, впечатляет для децентрализованной системы. Другой вопрос, может ли децентрализованное обучение идти в ногу с моделями, обученными на кластерах из 100 000 H100 на текущей границе. Преимущество эффективности SparseLoCo необходимо быстро наращивать, чтобы оставаться актуальным.
Что Это Означает для Децентрализованного ИИ в 2026 году
Возражение "децентрализованный ИИ всегда будет дороже централизованного" было одним из крупнейших барьеров для институционального принятия таких сетей, как Bittensor. Covenant-72B напрямую атакует это возражение на уровне обучения.
Экономическая модель, возникающая при работе Bittensor в масштабе, подлинно новаторская: модели ИИ, обученные и обслуживаемые тысячами независимых операторов, координируемые токен-стимулами, без единого субъекта, контролирующего стек. Подсеть Talisman AI уже обслуживала более 100 000 платящих клиентов и генерировала 43 миллиона долларов выручки от клиентов ИИ в первом квартале 2026 года — доказательство того, что хотя бы некоторые подсети переходят от финансируемых токенами к финансируемым внешне.
Для более широкой экосистемы Web3 момент Bittensor представляет нечто важное: тезис о том, что блокчейны могут координировать сложную вычислительную работу — не только финансовые транзакции — переходит от whitepaper к производству.
Ключевые переменные для наблюдения в ближайшие 12 месяцев:
- Преобразуется ли заявка Grayscale на спотовый ETF в утверждённый продукт
- Улучшатся ли материально соотношения выручки к эмиссиям подсетей по мере роста внешнего спроса
- Разрешится ли спор об управлении с Covenant AI или ускорит форк сети
- Сможет ли сохраниться преимущество сжатия SparseLoCo по мере того, как централизованные лаборатории также принимают более эффективные алгоритмы обучения
Параллель с DeepSeek выдерживается в одном ключевом отношении: прорыв эффективности создаёт необратимое давление. Как только вы доказали, что можете обучить модель на уровне границы без центра обработки данных, вопрос перестаёт быть "может ли работать децентрализованный ИИ?" и становится "каков предел?"
BlockEden.xyz предоставляет корпоративную инфраструктуру RPC и API для Sui, Aptos, Ethereum и более 20 других блокчейнов. Если вы создаёте DApp с использованием ИИ или вам нужны надёжные данные на цепочке для рабочих процессов ИИ-агентов, ознакомьтесь с нашим API-маркетплейсом, чтобы подключить ваши модели к производственной блокчейн-инфраструктуре.