Bittensor é a esperança de toda a aldeia Crypto

Autor: 0xai

Agradecemos especialmente a @DistStateAndMe e sua equipe pelas contribuições no campo de modelos de IA de código aberto, bem como pelos valiosos conselhos e apoio fornecidos neste artigo.

Por que deve prestar atenção a este relatório

Se “treinamento de IA descentralizado” passou de impossível a possível, quão subestimado está o Bittensor?

No início de 2026, todo o mundo cripto está impregnado de um sentimento de cansaço.

O entusiasmo da última alta já se dissipou, e talentos estão migrando rapidamente para a indústria de IA. Aqueles que antes falavam em “o próximo 100x” agora discutem sobre Claude CodeOpenclaw. “Crypto é uma perda de tempo” — essa frase, você provavelmente já ouviu mais de uma vez.

Mas em 10 de março de 2026, uma sub-rede chamada Templar, do Bittensor, anunciou silenciosamente uma conquista.

Mais de 70 participantes independentes de todo o mundo, sem servidores centrais, sem grandes corporações coordenando, apenas com mecanismos de incentivo cripto, uniram forças para treinar um grande modelo de IA de 720 bilhões de parâmetros.

O modelo e os artigos relacionados já estão publicados no HuggingFace e arXiv, com dados abertos e verificáveis.

Mais importante: em várias provas-chave, esse modelo superou o desempenho de modelos de nível semelhante treinados por Meta, que gastaram fortunas.

Após o anúncio, o preço do TAO permaneceu quase 2 dias em silêncio. Só no terceiro dia começou a disparar, e em 6 dias ainda não parou, com um aumento total de cerca de +40%. Por que essa demora de 2 dias?

O ponto central deste relatório é: investidores em cripto veem apenas “mais um modelo de código aberto”, achando que não se compara ao uso cotidiano de GPT ou Claude; pesquisadores de IA não se interessam por cripto. Essa lacuna entre os dois mundos está criando uma janela de arbitragem cognitiva.

Estrutura de leitura

Este relatório está dividido em duas partes lógicas:

Parte I — Avanços técnicos: explica o que exatamente o SN3 Templar fez e por que isso é importante na história de IA e cripto.

Parte II — Significado para a indústria: explica por que isso indica que o ecossistema do Bittensor está subestimado sistemicamente e por que o Bittensor é a esperança de toda a comunidade cripto.

Parte I: Avanço no treinamento de IA descentralizado

1. O que faz o SN3?

O que é necessário para treinar um grande modelo de linguagem?

Resposta tradicional: construir um data center gigante, comprar milhares de GPUs de ponta, gastar centenas de milhões de dólares, com uma equipe de engenheiros coordenando tudo. Essa é a abordagem de Meta, Google, OpenAI.

Abordagem do SN3 Templar: pessoas dispersas pelo mundo, cada uma com uma ou várias GPUs, juntam seu poder computacional como peças de um quebra-cabeça, colaborando para treinar um modelo completo.

Mas há um problema fundamental: se os participantes são globalmente dispersos, não confiam uns nos outros, e a rede tem latência instável, como garantir que o resultado do treinamento seja válido? Como evitar que alguém seja preguiçoso ou trapaceie? Como incentivar a contribuição contínua?

Bittensor oferece a resposta: usando o token TAO como incentivo. Quanto mais eficaz for o contribuição (entendido como “melhoria do modelo”), mais TAO o participante recebe. O sistema avalia e paga automaticamente, sem necessidade de uma entidade centralizada.

Essa é a essência do SN3 (sub-rede número 3), codinome Templar.

Se o Bitcoin provou que dinheiro descentralizado é possível, o SN3 está provando que o “treinamento de IA descentralizado” também é.

2. Quais resultados o SN3 alcançou?

Em 10 de março de 2026, o SN3 Templar anunciou a conclusão do treinamento de um grande modelo de linguagem chamado Covenant-72B.

O que significa “72B”? São 720 bilhões de parâmetros. Parâmetros são as unidades de armazenamento de conhecimento do modelo de IA; quanto mais, geralmente, mais inteligente ele é. GPT-3 tem 1750 bilhões, LLaMA-2 (a versão open source da Meta) tem 700 bilhões. Covenant-72B está na mesma faixa de quantidade.

Qual foi a escala de treinamento? Aproximadamente 1,1 trilhão de tokens, equivalente a cerca de 5,5 milhões de livros (considerando 200 mil palavras por livro).

Quem participou? Mais de 70 participantes independentes (mineradores), contribuindo com poder computacional em várias rodadas (com limite de cerca de 20 nós por sincronização). O treinamento começou em 12 de setembro de 2025, durou cerca de 6 meses, sem servidores centrais ou coordenação única.

