Новая волна инноваций Bittensor в области ИИ появляется из децентрализованных сабнетов сети, и дайджест этой недели показывает, насколько далеко экосистема вышла за рамки криптомайнинга в сторону геномики, поиска лекарств, рыночного прогнозирования и корпоративных продаж. В период с 27 июля по 2 августа 2026 года команды, строящие решения на Bittensor, опубликовали новые исследования, запустили масштабный тренировочный прогон, охватывающий три континента, и впервые провели реальные корпоративные рабочие нагрузки через децентрализованную инфраструктуру.
Summary
Ключевые выводы
- Minos совместно с OpenAI написал статью о научных вычислениях в эпоху агентного ИИ, выделив GPU-движок HelixForge как основной кейс.
- HelixForge работал в 60 раз быстрее, чем BamSurgeon, на сопоставимом бенчмарке и сократил ошибку частоты мутаций более чем вдвое.
- Macrocosmos запустил обучение Orion-16B — модель с 16 миллиардами параметров, работающую на IOTA на трёх континентах с пулом вычислений, масштабируемым до 256 GPU.
- Beam завершил первый децентрализованный перевод данных между сабнетами, переместив 107 ГБ между Cloudflare R2 и Hippius примерно за шесть минут.
- Engy запустил модель Kimi K3 с 2,8 триллиона параметров на 80 потребительских GPU RTX 5090 без использования датацентрового оборудования.
Инновационные исследования ИИ и развитие GPU-движков
Minos совместно с OpenAI опубликовал новую статью под названием «Научные вычисления в эпоху агентного ИИ» — это сотрудничество придаёт академический вес работе, уже циркулирующей внутри исследовательских сабнетов Bittensor. Самое сложное кейс-исследование в статье сосредоточено на HelixForge, GPU-нативном движке Minos, который используется для генерации скрытых оценочных геномов SN107 для целей бенчмаркинга.
На сопоставимом бенчмарке с BamSurgeon, широко используемым инструментом геномики, HelixForge работал в 60 раз быстрее от начала до конца и сократил ошибку частоты мутаций более чем вдвое. Такой прирост скорости важен, потому что рабочие нагрузки по геномному моделированию печально известны своей медлительностью и прожорливостью к вычислительным ресурсам; GPU-нативный подход, который одновременно сокращает и время выполнения, и погрешность, показывает, что децентрализованная вычислительная модель Bittensor может конкурировать и в некоторых случаях превосходить устоявшееся научное ПО. Почему это важно: если показатели HelixForge выдержат дальнейшую проверку, это позиционирует исследования, связанные с Bittensor, как полноценный вклад в вычислительную биологию, а не просто крипто-курьёз на периферии науки.
Крупномасштабное обучение моделей ИИ на децентрализованном «железе»
Главная инфраструктурная новость недели — запуск Macrocosmos модели Orion-16B, живого тренировочного прогона с 16 миллиардами параметров, построенного на IOTA. В отличие от традиционного централизованного датацентра, эта модель обучается одновременно на трёх континентах, используя гетерогенную смесь потребительских GPU RTX 4090 и RTX 5090.
Обучение Orion-16B на трёх континентах
Главное отличие Orion-16B от её предшественника Orion-100B — характер пула вычислений. Вместо опоры на фиксированный, проверенный набор машин этот прогон использует разрешительный (permissionless) и непредсказуемый пул участников, масштабируясь до 256 GPU в любой момент времени. Такой дизайн — прямой тест того, можно ли надёжно обучать крупные модели, когда базовый поставщик «железа» волатилен и открыт для любого, кто хочет предоставить вычислительные ресурсы. Это заметный отход от подхода большинства передовых лабораторий, где вычисления централизованно контролируются и предсказуемы.
