TAO попередження DeepSeek: зростання Templar (SN3)

Автор: CJ_Blockchain

3 лютого 2025 року на платформі національного суперкомп’ютерного інтернету тихо запустили модель DeepSeek-R1.

Протягом наступного місяця її продуктивність, яка безпосередньо порівнювалася з провідними закритими моделями, і вартість тренування, що була порівнянна з “капустою”, викликали глобальний ажіотаж.

Це спричинило різке падіння акцій AI у США та започаткувало “DeepSeek” момент для китайського AI.

10 березня 2026 року Subnet 3 Templar від Bittensor оголосив про завершення найбільшого в історії децентралізованого попереднього тренування великої мовної моделі (LLM) — Covenant-72B.

Це найбільше в історії децентралізоване попереднє тренування великої мовної моделі:

720 мільйонів параметрів, на базі приблизно 1.1 трильйона токенів, повністю через мережу Bittensor Subnet 3, без дозволу, з участю понад 70 незалежних вузлів.

Bittensor отримав свій власний DeepSeek момент.

1. Templar (SN3): від збору даних до трансформації парадигми основного тренування

Передумова Templar — це SN3, який раніше керував Omega Labs, зосереджений на зборі та аналізі мультимодальних даних. З розвитком механізму Bittensor ця підмережа зробила стратегічний перехід від “вантажника даних” до “ковальського моделів”.

Зараз Templar позиціонується як глобальна інфраструктура для попереднього тренування розподілених моделей. За допомогою мотиваційних механізмів він збирає глобальні гетерогенні обчислювальні ресурси, прагнучи вирішити надзвичайно високі витрати на обчислення та проблему централізованого контролю. Успішна доставка Covenant-72B підтверджує зрілість цієї децентралізованої моделі виробництва.

2. Covenant-72B: руйнування масштабних обмежень децентралізованого тренування

Covenant-72B — це віховий результат Templar і наймасштабніша модель попереднього тренування у децентралізованій мережі.

• Основні параметри: 72 мільярди параметрів, попереднє тренування на високопродуктивному корпусі DCLM.
• Порівняння продуктивності: у базових тестах її результати майже рівні з Meta Llama-2-70B.
• Оптимізація команд: після тонкого налаштування Covenant-72B-Chat показує сильну конкурентоспроможність у IFEval (виконання команд) та MATH (математичні розрахунки), навіть перевищуючи закриті моделі того ж масштабу.
• Ефективність виведення: модель досягає 450 токенів/сек, що вирішує проблему затримки відповіді у реальних застосунках.

3. Алгоритм SparseLoCo: базовий рушій децентралізованого тренування

Обучення моделі обсягом 72B у звичайних інтернет-умовах — це виклик через обмежену пропускну здатність вузлів. Templar застосував ключовий алгоритм SparseLoCo для досягнення прориву:

• Надзвичайне стиснення: алгоритм передає лише 1-3% ключових градієнтів, квантуючи дані до 2-біт, що значно знижує потребу у пропускній здатності мережі.
• Низькочастотна синхронізація: на відміну від традиційних кластерів, SparseLoCo дозволяє вузлам локально ітерувати від 15 до 250 кроків перед глобальною синхронізацією.
• Компенсація помилок: за допомогою локального накопичення градієнтів забезпечується збереження точності моделі навіть при втраті понад 97% інформації.

Ця технологія доводить: навіть без дорогих інфраструктур, таких як InfiniBand, за допомогою глобальної розподіленої мережі можна створювати високорівневий інтелект.

4. Оцінка галузі та реакція ринку

Технологічні досягнення Templar привернули увагу основних гравців AI і капіталу:

• Авторитетне визнання:

Співзасновник Anthropic Джек Кларк у своєму аналітичному звіті класифікував Templar як найбільшу активну децентралізовану мережу тренування у світі, зазначивши швидкість її розвитку, що перевищує очікування галузі.

Джейсон Калаканіс (ведучий All-In Podcast, відомий інвестор у Кремнієвій долині) у своєму блозі глибоко описав механізм Bittensor і натякнув на можливість покупки.

• Інституційні стратегії:

Grayscale продовжує збільшувати володіння TAO і вважає його ключовим активом у децентралізованому AI-секторі.

DCG створила Yuma, яка зосереджена на прискоренні розвитку екосистеми Bittensor (TAO), і вважається найбільшим і найпрямішим ставкою DCG на децентралізований AI.

• Ринкова динаміка:

$TAO: після оголошення Templar про завершення тренування моделі 72B, TAO виріс більш ніж на 30%, демонструючи абсолютну силу у коливаннях BTC.

$Templar (SN-3): Templar за 7 днів виріс на 75%, вважається головним гравцем у захопленні емісії Bittensor. Поточна ринкова капіталізація — лише 70 мільйонів.

5. Потенціал інвестицій у підмережі та екосистемний потенціал

Успіх Templar відкриває нові горизонти для екосистеми Bittensor:

• Відкриття цінового потенціалу: довгий час сумніви щодо Bittensor як “повітряного стимулу” зникли. Templar довів, що протокол здатен створювати комерційно конкурентоспроможні інструменти, переводячи оцінку TAO з “нарративної” у “продуктову” логіку.
• Потенціал гетерогінних обчислювальних ресурсів: з розвитком “гетерогенного SparseLoCo” у майбутньому споживацькі графічні карти (наприклад, RTX 4090) зможуть безпосередньо брати участь у тренуванні моделей з мільярдами параметрів, сприяючи рівності ресурсів.
• Можливості підмереж: за механізмом dTAO, такі підмережі, як Templar, з високим технологічним бар’єром і здатністю постійно створювати високопродуктивні моделі, мають високий довгостроковий інвестиційний потенціал.

Templar поточна MC=75м, FDV=350м

У той час як основні гравці у галузі — OpenAI з оцінкою 8400 млрд, Anthropic — 3500 млрд, Minimax — 450 млрд.

Не стверджується, що Templar може прямо конкурувати з цими компаніями, але у нинішньому світі, де домінують дефіцит нарративів, знижується увага і люди вже не вірять у децентралізацію, поява Templar безумовно додає сил децентралізованому AI.

Висновок

Templar довів, що у децентралізованому середовищі можна не лише зберігати дані, а й створювати інтелект. Covenant-72B — це лише початок, і з вертикальною інтеграцією SN3 (попереднє тренування), SN39 (обчислювальні ресурси) та SN81 (підсилене навчання) вже з’являється прототип децентралізованого OpenAI, що працює на блокчейні.

З моменту свого народження криптоіндустрія вже спростувала безліч нарративів, і хоча ідеї децентралізованого зберігання, обчислень і обчислювальних машин здавалися зниклими, все ж є проекти, що впевнено йдуть цим шляхом і досягають успіху.

Успіх Templar — це не лише DeepSeek момент Bittensor, а й, можливо, DeepSeek момент Crypto.