Bittensor adalah harapan seluruh desa Crypto

Dalam debat besar “Apakah Crypto Masih Memiliki Makna?”, Bittensor sedang memberikan jawaban paling kuat di seluruh industri.

Penulis: 0xai

Kami mengucapkan terima kasih kepada @DistStateAndMe dan timnya atas kontribusi mereka di bidang model AI sumber terbuka, serta atas saran dan dukungan berharga yang mereka berikan untuk artikel ini.

Mengapa Anda harus memperhatikan laporan ini

Jika “pelatihan AI terdesentralisasi” telah berubah dari tidak mungkin menjadi mungkin, seberapa besar Bittensor diremehkan?

Awal tahun 2026, seluruh komunitas Crypto dipenuhi rasa lelah.

Sisa-sisa bull run sebelumnya telah hilang, dan talenta semakin cepat mengalir ke industri AI. Mereka yang dulu berbicara tentang “100x berikutnya”, kini membahas Claude CodeOpenclaw. “Crypto adalah buang-buang waktu” — kalimat ini mungkin bukan yang pertama kali Anda dengar.

Namun, pada 10 Maret 2026, sebuah subnet Bittensor bernama Templar diam-diam mengumumkan sesuatu.

Lebih dari 70 peserta independen dari seluruh dunia, tanpa server pusat, tanpa koordinasi dari perusahaan besar, hanya dengan mekanisme insentif Crypto, secara kolektif melatih sebuah model AI besar berparameter 720 miliar.

Model dan makalah terkait sudah dipublikasikan di HuggingFace dan arXiv, datanya terbuka dan dapat diverifikasi.

Yang lebih penting: Dalam beberapa pengujian utama, performa model ini melampaui model selevel yang dilatih dengan biaya besar oleh Meta.

Setelah pengumuman, harga TAO diam selama hampir 2 hari. Baru pada hari ketiga mulai melonjak, dan dalam 6 hari belum berhenti, total kenaikan sekitar +40%. Mengapa ada penundaan selama 2 hari ini?

Inti dari laporan ini adalah: Investor crypto melihatnya sebagai “satu model sumber terbuka lagi”, merasa tidak sebanding dengan GPT atau Claude yang mereka gunakan sehari-hari; peneliti AI tidak peduli dengan crypto. Kesenjangan antara kedua komunitas ini sedang menciptakan peluang arbitrase kognitif.

Kerangka Bacaan

Laporan ini dibagi menjadi dua bagian logis:

Bagian I — Terobosan Teknologi: Menjelaskan apa yang sebenarnya dilakukan SN3 Templar dan mengapa hal ini penting dalam sejarah AI dan Crypto.

Bagian II — Signifikansi Industri: Menjelaskan mengapa hal ini menunjukkan bahwa ekosistem Bittensor secara sistemik diremehkan, dan mengapa Bittensor adalah harapan seluruh komunitas crypto.

Bagian I: Terobosan dalam Pelatihan AI Terdesentralisasi

1. Apa itu SN3?

Apa yang dibutuhkan untuk melatih model bahasa besar?

Jawaban tradisional: Membangun pusat data raksasa, membeli ribuan GPU kelas atas, menghabiskan ratusan juta dolar, dan dikendalikan oleh tim insinyur dari satu perusahaan. Ini adalah cara Meta, Google, dan OpenAI.

Pendekatan SN3 Templar: Membiarkan orang-orang yang tersebar di seluruh dunia masing-masing menyediakan satu atau beberapa server GPU, seperti menyusun puzzle, menggabungkan kekuatan komputasi mereka untuk melatih sebuah model besar secara kolektif.

Namun, ada tantangan mendasar: Jika peserta berasal dari seluruh dunia, tidak saling percaya, dan jaringan tidak stabil, bagaimana memastikan hasil pelatihan valid? Bagaimana mencegah orang malas atau curang? Bagaimana memberi insentif agar mereka terus berkontribusi?

Bittensor memberikan jawaban: Menggunakan token TAO sebagai insentif. Semakin efektif gradient (yang bisa dipahami sebagai “kontribusi terhadap perbaikan model”), semakin banyak TAO yang didapatkan. Sistem ini otomatis memberi penilaian dan pembayaran, tanpa perlu koordinasi dari institusi pusat.

Itulah SN3 (Subnet ke-3) dari Bittensor, dengan kode nama Templar.

Jika Bitcoin membuktikan bahwa uang terdesentralisasi itu mungkin, SN3 membuktikan bahwa pelatihan AI terdesentralisasi juga mungkin.

2. Apa pencapaian SN3?

Pada 10 Maret 2026, SN3 Templar mengumumkan selesai melatih model bahasa besar bernama Covenant-72B.

Apa arti “72B”?: 720 miliar parameter. Parameter adalah “unit penyimpanan pengetahuan” dari model AI; semakin banyak, biasanya semakin pintar. GPT-3 punya 1750 miliar, LLaMA-2 (model sumber terbuka unggulan Meta) punya 700 miliar. Covenant-72B berada dalam kisaran yang sama dengan LLaMA-2.

Skala pelatihan: sekitar 1,1 triliun kata (tokens), setara dengan sekitar 550 juta buku (dengan asumsi 20.000 kata per buku).

Siapa yang berpartisipasi?: Lebih dari 70 peserta independen (penambang), yang secara bergiliran menyumbangkan kekuatan komputasi (dengan batas sinkronisasi sekitar 20 node per putaran). Pelatihan dimulai pada 12 September 2025 dan berlangsung selama sekitar 6 bulan. Tidak ada server pusat, tidak ada organisasi tunggal yang mengkoordinasi.

Bagaimana performanya?: Menggunakan pengujian AI utama sebagai perbandingan:

Sumber data: HuggingFace 1Covenant/Covenant-72B-Chat model card

• MMLU (pengetahuan umum 57 bidang): Covenant-72B 67,35% vs Meta LLaMA-2 63,08%
• GSM8K (penalaran matematika): Covenant-72B 63,91% vs Meta LLaMA-2 52,16%
• IFEval (kemampuan mengikuti instruksi): Covenant-72B 64,70% vs Meta LLaMA-2 40,67%

Open source sepenuhnya: Lisensi Apache 2.0. Siapa saja bisa mengunduh, menggunakan, dan komersialkan tanpa batasan.

Dukungan akademik: Makalah sudah dikirim ke arXiv [2603.08163], dengan teknologi inti (SparseLoCo optimizer dan mekanisme anti-cheat Gauntlet) dipresentasikan di NeurIPS Optimization Workshop.

3. Apa arti pencapaian ini?

Bagi komunitas AI sumber terbuka: Selama ini, karena biaya dan kebutuhan hardware yang tinggi, melatih model besar 70B parameter adalah hak istimewa perusahaan besar. Covenant-72B membuktikan bahwa: Komunitas, tanpa dukungan dana pusat, juga bisa melatih model seukuran ini. Ini mengubah batasan siapa yang berhak berpartisipasi dalam pengembangan model dasar AI.

Bagi struktur kekuasaan AI: Saat ini, dominasi model dasar AI sangat terkonsentrasi — OpenAI, Google, Meta, dan Anthropic mengendalikan model paling kuat. Pelatihan terdesentralisasi ini pertama kali menunjukkan bahwa hambatan tersebut bisa diatasi. “Hanya perusahaan besar yang bisa buat model dasar” mulai goyah, yang sebelumnya dianggap tak tergoyahkan, kini mulai tergoyahkan.

Bagi industri crypto: Ini adalah kali pertama proyek crypto memberikan kontribusi teknologi nyata di bidang AI, bukan sekadar ikut-ikutan tren. Covenant-72B memiliki model di HuggingFace, makalah di arXiv, dan data benchmark terbuka. Ini menjadi preseden: Insentif crypto bisa menjadi infrastruktur serius untuk riset AI.

Bagi Bittensor sendiri: Keberhasilan SN3 mengubah Bittensor dari sekadar “protokol AI terdesentralisasi yang secara teori memungkinkan” menjadi “infrastruktur AI terdesentralisasi yang sudah terbukti secara praktik”. Ini adalah lompatan dari 0 ke 1.

4. Posisi historis SN3

SN3 bukan yang pertama menempuh jalur pelatihan AI terdesentralisasi, tetapi telah mencapai sesuatu yang belum pernah dilakukan orang lain sebelumnya.

Sejarah evolusi pelatihan terdesentralisasi:

• 2022 — