Bittensor là hy vọng của toàn bộ làng Crypto

Tác giả: 0xai

Xin chân thành cảm ơn @DistStateAndMe và đội ngũ của họ về những đóng góp trong lĩnh vực mô hình AI mã nguồn mở, cũng như những lời khuyên quý giá và sự hỗ trợ dành cho bài viết này.

Tại sao bạn nên quan tâm đến báo cáo này

Nếu “đào tạo AI phi tập trung” đã từ không thể trở thành khả thi, thì Bittensor đã bị đánh giá thấp đến mức nào?

Đầu năm 2026, toàn bộ cộng đồng Crypto tràn ngập cảm giác mệt mỏi.

Hồi kết của đợt tăng giá trước đã trôi qua từ lâu, nhân lực đang đổ dồn nhanh hơn vào ngành AI. Những người từng nói về “khoảng 100x tiếp theo” giờ đây lại bàn về Claude CodeOpenclaw. “Crypto là lãng phí thời gian” — câu này, có thể bạn đã nghe không ít lần.

Nhưng vào ngày 10 tháng 3 năm 2026, một mạng con của Bittensor có tên là Templar đã âm thầm thông báo một sự kiện.

Hơn 70 người tham gia độc lập từ khắp nơi trên thế giới, không có máy chủ trung tâm, không có công ty lớn nào điều phối, chỉ dựa vào cơ chế khuyến khích của Crypto, đã hợp lực huấn luyện thành công một mô hình AI lớn với 720 tỷ tham số.

Mô hình và các bài báo liên quan đã được đăng tải trên HuggingFace và arXiv, dữ liệu công khai và có thể xác minh.

Quan trọng hơn: Trong nhiều bài kiểm tra then chốt, mô hình này vượt xa các mô hình cùng cấp do Meta đầu tư tốn kém để huấn luyện.

Sau khi công bố, giá TAO đã im lặng gần 2 ngày. Đến ngày thứ 3 mới bắt đầu tăng vọt, sau 6 ngày vẫn chưa dừng lại, tổng mức tăng khoảng +40%. Tại sao lại có sự chậm trễ này?

Luận điểm chính của báo cáo này là: Các nhà đầu tư crypto nhìn nhận chỉ là “một mô hình mã nguồn mở khác”, cảm thấy không thể sánh bằng GPT, Claude trong sử dụng hàng ngày; các nhà nghiên cứu AI không quan tâm đến crypto. Khoảng cách giữa hai cộng đồng này đang tạo ra một cửa sổ cơ hội về nhận thức (cognitive arbitrage).

Khung nội dung đọc

Báo cáo này gồm hai phần logic:

Phần I — Đột phá công nghệ: Giải thích SN3 Templar đã làm gì và tại sao điều này lại quan trọng trong lịch sử AI và Crypto.

Phần II — Ý nghĩa ngành: Giải thích tại sao sự kiện này cho thấy hệ sinh thái Bittensor đang bị đánh giá thấp một cách hệ thống, và tại sao Bittensor được xem là hy vọng của toàn cộng đồng Crypto.

Phần I: Đột phá trong đào tạo AI phi tập trung

1. SN3 là gì?

Huấn luyện một mô hình ngôn ngữ lớn cần những gì?

Trả lời truyền thống: Xây dựng trung tâm dữ liệu khổng lồ, mua hàng nghìn GPU hàng đầu, chi hàng trăm triệu đô la, do đội ngũ kỹ sư của một công ty điều phối. Đó chính là cách của Meta, Google, OpenAI.

Cách làm của SN3 Templar: Cho phép các cá nhân phân tán trên toàn thế giới dùng một hoặc vài GPU, ghép chúng lại như ghép hình, hợp lực huấn luyện một mô hình lớn hoàn chỉnh.

Nhưng có một vấn đề cốt lõi: Nếu các người tham gia đến từ khắp nơi, không tin tưởng lẫn nhau, mạng lưới không ổn định, làm thế nào đảm bảo kết quả huấn luyện là hiệu quả? Làm sao ngăn ai đó lười biếng hoặc gian lận? Làm sao khuyến khích mọi người liên tục đóng góp?

Bittensor đã đưa ra câu trả lời: sử dụng token TAO làm phần thưởng. Ai đóng góp gradient (có thể hiểu là “cống hiến cho sự cải thiện của mô hình”) hiệu quả hơn, người đó sẽ nhận nhiều TAO hơn. Hệ thống tự đánh giá, tự thanh toán, không cần tổ chức trung tâm nào điều phối.

Đây chính là SN3 của Bittensor (mạng con thứ 3), mã số Templar.

Nếu Bitcoin chứng minh rằng “tiền” phi tập trung là khả thi, thì SN3 đang chứng minh rằng “đào tạo AI” phi tập trung cũng hoàn toàn có thể.

