Bittensor es la esperanza de todo el pueblo cripto

En el debate titulado “¿Tiene aún sentido la existencia de Crypto?”, Bittensor está ofreciendo la respuesta más sólida de toda la industria.

Autor: 0xai

Agradecemos especialmente a @DistStateAndMe y su equipo por sus contribuciones en el campo de modelos de IA de código abierto, así como por sus valiosos consejos y apoyo en este artículo.

Por qué deberías prestar atención a este informe

Si la “entrenamiento descentralizado de IA” ha pasado de ser imposible a posible, ¿cuánto subestimaron a Bittensor?

A principios de 2026, todo el mundo en el mundo Crypto sentía una especie de agotamiento.

El remanente de la última burbuja ya se había disipado, y el talento se estaba desplazando rápidamente hacia la industria de IA. Aquellos que antes hablaban de un “próximo 100x” ahora discuten sobre Claude CodeOpenclaw. La frase “crypto es una pérdida de tiempo” — probablemente la has escuchado más de una vez.

Pero el 10 de marzo de 2026, un subred llamado Templar en Bittensor anunció silenciosamente una noticia.

Más de 70 participantes independientes de todo el mundo, sin servidores centrales, sin grandes corporaciones coordinando, solo con mecanismos de incentivos de Crypto, entrenaron en conjunto un modelo de IA de 720 mil millones de parámetros.

El modelo y los artículos relacionados ya están publicados en HuggingFace y arXiv, con datos públicos y verificables.

Lo más importante: en varias pruebas clave, este modelo superó a modelos de nivel similar entrenados con grandes inversiones por Meta.

Tras el anuncio, el precio de TAO permaneció en silencio casi 2 días. Hasta el tercer día empezó a dispararse, y en 6 días aún no se detuvo, con un aumento total de aproximadamente +40%. ¿Por qué esa demora de 2 días?

El núcleo de este informe es: los inversores en criptomonedas ven “otro modelo de código abierto”, y piensan que no está a la altura de GPT o Claude en uso diario; los investigadores de IA no prestan atención a crypto. La brecha de percepción entre ambos círculos está creando una ventana de arbitraje cognitivo.

Estructura de lectura

Este informe se divide en dos partes lógicas:

Parte I — Avance técnico: explica qué logró exactamente SN3 Templar y por qué este logro es importante en la historia de IA y Crypto.

Parte II — Significado para la industria: explica por qué esto indica que el ecosistema de Bittensor está siendo sistemáticamente subestimado y por qué Bittensor es la esperanza de toda la comunidad Crypto.

Parte I: El avance en entrenamiento descentralizado de IA

1. ¿Qué es SN3?

¿Qué se necesita para entrenar un gran modelo de lenguaje?

Respuesta tradicional: construir un enorme centro de datos, comprar miles de GPUs de primera, gastar cientos de millones de dólares, y coordinar todo con un equipo de ingenieros de una sola empresa. Esa es la estrategia de Meta, Google, OpenAI.

En SN3 Templar: participantes dispersos en todo el mundo aportan una o varias GPUs, como piezas de un rompecabezas, combinando su poder computacional para entrenar un modelo completo.

Pero aquí surge un problema fundamental: si los participantes son globales, no confían entre sí, y la red tiene latencia inestable, ¿cómo garantizar que el resultado del entrenamiento sea válido? ¿Cómo evitar trampas o trampas? ¿Cómo motivar a todos a contribuir continuamente?

Bittensor da la respuesta: usando el token TAO como incentivo. Cuanto más efectivo sea el contribución (los gradientes, que pueden entenderse como “mejoras al modelo”), más TAO recibe el participante. El sistema evalúa y liquida automáticamente, sin necesidad de una organización centralizada.

Este es el SN3 de Bittensor, también llamado Templar.

Si Bitcoin demostró que el dinero descentralizado es posible, SN3 está demostrando que el entrenamiento descentralizado de IA también lo es.

2. ¿Qué logros alcanzó SN3?

El 10 de marzo de 2026, SN3 Templar anunció que había completado el entrenamiento de un gran modelo de lenguaje llamado Covenant-72B.

¿Qué significa “72B”?: 720 mil millones de parámetros. Los parámetros son las unidades de almacenamiento de conocimiento del modelo; más parámetros, generalmente, un modelo más inteligente. GPT-3 tiene 175 mil millones, LLaMA-2 (la versión de código abierto de Meta) tiene 700 mil millones. Covenant-72B está en la misma escala que LLaMA-2.

¿Qué tamaño de entrenamiento?: aproximadamente 1.1 billones de tokens, equivalente a unas 5.5 millones de libros (considerando 200,000 palabras por libro).

¿Quién participó?: más de 70 participantes independientes (mineros), que aportaron poder computacional en varias rondas (cada una con hasta unos 20 nodos). El entrenamiento comenzó el 12 de septiembre de 2025 y duró unos 6 meses. Sin servidores centrales ni coordinación central.