Como o modelo se saiu? Usando provas de desempenho padrão de IA:

Fonte de dados: HuggingFace 1Covenant/Covenant-72B-Chat

MMLU (conhecimento geral em 57 disciplinas): Covenant-72B 67,35% vs Meta LLaMA-2 63,08%

GSM8K (raciocínio matemático): Covenant-72B 63,91% vs LLaMA-2 52,16%

IFEval (capacidade de seguir instruções): Covenant-72B 64,70% vs LLaMA-2 40,67%

Totalmente open source: licença Apache 2.0. Qualquer pessoa pode baixar, usar e comercializar sem restrições.

Com respaldo acadêmico: artigo submetido ao arXiv [2603.08163], com tecnologias centrais (SparseLoCo e mecanismo anti-trapaça Gauntlet) apresentados na NeurIPS Optimization Workshop.

3. O que esses resultados significam?

Para a comunidade de IA open source: até agora, devido às barreiras de financiamento e capacidade computacional, treinar modelos de 70B era privilégio de grandes corporações. Covenant-72B prova pela primeira vez que uma comunidade, sem suporte financeiro centralizado, pode treinar modelos de escala semelhante. Isso muda as fronteiras de quem pode participar do desenvolvimento de modelos básicos de IA.

Para o poder de IA: atualmente, o mercado de modelos básicos é altamente concentrado — OpenAI, Google, Meta, Anthropic dominam os modelos mais avançados. A descentralização do treinamento significa que essa barreira pode ser rompida. A premissa de que “só grandes empresas podem fazer modelos básicos” começa a ser questionada.

Para o setor cripto: esta é a primeira vez que projetos cripto contribuem de forma real na área de IA, não apenas “aproveitando o hype”. Covenant-72B tem modelos no HuggingFace, artigo no arXiv, benchmarks públicos. Isso estabelece um precedente: mecanismos de incentivo cripto podem se tornar infraestrutura séria para pesquisa em IA.

Para o próprio Bittensor: o sucesso do SN3 transforma o Bittensor de uma “teoria viável de protocolo de IA descentralizado” em uma “infraestrutura de IA descentralizada comprovada na prática”. Uma mudança de 0 para 1.

4. O papel histórico do SN3

O caminho do treinamento de IA descentralizado não começou com o SN3, mas ele chegou a lugares onde outros não chegaram.

Histórico da evolução do treinamento descentralizado:

2022 — Together GPT-JT (6B): exploração inicial, provando que colaboração multi-máquina funciona

2023 — SWARM Intelligence (~1B): proposta de framework heterogêneo de treinamento colaborativo

2024 — INTELLECT-1 (10B): treinamento descentralizado entre diferentes instituições

2026 — Covenant-72B / SN3 (72B): primeiro modelo de 72B a superar modelos centralizados em benchmarks padrão

Em 4 anos, o parâmetro cresceu de 6B para 72B, um aumento de 12 vezes. Mas o mais importante não é o número de parâmetros, e sim a qualidade — as gerações anteriores eram apenas capazes de “funcionar”, Covenant-72B foi o primeiro a superar modelos centralizados em benchmarks padrão.

Avanços tecnológicos-chave:

99% de compressão (>146x): ao enviar os gradientes, que normalmente seriam GBs de dados, o SparseLoCo comprime tudo em mais de 146 vezes, com perda de informação mínima — como comprimir uma temporada inteira de uma série em uma única imagem.

Apenas 6% de custo de comunicação: 100 participantes colaborando, apenas 6% do tempo dedicado à comunicação, o restante à treinamento real. Isso resolve um dos maiores gargalos do treinamento descentralizado.

5. O treinamento descentralizado está subestimado?

Vamos aos dados.

Evidências de subestimação:

MMLU 67,35% vs LLaMA-2 63,08%

MMLU-Pro 40,91% vs LLaMA-2 35,20%

IFEval 64,70% vs LLaMA-2 40,67%

Modelos de treinamento descentralizado superaram o LLaMA-2-70B, treinado por grandes corporações.

Comparando com modelos open source de ponta (sinceridade obrigatória):

MMLU: Covenant-72B 67,35% vs Qwen2.5-72B 86,8% vs LLaMA-3.1-70B 83,6%

GSM8K: Covenant-72B 63,91% vs Qwen2.5-72B 95,8% vs LLaMA-3.1-70B 95,1%

A diferença é de cerca de 20-30 pontos percentuais.

Mas o mais importante é o contexto: Covenant-72B não busca superar o SOTA, mas provar que o treinamento descentralizado é viável. Qwen2.5 e LLaMA-3.1 contam com investimentos de bilhões, dezenas de milhares de GPUs e equipes especializadas; Covenant-72B foi treinado por mais de 70 mineradores independentes, sem coordenação central.

A tendência é mais importante que um instantâneo:

2022: o melhor modelo descentralizado tinha 6B de parâmetros, sem sequer testar MMLU.

2026: modelo de 72B, com 67,35% em MMLU, superando modelos de mesma escala de grandes empresas.

Em 4 anos, o treinamento descentralizado evoluiu de “experimento conceitual” para “desempenho comparável ao centralizado”. A curva de progresso é mais relevante que qualquer métrica isolada.

Além disso, Covenant-72B já tem planos para melhorar seu desempenho em raciocínio profundo — o SN81 Grail será responsável por reforço de aprendizado pós-treinamento (RLHF), alinhando e aprimorando o modelo, assim como o GPT-4 fez em relação ao GPT-3.

Heterogeneous SparseLoCo será o próximo marco: atualmente, todos os mineradores usam GPUs iguais. A próxima grande inovação será Heterogeneous SparseLoCo, permitindo a participação de hardware misto (B200, A100, GPUs de consumo). Assim, a capacidade computacional da próxima rodada será ampliada significativamente.

O treinamento descentralizado já ultrapassou a barreira de viabilidade. A diferença nos benchmarks é uma questão de otimização de engenharia, não uma barreira teórica.

Parte II: O mercado ainda não compreende isso

Linha do tempo do preço do TAO

Após o anúncio do SN3, o movimento do preço do TAO revela a lacuna de percepção:

Observe o silêncio de 2 dias (10/3 → 12/3): anúncio feito, preço praticamente parado.

Por que essa demora?

Investidores cripto veem a notícia como “Bittensor SN3 treinou um modelo de IA” — mas podem não entender o significado técnico de “treinamento descentralizado de 72B que supera a Meta em MMLU”.

Pesquisadores de IA entendem o valor técnico, mas não se interessam por cripto.

Essa diferença de percepção cria uma janela de atraso de cerca de 2-3 dias na resposta do mercado.

Além disso, a maioria dos investidores cripto ainda pensa no Bittensor como na fase anterior. Hoje, há mais de 79 sub-redes ativas, cobrindo áreas como agentes de IA, poder computacional, treinamento, negociação, robôs, etc. Quando o mercado reavaliar a abrangência do ecossistema Bittensor, essa percepção será ajustada — e esse ajuste costuma se refletir em picos de preço.

A avaliação do Bittensor está desalinhada

Colocando o Bittensor no contexto maior da indústria:

O SN3 já provou: o Bittensor pode treinar grandes modelos de forma descentralizada.

Se no futuro a IA precisar de redes abertas e sem permissão para treinamento, a única infraestrutura já comprovada na prática é o Bittensor.

O mercado está usando a lógica de avaliação de projetos de aplicação para precificar uma rede de infraestrutura de IA.

Mesmo dentro do cripto, a participação do Bittensor no mercado de IA é de cerca de 11,5%, enquanto o Bitcoin domina 50-60% do mercado cripto.

Quando o mercado entender melhor o papel do Bittensor na infraestrutura de IA, essa discrepância será corrigida.

Conclusão: o Bittensor é a esperança de toda a comunidade cripto

Se o Covenant-72B do SN3 Templar provou algo, é que:

Redes descentralizadas podem coordenar não só capital, mas também poder computacional e pesquisa de ponta em IA.

Nos últimos anos, o cripto foi um ator marginal na narrativa de IA. Muitos projetos dependem de conceitos, hype ou capital, sem resultados técnicos verificáveis. O SN3 é um caso claramente diferente.

Ele não lançou uma nova narrativa de token, nem promoveu um produto de aplicação “IA + Web3”, mas realizou uma tarefa mais fundamental e difícil:

Treinar um grande modelo de 72B sem coordenação centralizada.

Participantes de todo o mundo, sem necessidade de confiança mútua; o sistema usa incentivos e mecanismos de validação na cadeia para coordenar contribuições e distribuir recompensas automaticamente.

Pela primeira vez, mecanismos cripto geram produtividade real na área de IA.

Muitos ainda não perceberam a importância histórica do SN3. Assim como no Bitcoin, muitos não perceberam que ele não provou apenas “pagamentos melhores”, mas uma nova forma de consenso de valor sem confiança central.

Hoje, muitos veem apenas benchmarks, lançamentos de modelos ou uma alta pontual no preço.

Mas a mudança real é que o Bittensor está demonstrando:

Cripto não serve só para emitir ativos, mas também para organizar produção.

Cripto não é só para negociar atenção, mas também para gerar inteligência.

Comunidades open source podem contribuir com código, academia com artigos, mas quando se trata de treinamento em larga escala, colaboração de longo prazo, coordenação global, anti-trapaça e distribuição de recompensas, boas intenções e sistemas de reputação não são suficientes:

Sem incentivos econômicos, não há oferta estável.

Sem mecanismos verificáveis de recompensa e punição, não há colaboração de longo prazo.

Sem coordenação tokenizada, não há uma rede de produção de IA verdadeiramente global e sem permissão.

Portanto, o Bittensor está subestimado? A resposta não é “possível”, mas “de forma significativa e sistemática, claramente subestimado”.

Na grande discussão sobre “se o cripto ainda faz sentido”, o Bittensor está fornecendo a resposta mais convincente de toda a indústria.

Por isso mesmo: o Bittensor é a esperança de toda a comunidade cripto.