2. SN3 đạt được thành tựu gì?

Ngày 10 tháng 3 năm 2026, SN3 Templar tuyên bố hoàn thành huấn luyện mô hình ngôn ngữ lớn mang tên Covenant-72B.

“72B” nghĩa là gì? 720 tỷ tham số. Tham số là “đơn vị lưu trữ kiến thức” của mô hình AI, càng nhiều, mô hình thường càng thông minh. GPT-3 có 1750 tỷ, LLaMA-2 (dòng mã nguồn mở của Meta) có 700 tỷ. Covenant-72B cùng cấp với LLaMA-2.

Quy mô huấn luyện lớn đến mức nào? Khoảng 1.1 nghìn tỷ từ (tokens) — tương đương khoảng 5.5 triệu cuốn sách (giả sử mỗi cuốn 200.000 chữ).

Ai tham gia huấn luyện? Hơn 70 người độc lập (thợ mỏ) đã lần lượt đóng góp sức mạnh tính toán (mỗi vòng đồng bộ tối đa khoảng 20 nút), bắt đầu từ ngày 12 tháng 9 năm 2025, kéo dài khoảng 6 tháng. Không có máy chủ trung tâm, không có tổ chức điều phối chung.

Hiệu quả của mô hình ra sao? So sánh qua các kỳ thi AI chính:

Nguồn dữ liệu: Model card Covenant-72B trên HuggingFace

MMLU (kiến thức tổng hợp 57 môn học): Covenant-72B đạt 67.35% so với LLaMA-2 của Meta đạt 63.08%

GSM8K (suy luận toán học): Covenant-72B đạt 63.91% so với LLaMA-2 đạt 52.16%

IFEval (khả năng theo lệnh): Covenant-72B đạt 64.70% so với LLaMA-2 đạt 40.67%

Mã nguồn mở hoàn toàn: Giấy phép Apache 2.0. Ai cũng có thể tải xuống, sử dụng, thương mại mà không hạn chế.

Có sự hậu thuẫn từ học thuật: Bài báo đã gửi [arXiv 2603.08163], công nghệ cốt lõi (bộ tối ưu SparseLoCo và cơ chế chống gian lận Gauntlet) đã trình bày tại NeurIPS Optimization Workshop.

3. Điều này có ý nghĩa gì?

Với cộng đồng AI mã nguồn mở: Trước đây, do giới hạn về tài chính và sức mạnh tính toán, huấn luyện các mô hình 70B là đặc quyền của vài công ty lớn. Covenant-72B lần đầu chứng minh: cộng đồng, không có sự hỗ trợ tài chính trung tâm, vẫn có thể huấn luyện mô hình cùng cấp. Điều này thay đổi giới hạn ai đủ điều kiện tham gia phát triển mô hình AI nền tảng.

Với cấu trúc quyền lực AI: Hiện tại, các mô hình nền tảng chủ yếu tập trung — OpenAI, Google, Meta, Anthropic kiểm soát phần lớn các mô hình mạnh nhất. Sự ra đời của huấn luyện phi tập trung có nghĩa là hàng rào này có thể bị vượt qua. “Chỉ các công ty lớn mới làm được mô hình nền tảng” lần đầu bị thách thức.

Với ngành Crypto: Đây là lần đầu tiên các dự án crypto đóng góp thực sự về mặt kỹ thuật trong lĩnh vực AI, chứ không chỉ “làm ăn theo trào lưu”. Covenant-72B có mô hình trên HuggingFace, bài báo trên arXiv, dữ liệu Benchmark công khai. Điều này tạo ra một tiền lệ: cơ chế khuyến khích của crypto có thể trở thành hạ tầng nghiên cứu AI nghiêm túc.

Với chính Bittensor: Thành công của SN3 đã biến Bittensor từ một “hệ thống phi tập trung khả thi về lý thuyết” thành “hạ tầng AI phi tập trung đã được thực tiễn chứng minh”. Đây là bước chuyển từ 0 đến 1 mang tính chất lượng.

4. Vị trí lịch sử của SN3

Con đường đào tạo AI phi tập trung không phải do SN3 đi đầu, nhưng SN3 đã đi đến những nơi mà các tiền bối chưa từng tới.

Lịch sử tiến hóa của đào tạo phi tập trung:

2022 — Together GPT-JT (6B): Khám phá ban đầu, chứng minh khả năng hợp tác đa máy

2023 — SWARM Intelligence (~1B): Đề xuất khung hợp tác các nút không đồng nhất

2024 — INTELLECT-1 (10B): Đào tạo phi tập trung liên tổ chức

2026 — Covenant-72B / SN3 (72B): Mô hình lớn đầu tiên vượt qua các chuẩn mực tập trung trên các benchmark chính

Chỉ trong 4 năm, từ 6B lên 72B, tham số tăng 12 lần. Nhưng điều quan trọng hơn là chất lượng — các dự án trước chủ yếu là “chạy được”, Covenant-72B là mô hình phi tập trung đầu tiên vượt qua các mô hình tập trung trên các benchmark chính.

