
Bittensor 子網路 3(SN3)研發團隊近期發布 Covenant-72B 模型——一個擁有 720 億個參數、在 70 多個全球分散式節點上完成無許可訓練的大型語言模型(LLM)。該模型在通用語言理解基準測試 MMLU 中獲得 67.1 分。受此突破帶動,TAO 代幣價格在 3 月幾乎翻倍。
分散式 AI 訓練長期以來被業界視為速度過慢、一致性難以保障的次優方案。 Covenant-72B 的發布直接挑戰了這一認知——以完全去中心化、無需許可的方式,在分散於全球的 70 多個節點上完成 720 億參數的模型訓練,並在 MMLU 基準測試中達到 67.1 分,接近 Meta Llama 2 70B 的同等水準。
這是分散式訓練首次通過量化基準測試,取得與中心化訓練可直接比較的技術成果,也使 Bittensor 的定位從「實驗性去中心化網路」升格為「具備實際大規模 AI 模型產出能力的基礎設施」,直接推動市場對 TAO 代幣進行重新定價。
GMAI 指數週日報 51.26 點,較 2 月初上漲 48%,但仍比 2024 年第一季歷史高點低約 84%。理解此輪上漲需關注指數結構:Render(RNDR)與 AI 超級智慧聯盟(ASI)合計佔指數權重逾 71%, TAO 佔 24.89%,三者加總已接近 97%。
因此,3 月指數的大部分漲幅,實質上反映的是 TAO 一枚代幣近翻倍的行情,而非加密 AI 板塊的全面回暖。截至發文,TAO 報約 317 美元,市值略高於 30 億美元,流通供給超過 1,070 萬枚,逾 68% 已被質押,顯示長期持有者的信心水準較高。
Bittensor 此輪行情不僅侷限於 TAO 本身。頂級子網代幣 τemplar(SN3)在過去一個月上漲超過 400%,市值達約 1.3 億美元。由 Manifold Labs 運營的去中心化 GPU 算力市場 Targon(SN4)完成一筆六位數交易,為 AI 應用 Dippy AI 的 860 萬用戶提供後端算力支援,顯示子網路的商業化已從概念驗證轉向實際收入。
輝達(NVIDIA)執行長黃仁勳(Jensen Huang)及知名投資人 Chamath Palihapitiya 對 Bittensor 生態系統的公開關注,為 TAO 此輪行情提供了來自傳統科技資本的敘事背書,進一步擴大了此輪上漲的受眾認知基礎。
Bittensor 是一個去中心化 AI 訓練與推理網路,透過代幣激勵機制協調全球分散式節點貢獻算力,用於訓練和運行 AI 模型。 TAO 是其原生代幣,持有者可透過質押參與網路治理並獲取獎勵。
Covenant-72B 是首個以分散式無許可節點完成訓練、且 MMLU 表現達到與 Meta Llama 2 70B 相當水準的大型語言模型,首次以量化基準測試驗證了去中心化訓練的技術可行性,改變了業界對分散式 AI 訓練能力上限的既有認知。
不完全是。GMAI 指數的組成高度集中,前三大代幣(RNDR 、 ASI 、 TAO )合計佔比接近 97%。3 月的指數漲幅主要由 TAO 貢獻,而非反映更廣泛 AI 加密貨幣市場的全面復甦。GMAI 指數目前仍比 2024 年第一季高點低約 84%。