¿Cómo se desempeñó el modelo?: usando pruebas estándar de IA como referencia:

Datos de fuente: HuggingFace 1Covenant/Covenant-72B-Chat

• MMLU (conocimiento en 57 disciplinas): Covenant-72B 67.35% vs Meta LLaMA-2 63.08%
• GSM8K (razonamiento matemático): Covenant-72B 63.91% vs LLaMA-2 52.16%
• IFEval (seguimiento de instrucciones): Covenant-72B 64.70% vs LLaMA-2 40.67%

Código abierto completo: licencia Apache 2.0. Cualquier persona puede descargar, usar y comercializar sin restricciones.

Respaldo académico: el artículo fue enviado a [arXiv 2603.08163], y las tecnologías clave (SparseLoCo y Gauntlet) se presentaron en NeurIPS Optimization Workshop.

3. ¿Qué significa este logro?

Para la comunidad de IA de código abierto: antes, entrenar modelos de 70B era un privilegio de grandes empresas con fondos y hardware masivos. Covenant-72B demuestra por primera vez que una comunidad puede entrenar modelos de esa escala sin fondos centralizados. Esto cambia quién puede participar en el desarrollo de modelos de IA básicos.

Para la estructura de poder en IA: actualmente, los modelos más poderosos están en manos de unas pocas empresas como OpenAI, Google, Meta y Anthropic. La existencia de entrenamiento descentralizado significa que esa barrera no es insuperable. La idea de que “solo las grandes empresas pueden hacer modelos básicos” se está tambaleando por primera vez.

Para la industria Crypto: es la primera vez que un proyecto Crypto produce una contribución técnica real en IA, no solo “aprovechando la tendencia”. Covenant-72B tiene modelos en HuggingFace, artículos en arXiv y datos de benchmarks públicos. Esto establece un precedente: los mecanismos de incentivos de Crypto pueden ser una infraestructura seria para investigación en IA.

Para Bittensor en sí: el éxito de SN3 convierte a Bittensor de un “protocolo descentralizado de IA teórico” a una “infraestructura de IA descentralizada ya validada en la práctica”. Es un cambio cualitativo de 0 a 1.

4. ¿Cuál es la posición histórica de SN3?

No fue el primero en explorar entrenamiento descentralizado, pero sí llegó a lugares donde otros no habían llegado.

Evolución del entrenamiento descentralizado:

• 2022 — Together GPT-JT (6B): exploración inicial, prueba de colaboración multi-máquina
• 2023 — SWARM Intelligence (~1B): propuesta de marco heterogéneo de entrenamiento
• 2024 — INTELLECT-1 (10B): entrenamiento descentralizado entre instituciones
• 2026 — Covenant-72B / SN3 (72B): primer modelo de 72B que supera en rendimiento a entrenamiento centralizado en benchmarks principales

En 4 años, el tamaño pasó de 6B a 72B, un aumento de 12 veces en parámetros. Pero lo más importante no es solo el tamaño, sino la calidad: las generaciones anteriores solo lograban que funcionaran, Covenant-72B fue el primero en superar modelos centralizados en benchmarks principales.

Innovaciones técnicas clave:

• >99% de compresión (>146x): al subir los gradientes, en lugar de transmitir GBs, SparseLoCo los comprime en más de 146 veces, como comprimir toda una temporada de series en una sola imagen, con pérdida mínima.
• Solo 6% de costo en comunicación: 100 participantes trabajan en conjunto, solo el 6% del tiempo en coordinación, el resto en entrenamiento real. Esto resuelve uno de los mayores cuellos de botella en entrenamiento descentralizado.

5. ¿Se subestimó el entrenamiento descentralizado?

Veamos los datos y saquemos conclusiones.

Evidencias de subestimación

• 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 entrenados descentralizadamente superaron a LLaMA-2 de Meta, que fue entrenado con millones de dólares y miles de GPUs.

¿Qué diferencia hay con los modelos open source líderes actuales? (hay que ser honestos):

• 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%

La brecha es de unos 20-30 puntos porcentuales.

Pero la clave está en el contexto: Covenant-72B no busca vencer a los SOTA, sino demostrar que el entrenamiento descentralizado es viable. Qwen2.5 y LLaMA-3.1 tienen inversiones de miles de millones, miles de GPUs y equipos especializados; Covenant-72B solo con 70+ mineros independientes y sin coordinación central.

La tendencia es más importante que la instantánea:

• 2022: los mejores modelos descentralizados tenían 6B, sin siquiera medir MMLU.
• 2026: modelo de 72B con 67.35% en MMLU, superando a modelos de Meta.

En 4 años, la descentralización pasó de ser un experimento a un competidor real en rendimiento. La pendiente de esta curva es más relevante que cualquier número puntual.

Además, Covenant-72B tiene un plan para mejorar en razonamiento profundo: SN81 Grail, que usará aprendizaje por refuerzo (RLHF) para alinear y potenciar capacidades, como en GPT-4 respecto a GPT-3.

Heterogeneous SparseLoCo será el próximo hito: permitirá que hardware heterogéneo (B200, A100, GPUs de consumo) participe en el mismo entrenamiento. Esto ampliará enormemente la capacidad computacional en la próxima fase.

El entrenamiento descentralizado ya superó el umbral de viabilidad. La diferencia en benchmarks es un problema de ingeniería, no una barrera teórica.

Parte II: El mercado aún no comprende esto

Línea temporal del precio de TAO

Tras el anuncio de SN3, el movimiento del precio de TAO revela la percepción retrasada:

Fíjate en esos 2 días de silencio (3/10 → 3/12): el anuncio fue hecho, pero el precio casi no se movió.

¿Por qué esa demora?

Los inversores en criptomonedas ven “SN3 en Bittensor entrenó un modelo de IA”, pero no entienden completamente la importancia técnica de “superar a Meta en benchmarks con entrenamiento descentralizado de 72B”.

Los investigadores de IA entienden la tecnología, pero no prestan atención a crypto.

La brecha de percepción entre ambos círculos crea una ventana de retraso de 2-3 días en la reacción del mercado.

Además, la mayoría de los inversores en Crypto aún piensan en Bittensor en función del ciclo anterior. Hoy, hay más de 79 subredes activas en Bittensor, cubriendo áreas como agentes de IA, poder computacional, entrenamiento, trading, robots, etc. Cuando el mercado revalorice la amplitud del ecosistema, esa percepción se corregirá — y esa corrección suele reflejarse en una subida rápida del precio.

Desajuste en la valoración de Bittensor

Situando a Bittensor en un contexto más amplio:

SN3 ha demostrado que: Bittensor puede realizar entrenamiento de modelos grandes de forma descentralizada.

Si en el futuro la IA requiere redes abiertas y sin permisos para entrenamiento, la única infraestructura validada en la práctica será Bittensor.

El mercado está valorando una red de infraestructura de IA con lógica de proyectos de aplicación, en lugar de solo activos.

Incluso solo dentro de Crypto: Bitcoin tiene una participación del 50-60% en el mercado, mientras que Bittensor en el sector de IA en Crypto representa solo aproximadamente 11.5%.

Cuando el mercado comprenda mejor la posición de Bittensor en infraestructura de IA, esa discrepancia se corregirá.

Conclusión: Bittensor es la esperanza de toda la comunidad Crypto

Si SN3 Templar y Covenant-72B demostraron algo, es que:

Las redes descentralizadas no solo pueden coordinar capital, sino también poder computacional y desarrollo de vanguardia en IA.

En los últimos años, Crypto ha sido un actor marginal en la narrativa de IA. Muchos proyectos solo dependen de conceptos, emociones o capital, sin resultados técnicos verificables. SN3 es un caso claramente diferente.

No ha lanzado nuevas narrativas de tokens ni productos de “IA + Web3” en la capa de aplicación, sino que ha logrado algo más fundamental y difícil:

Entrenar un modelo de 72B sin coordinación centralizada.

Los participantes son de todo el mundo, sin necesidad de confiar entre sí; el sistema se coordina automáticamente mediante incentivos y mecanismos de verificación en la cadena.

Por primera vez, mecanismos Crypto generan productividad real en IA.

Muchos aún no comprenden la importancia histórica de SN3. Como en su momento muchos no vieron que Bitcoin no solo probaba un mejor sistema de pagos, sino una forma de consenso de valor sin confianza central.

Hoy, muchos solo ven benchmarks, lanzamientos de modelos o subidas de precio.

Pero el cambio real es que Bittensor está demostrando que:

• Crypto no solo puede emitir activos, sino también organizar producción
• Crypto no solo puede comerciar atención, sino también producir inteligencia

La comunidad de código abierto puede contribuir con código, la academia con artículos, pero cuando se trata de entrenamiento a gran escala, colaboración a largo plazo, coordinación transregional, anti-trampas y distribución de beneficios, la buena voluntad y la reputación no son suficientes:

• Sin incentivos económicos, no hay oferta estable
• Sin mecanismos verificables de recompensa y castigo, no hay colaboración a largo plazo
• Sin tokens y mecanismos de coordinación, no puede formarse una red global de producción de IA sin permisos reales

Por eso, ¿está Bittensor subestimado? La respuesta no es “posible”, sino “claramente y sistemáticamente subestimado”.

En el debate “¿Tiene aún sentido la existencia de Crypto?”, Bittensor está dando la respuesta más poderosa de toda la industria.

Y por eso: Bittensor es la esperanza de toda la comunidad Crypto.