Перейти к основному контенту

SN3 Bittensor делает ставку на обучение модели с триллионом параметров

· 12 мин чтения
Dora Noda
Dora Noda
Software Engineer

В марте 2026 года несколько десятков анонимных майнеров на домашних интернет-соединениях обучили языковую модель с 72 миллиардами параметров, которая по результатам вплотную приблизилась к Llama 2 70B от Meta. Спустя шесть недель команда, возглавлявшая этот проект, ушла, сбросила TAO на сумму 10 миллионов долларов и назвала децентрализацию Bittensor «театром». Теперь выжившее сообщество хочет повторить это — в четырнадцать раз масштабнее, примерно за четыре недели, когда на кону стоит вся концепция децентрализованного ИИ.

Это история о том, как подсеть 3 (Subnet 3) Bittensor — недавно переименованная в Teutonic после ухода Covenant AI — решилась на запуск обучения модели с 1 триллионом параметров, приуроченный точно к окну рассмотрения SEC заявки на TAO ETF от Grayscale. Это ставка на то, что уровень стимулирования протокола важнее людей, которые его создали, и что та самая сеть, пережившая кризис управления, может выдать свой «момент DeepSeek» для децентрализованного ИИ до того, как регуляторы решат, позволять ли Уолл-стрит войти в этот актив.

Как модель 72B стала эталоном для открытого ИИ​

История начинается 10 марта 2026 года, когда подсеть 3, работавшая тогда под названием Templar, анонсировала Covenant-72B — модель с 72 миллиардами параметров, обученную на примерно 1,1 триллиона токенов более чем 70 независимыми майнерами, координирующими свои действия через открытый интернет. Это был, с большим отрывом, крупнейший запуск предварительного обучения децентрализованной LLM в истории.

Важнейший показатель: результат MMLU составил 67,1, что поставило Covenant-72B в один ряд с Llama 2 70B от Meta — моделью, созданной одной из самых богатых ИИ-лабораторий в мире. Генеральный директор NVIDIA Дженсен Хуанг публично сравнил этот проект с «современным folding@home для ИИ». Токен подсети Templar взлетел, и на пике её рыночная оценка превысила 1,5 миллиарда долларов.

Техническим прорывом была не архитектура модели, а уровень координации. Основную работу выполняли два компонента:

  • SparseLoCo, алгоритм обучения с эффективной передачей данных, который сократил требования к пропускной способности между узлами в 146 раз за счет разрежения (sparsification), 2-битного квантования и обратной связи по ошибкам. Без него обучение передовых моделей на домашнем интернете было бы физически невозможным — одна только синхронизация градиентов перегрузила бы соединение любого майнера.
  • Gauntlet, валидируемая блокчейном система стимулирования Bittensor, которая оценивала вклад каждого майнера с помощью анализа потерь (loss evaluation) и рейтинга OpenSkill, выплачивая TAO качественным узлам и урезая вознаграждения (slashing) остальным.

Вместе они создали нечто по-настоящему новое: открытую сеть анонимных участников, координирующихся только через криптографические стимулы и обучающих модель, способную конкурировать с результатами лабораторий с миллиардными бюджетами.

Затем всё рухнуло.

Уход Covenant: 900 миллионов долларов стерты за двенадцать часов​

10 апреля 2026 года Сэм Дэйр — основатель Covenant AI, команды, стоящей за тремя наиболее ценными подсетями Bittensor (SN3 Templar, SN39 Basilica и SN81 Grail) — объявил об уходе. В течение нескольких часов он ликвидировал около 37 000 TAO (примерно 10,2 миллиона долларов) и опубликовал прощальное обвинение: он заявил, что соучредитель Джейкоб Стивс («Const») осуществляет централизованный контроль над протоколом, а децентрализация Bittensor — это лишь видимость, а не архитектура.

Реакция рынка была мгновенной. TAO обвалился на 20–28% в зависимости от окна измерения, стерев около 650–900 миллионов долларов рыночной капитализации в течение 12 часов. Альфа-токены подсетей пострадали еще сильнее — Grail (SN81) упал на 67% в нижней точке. Были ликвидированы длинные позиции на сумму около 10 миллионов долларов.

Два факта смягчили панику:

  1. Подсети не погибли. Майнеры сообщества перезапустили SN3, SN39 и SN81 на базе открытого исходного кода без участия центрального оператора. Инфраструктура, созданная Covenant, на самом деле подлежала восстановлению из публичных артефактов — что, по сути, доказывает тезис о децентрализации, который оспаривал Дэйр.
  2. 70% предложения TAO осталось в стейкинге, несмотря на потрясения. Долгосрочные держатели не последовали за Дэйром к выходу.

Но у сети возникла проблема с доверием. Если Covenant — команда, обеспечившая главное техническое достижение Bittensor — может уйти на пике и обрушить токен, что помешает следующему оператору подсети сделать то же самое?

Механизм убеждения (Conviction Mechanism): удержание тех, кто может уйти​

Ответ Const последовал 20 апреля 2026 года, через десять дней после ухода Дэйра. BIT-0011, получивший название Conviction Mechanism (Механизм убеждения), предлагает режим заблокированного стейкинга (Locked Stake), который обязывает владельцев подсетей блокировать TAO на месяцы или годы в обмен на «показатель убежденности», определяющий право голоса и владения подсетью.

Механика:

  • Показатель убежденности начинается со 100% и снижается с 30-дневными интервалами, если токены не пополняются в хранилище блокировки.
  • Право голоса и права владения уменьшаются синхронно с этим снижением, что делает внезапный вывод капитала экономически невыгодным, а не просто неприятным.
  • Система нацелена в первую очередь на зрелые подсети — SN3, SN39 и SN81 — именно те три, которыми управляла Covenant.

Ироничный факт: сообщается, что BIT-0011 был разработан самим Сэмом Дэйром еще до его ухода. Уходящий основатель написал правила, призванные предотвратить уход основателей.

Предложение решает реальную структурную слабость — раньше операторы подсетей могли сбрасывать позиции без каких-либо санкций со стороны системы управления, — но оно также концентрирует власть в руках тех, кто блокирует средства на долгий срок, что является своей формой централизации. Является ли этот компромисс правильным, зависит от того, что вы считаете главным риском для Bittensor: уход основателей или олигархический захват.

Teutonic и амбициозный проект на триллион параметров​

На этом фоне обновленная подсеть Teutonic (SN3, ранее Templar) публично обязалась провести децентрализованный цикл обучения модели на 1 триллион параметров в период с середины по конец мая 2026 года. Это примерно в 14 раз превышает масштаб Covenant-72B на той же фундаментальной архитектуре, при этом проект реализуется командой, восстановленной сообществом, а не оригинальными инженерами Covenant.

Стратегический момент выбран максимально точно. 2 апреля 2026 года компания Grayscale подала поправку к форме S-1 для спотового Bittensor Trust ETF (предлагаемый тикер GTAO) на бирже NYSE Arca. Окно принятия решения SEC в настоящее время ожидается в августе 2026 года. Успешный запуск обучения модели на 1T параметров в мае придется на пик размышлений регулятора — именно тогда вопрос «является ли это реальной технологией или просто мемом?» станет фундаментальным. 7 апреля Grayscale уже увеличила вес TAO в своем расширенном ИИ-фонде до 43,06%, что стало крупнейшим разовым перераспределением активов в истории этого фонда.

Оптимистичный сценарий очевиден: выпустить жизнеспособную децентрализованную модель на 1T параметров, создать тот самый «момент DeepSeek», который необходим для одобрения ETF и обоснования притока институционального капитала, и за один квартал полностью пересмотреть оценку всей категории децентрализованного ИИ.

Пессимистичный сценарий связан с инженерией, а не с маркетингом.

Почему масштабирование децентрализованного обучения сопряжено с трудностями, которых нет у ведущих лабораторий​

Централизованные модели масштабом 1T+ — такие как GPT-5, Claude 4.7 Opus, Gemini 2.5 Ultra — обучаются в дата-центрах, где каждый графический процессор (GPU) соединен с остальными через специализированные архитектуры, такие как NVLink и InfiniBand, с задержками менее микросекунды и пропускной способностью в терабиты в секунду. Даже в таких условиях синхронизация градиентов остается узким местом. Опубликованные исследования неизменно показывают, что при наивном масштабировании более 90% времени обучения LLM может тратиться на передачу данных, а не на вычисления.

Майнеры Teutonic координируют свои действия при задержках в WAN-сетях около 100 мс через обычный домашний интернет. Единственная причина, по которой Covenant-72B вообще стал возможен, — это 146-кратное сжатие объема передаваемых данных с помощью SparseLoCo. Переход к 1 триллиону параметров меняет математику тремя неприятными способами:

  1. Размер градиента масштабируется примерно линейно в зависимости от количества параметров. Модель, увеличенная в 14 раз, означает в 14 раз больше данных для синхронизации на каждом шаге, даже без учета состояния оптимизатора.
  2. Накладные расходы на координацию между узлами исторически растут суперлинейно по мере увеличения количества рабочих узлов. Если Teutonic удвоит свой пул узлов с ~70 до ~256, стоимость коммуникации all-reduce не просто удвоится — она может вырасти в 4–10 раз в зависимости от топологии.
  3. Сбои накапливаются. Отключение узла в середине шага в сети из 70 узлов — это небольшое событие слэшинга (штрафа). В сети из 256 узлов, работающей с градиентами, которые в 14 раз больше, такое же отключение может остановить весь раунд обучения.

Ни одна из этих проблем не является неразрешимой. Существует целый пласт исследований в области децентрализованного обучения — гетерогенное предобучение в сетях с низкой пропускной способностью, FusionLLM, совмещение вычислений и передачи данных, компенсация задержки градиента — нацеленных именно на такой режим. Но почти все эти методы были проверены на моделях масштаба от 7B до 70B. Запуск обучения на 1T параметров на географически распределенном бытовом оборудовании сам по себе станет научным вкладом, а не просто запуском продукта.

Честный взгляд на ситуацию: Teutonic берется за инженерную задачу исследовательского уровня с маркетинговым дедлайном. Либо это сработает и станет событием, подтверждающим жизнеспособность всей экосистемы dTAO, либо проект публично застопорится в период самого пристального внимания со стороны SEC.

Ландшафт децентрализованного обучения ИИ, в котором Teutonic предстоит выжить​

Teutonic — не единственный проект, пытающийся достичь вехи «жизнеспособной децентрализованной модели на 1T параметров» в 2026 году. Конкурентная карта заполняется быстро:

  • Gensyn запустил свою основную сеть (mainnet) 22 апреля 2026 года — в тот же день, когда вышла эта статья, — объединив запуск с Delphi Markets, слоем сопоставления вычислительных задач на базе ИИ. К концу дня Gensyn сообщил о хешрейте, эквивалентном более чем 5 000 NVIDIA H100. В то время как Bittensor предлагает не требующую разрешений координацию и маховик токен-стимулов, Gensyn позиционирует себя как верифицируемый рынок вычислений для ИИ с криптографическими доказательствами корректности выполнения.
  • Ritual пошел в противоположном направлении, сделав ставку на инференс, а не на обучение. Технология Infernet позволяет любому смарт-контракту запрашивать результат работы ИИ и получать криптографическое подтверждение того, что указанная модель использовалась без изменений. Это тезис о «верифицируемом ИИ в DeFi», а не о «создании передовых моделей с нуля».
  • Ambient и Origins Network делают смежные ставки — разные модели стимулов, разные стратегии верификации, но схожая долгосрочная цель: разрушить монополию централизованных лабораторий на обучение передовых моделей.

Эти проекты не конкурируют напрямую за одну и ту же веху, но все они борются за ограниченный пул внимания и капитала. Если мейннет Gensyn захватит нарратив «децентрализованный ИИ уже здесь» через коммерческие рабочие нагрузки, то майский цикл обучения Teutonic станет проверкой того, является ли специфический подход Bittensor — конкуренция подсетей плюс стимулы, взвешенные по токенам — правильной архитектурой или же это лишь первая итерация, которую суждено превзойти.

Почему это важно не только для TAO​

В ближайшие четыре-шесть недель одновременно пройдут проверку три аспекта:

Масштабируемость децентрализованного обучения. Если Teutonic добьется успеха, тезис о «биткоине децентрализованных ИИ-вычислений» выстоит. Если же нет, выход Covenant будет восприниматься как момент пика обучения на базе подсетей — потолок в 72B параметров вместо фундамента в 72B.

Является ли Conviction Mechanism правильным решением для управления. Блокировка операторов подсетей предотвращает повторение дампа в стиле Covenant, но создает новый риск, при котором долгосрочные держатели могут закрепить свое влияние. Модель распределенных мейнтейнеров Bitcoin Core, продолжающаяся централизованная разработка ядра Solana Labs и концентрация контроля в руках Mysten Labs у Sui — это три разных ответа на один и тот же вопрос: требует ли сложность протокола сильного центрального мейнтейнера, которому сообщество должно доверять. Bittensor сейчас проводит собственную версию этого эксперимента в режиме реального времени.

Заставит ли «окно ETF» децентрализованный ИИ выпускать продукты по календарю TradFi. Августовское окно принятия решения SEC — это жесткий дедлайн для нарратива, который стремится стать «моментом DeepSeek», а не «интересным исследовательским проектом». Это либо здоровый стимулирующий фактор, либо рецепт для завышенных обещаний — в зависимости от того, что именно будет представлено.

Для разработчиков, наблюдающих со стороны инфраструктуры, основной сигнал проще: ИИ-агенты и децентрализованные сети обучения вот-вот создадут новый уровень нагрузки на ончейн-запросы — поиск в реестре моделей, доказательства аттестации (attestation proofs), хеши контрольных точек градиента, данные о производительности подсетей — всё то, что не вписывается в привычные паттерны dApp для пользователей, под которые строилась текущая RPC-инфраструктура.

BlockEden.xyz предоставляет RPC и инфраструктуру индексации корпоративного уровня для более чем 27 сетей для команд, создающих стек на стыке ИИ и криптографии. Изучите наш маркетплейс API, чтобы строить на базе решений, разработанных как для человеческого, так и для машинного трафика.

Источники​

Share on Twitter