Các đột phá công nghệ then chốt:

99% tỷ lệ nén (hơn 146x): Mỗi lần tham gia gửi gradient, dữ liệu truyền tải ban đầu là GB, nhưng với SparseLoCo, toàn bộ quá trình nén vượt quá 146 lần. Tương đương nén cả một mùa phim thành một bức ảnh, với tổn thất cực nhỏ.

Chỉ 6% chi phí truyền thông: 100 người hợp tác, chỉ 6% thời gian dành cho “giao tiếp, điều phối”, 94% còn lại là huấn luyện thực tế. Điều này giải quyết một trong những nút thắt lớn nhất của đào tạo phi tập trung.

5. Đào tạo phi tập trung có bị đánh giá thấp?

Trước tiên, xem dữ liệu rồi mới kết luận.

Bằng chứng cho sự đánh giá thấp:

MMLU 67.35% so với LLaMA-2 63.08%

MMLU-Pro 40.91% so với LLaMA-2 35.20%

IFEval 64.70% so với LLaMA-2 40.67%

Mô hình phi tập trung đã vượt qua LLaMA-2-70B do Meta đầu tư tốn kém.

So sánh với các mô hình mã nguồn mở hàng đầu hiện nay (cần trung thực):

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%

Khoảng cách khoảng 20-30 điểm phần trăm.

Nhưng quan trọng là khung so sánh: Covenant-72B không phải để so sánh SOTA, mà để chứng minh khả năng của đào tạo phi tập trung. Qwen2.5 / LLaMA-3.1 đều có hàng tỷ đô đầu tư, hàng nghìn GPU, đội ngũ kỹ sư chuyên nghiệp; Covenant-72B chỉ gồm hơn 70 thợ mỏ độc lập, không có tổ chức trung tâm điều phối.

Xu hướng quan trọng hơn các con số tạm thời:

2022 — Mô hình phi tập trung tốt nhất chỉ 6B, chưa từng đo MMLU.

2026 — Mô hình 72B, MMLU 67.35%, vượt qua các mô hình cùng cấp của Meta.

Chỉ trong 4 năm, đào tạo phi tập trung đã từ “thí nghiệm ý tưởng” chuyển sang “hiệu năng có thể so sánh với tập trung”. Đường cong này còn quan trọng hơn bất kỳ con số benchmark nào.

Hơn nữa, khoảng cách về khả năng suy luận sâu của Covenant-72B đã có kế hoạch cải thiện — SN81 Grail sẽ đảm nhiệm huấn luyện tăng cường (RLHF) sau này, giúp mô hình phù hợp và nâng cao năng lực. Đây chính là bước cải tiến quan trọng nhất so với GPT-3 của GPT-4.

Heterogeneous SparseLoCo là cột mốc tiếp theo: Hiện tại, SN3 yêu cầu tất cả thợ mỏ dùng cùng loại GPU. Bước đột phá lớn tiếp theo là Heterogeneous SparseLoCo, cho phép các phần cứng khác nhau (B200 + A100 + GPU tiêu dùng) cùng tham gia huấn luyện. Khi thành công, quy mô sức mạnh tính toán của vòng huấn luyện tiếp theo sẽ mở rộng đáng kể.

Đào tạo phi tập trung đã vượt qua ngưỡng khả thi. Khoảng cách trên các benchmark hiện tại là vấn đề kỹ thuật cần tối ưu, chứ không phải rào cản lý thuyết căn bản.

Phần II: Thị trường vẫn chưa hiểu rõ về điều này

Dòng thời gian giá TAO

Sau khi SN3 công bố, diễn biến giá TAO đã phản ánh rõ ràng sự chậm trễ trong nhận thức:

Chú ý khoảng thời gian im lặng 2 ngày (3/10 → 3/12): Công bố, giá gần như không biến động.

Tại sao lại có sự chậm trễ này?

Các nhà đầu tư crypto chỉ thấy “Bittensor SN3 đã hoàn thành một mô hình AI” — nhưng họ chưa hiểu rõ ý nghĩa kỹ thuật của “72B đào tạo phi tập trung vượt qua Meta trên MMLU”.

Các nhà nghiên cứu AI hiểu ý nghĩa này, nhưng họ không quan tâm đến crypto.

Khoảng cách nhận thức giữa hai cộng đồng này tạo ra một cửa sổ chậm phản ứng khoảng 2-3 ngày về giá.

Hơn nữa, phần lớn nhà đầu tư crypto vẫn còn giữ nhận thức cũ về Bittensor. Hiện tại, có hơn 79 mạng con hoạt động trên Bittensor, phủ sóng các lĩnh vực như AI Agent, sức mạnh tính toán, huấn luyện AI, giao dịch AI, robot… Khi thị trường bắt đầu định giá lại toàn bộ hệ sinh thái của Bittensor, sự chênh lệch này sẽ được sửa chữa — và quá trình đó thường thể hiện qua các đợt tăng giá mạnh.

Định giá sai lệch của Bittensor

Đặt Bittensor trong bối cảnh ngành lớn hơn:

SN3 đã chứng minh: Bittensor có thể hoàn thành đào tạo mô hình lớn phi tập trung.

Nếu tương lai AI cần một mạng lưới đào tạo mở, không cần phép, thì cơ sở hạ tầng đã được thực tiễn chứng minh duy nhất chính là Bittensor.

Thị trường đang dùng định giá của các dự án ứng dụng để định giá một mạng lưới hạ tầng AI.

Ngay cả trong nội bộ Crypto, Bitcoin chiếm khoảng 50-60% thị phần, còn Bittensor trong lĩnh vực AI của Crypto chỉ chiếm khoảng 11.5%.

Khi thị trường hiểu rõ hơn vị trí của Bittensor trong hạ tầng AI, sự chênh lệch này sẽ được điều chỉnh.

Kết luận: Bittensor chính là hy vọng của toàn cộng đồng Crypto

Nếu Covenant-72B của SN3 Templar đã chứng minh điều gì, thì đó là:

Mạng lưới phi tập trung không chỉ có thể điều phối vốn, mà còn điều phối sức mạnh tính toán và nghiên cứu AI tiên tiến.

Trong những năm qua, Crypto chủ yếu đóng vai trò phụ trong câu chuyện AI. Nhiều dự án dựa vào mô hình ý tưởng, cảm xúc hoặc vốn đầu tư, nhưng thiếu các sản phẩm kỹ thuật có thể xác thực. SN3 là một ví dụ rõ ràng khác biệt.

Nó không ra mắt token mới, cũng không xây dựng các sản phẩm ứng dụng “AI + Web3”, mà hoàn thành một việc còn nền tảng hơn, khó hơn:

Trong điều kiện không có sự điều phối trung tâm, đã huấn luyện thành công một mô hình 72B.

Tham gia từ khắp nơi trên thế giới, không cần tin tưởng lẫn nhau; hệ thống dựa vào cơ chế khuyến khích và xác thực trên chuỗi để tự điều phối đóng góp và phân phối lợi ích.

Cơ chế crypto lần đầu tiên tổ chức ra một năng lực sản xuất thực sự trong lĩnh vực AI.

Nhiều người vẫn chưa hiểu rõ ý nghĩa lịch sử của SN3. Giống như thời Bitcoin, nhiều người còn chưa nhận ra rằng nó không chỉ chứng minh “phương thức thanh toán tốt hơn”, mà còn là sự đồng thuận về giá trị không cần trung tâm.

Ngày nay, nhiều người chỉ thấy các benchmark, ra mô hình, hoặc một đợt tăng giá.

Nhưng thực tế, Bittensor đang chứng minh rằng:

Crypto không chỉ có thể phát hành tài sản, mà còn có thể tổ chức sản xuất

Crypto không chỉ có thể giao dịch sự chú ý, mà còn có thể tạo ra trí tuệ

Cộng đồng mã nguồn mở có thể đóng góp mã, giới học thuật có thể đóng góp bài báo, nhưng khi vấn đề mở rộng quy mô huấn luyện, hợp tác dài hạn, điều phối xuyên vùng, chống gian lận và phân phối lợi ích trở nên phức tạp, thì thiện chí và hệ thống danh tiếng là không đủ:

Không có phần thưởng kinh tế, không có cung cấp ổn định

Không có hệ thống thưởng phạt xác thực, không thể duy trì hợp tác dài hạn

Không có cơ chế token hóa để điều phối toàn cầu, không thể hình thành mạng lưới sản xuất AI mở, không cần phép

Vậy, Bittensor có bị đánh giá thấp không? Câu trả lời không phải “có thể”, mà là “rõ ràng, hệ thống và đáng kể đang bị đánh giá thấp”.

Trong cuộc tranh luận lớn về “Crypto còn ý nghĩa tồn tại hay không”, Bittensor đang đưa ra một câu trả lời mạnh mẽ nhất của toàn ngành.

Vì lẽ đó: Bittensor chính là hy vọng của toàn cộng đồng Crypto.