Engy запускает Kimi K3 на потребительских GPU
Отдельно команда Engy смогла запустить полную модель Kimi K3 с 2,8 триллиона параметров на 80 потребительских RTX 5090 без участия датацентрового оборудования или специализированных сетей. Engy планирует открыть доступ к модели через собственную платформу. Это достижение демонстрирует, что открытые модели фронтирного масштаба не обязательно требуют эксклюзивной, дорогой инфраструктуры, которая традиционно ограничивала доступ к передовому ИИ. Это имеет реальные последствия для того, кто может запускать и экспериментировать с крупнейшими доступными сегодня открытыми моделями.
Децентрализованный перенос данных и расширение инфраструктуры
Beam на этой неделе завершил свой первый децентрализованный перевод данных между сабнетами, переместив 107 ГБ данных из Cloudflare R2 в Hippius примерно за шесть минут. Это звучит как небольшой рубеж, но за ним стоит более важный смысл: впервые данные переместились между двумя отдельными децентрализованными сабнетами без опоры на централизованного посредника, контролирующего весь путь.
Beam Tunnels, соединяющие приватные и облачные данные
Следующий этап — Beam Tunnels — нацелен на расширение той же сети до приватных источников данных, напрямую соединяя локальные (on-premise) системы и облачное хранилище с сабнетами Bittensor. В совокупности завершённый перевод и предстоящая функция Tunnels продвигают Beam к роли программируемого дата-слоя между децентрализованной сетью Bittensor и корпоративной инфраструктурой, которую компании уже используют. Такой децентрализованный перенос данных важен для внедрения, потому что снижает трение для бизнеса, который хочет использовать вычисления и модели Bittensor, не демонтируя свои существующие облачные или локальные решения.
Практические приложения ИИ и партнёрства в экосистеме Bittensor
Помимо прорывов в инфраструктуре и обучении, несколько сабнетов превращают исследования в готовые к развёртыванию продукты — и именно здесь, пожалуй, наиболее наглядно проявляется ценность Bittensor.
Нанотела-кандидаты от Metanova и Yalotein
Metanova начала производство лучших нанотел-кандидатов NOVA в партнёрстве с Yalotein, отправляя молекулы на лабораторные испытания. Кандидаты были отобраны через конкурс Metanova на базе Bittensor, а следующий шаг — определить, работают ли эти спроектированные на компьютере молекулы в реальных физических экспериментах. Это критическая контрольная точка: вычислительный дизайн может быстро генерировать многообещающие кандидаты, но только лабораторные результаты могут подтвердить, переносится ли наука в реальность.
Прогнозная модель Synth, пилот Leadpoet от Dropbox и демо перевода Babelbit
Synth опубликовал статью с описанием того, как он адаптировал модель TimesFM 2.5 от Google для прогнозного конкурса SN50. Вместо предсказания одного наиболее вероятного исхода адаптированная модель отображает несколько возможных рыночных траекторий вместе с неопределённостью, связанной с каждой из них. Примечательно, что Synth сделал модель конкурентоспособной на SN50 менее чем за час обучения на одном игровом GPU, что говорит о том, что умелая адаптация может быть важнее «голой» вычислительной мощности в задачах прогнозирования.
На стороне корпоративных приложений Dropbox и один из его партнёров по каналам продаж тестируют Leadpoet — инструмент, помогающий командам продаж выявлять компании с наибольшей вероятностью конверсии в клиентов, чтобы менеджеры знали, кого ставить в приоритет. Тем временем Babelbit провёл живое сравнение своего голосового перевода с Google на одном и том же выпуске новостей на немецком языке. В этом демо языковой API Babelbit выглядел более чётким и точным, с меньшим количеством пауз и искажённых фраз по сравнению с конкурентом.
В совокупности события этой недели показывают, как экономика сабнетов Bittensor одновременно выходит в геномные исследования, распределённое обучение моделей, корпоративное движение данных и прикладные продукты ИИ. Общий знаменатель — децентрализованные, разрешительные вычисления, доказывающие, что они способны обрабатывать рабочие нагрузки, которые раньше считались возможными только на централизованной, жёстко контролируемой инфраструктуре, — утверждение, которое будет подвергаться всё более пристальному вниманию по мере того, как эти пилоты и тренировочные прогоны будут переходить в промышленную эксплуатацию.
FAQ
Что такое HelixForge и как он работает по сравнению с предыдущими движками?
HelixForge — это GPU-нативный движок, созданный Minos, который работает в 60 раз быстрее, чем BamSurgeon, на сопоставимых бенчмарках и сокращает ошибку частоты мутаций более чем вдвое, что делает его выдающимся кейсом в недавней совместной с OpenAI статье о научных вычислениях.
Чем уникален процесс обучения модели ИИ Orion-16B?
Orion-16B обучается на трёх континентах, используя гетерогенную смесь потребительских GPU RTX 4090 и RTX 5090, опираясь на разрешительный пул вычислений, который может масштабироваться до 256 GPU — более непредсказуемую конфигурацию, чем в предыдущем прогоне Orion-100B.
Каков прогресс в области децентрализованного переноса данных в экосистеме Bittensor?
Beam успешно выполнил свой первый децентрализованный перевод данных между сабнетами, переместив 107 ГБ из Cloudflare R2 в Hippius примерно за шесть минут, и сейчас расширяется с помощью Beam Tunnels, чтобы подключать приватные локальные системы и облачное хранилище к сабнетам Bittensor.
Какие практические приложения появляются в результате усилий по развитию ИИ, связанных с Bittensor?
К приложениям относятся ранние лабораторные испытания нанотел-кандидатов от Metanova и Yalotein, адаптированная прогнозная модель Synth для предсказания рыночных траекторий, пилот Dropbox по использованию инструмента продаж Leadpoet и живое демо голосового перевода Babelbit в прямом сравнении с Google.
{«@context»:»https://schema.org»,»@type»:»FAQPage»,»mainEntity»:[{«@type»:»Question»,»name»:»Что такое HelixForge и как он работает по сравнению с предыдущими движками?»,»acceptedAnswer»:{«@type»:»Answer»,»text»:»HelixForge — это GPU-нативный движок, созданный Minos, который работает в 60 раз быстрее, чем BamSurgeon, на сопоставимых бенчмарках и сокращает ошибку частоты мутаций более чем вдвое, что делает его выдающимся кейсом в недавней совместной с OpenAI статье о научных вычислениях.»}},{«@type»:»Question»,»name»:»Чем уникален процесс обучения модели ИИ Orion-16B?»,»acceptedAnswer»:{«@type»:»Answer»,»text»:»Orion-16B обучается на трёх континентах, используя гетерогенную смесь потребительских GPU RTX 4090 и RTX 5090, опираясь на разрешительный пул вычислений, который может масштабироваться до 256 GPU — более непредсказуемую конфигурацию, чем в предыдущем прогоне Orion-100B.»}},{«@type»:»Question»,»name»:»Каков прогресс в области децентрализованного переноса данных в экосистеме Bittensor?»,»acceptedAnswer»:{«@type»:»Answer»,»text»:»Beam завершил свой первый децентрализованный перевод данных между сабнетами, переместив 107 ГБ из Cloudflare R2 в Hippius примерно за шесть минут, и сейчас расширяется с помощью Beam Tunnels, чтобы подключать приватные локальные системы и облачное хранилище к сабнетам Bittensor.»}},{«@type»:»Question»,»name»:»Какие практические приложения появляются в результате усилий по развитию ИИ, связанных с Bittensor?»,»acceptedAnswer»:{«@type»:»Answer»,»text»:»К приложениям относятся ранние лабораторные испытания нанотел-кандидатов от Metanova и Yalotein, адаптированная прогнозная модель Synth для предсказания рыночных траекторий, пилот Dropbox по использованию инструмента продаж Leadpoet и живое демо голосового перевода Babelbit в прямом сравнении с Google.»}}]}
Статья подготовлена при содействии искусственного интеллекта и проверена редакционной командой.
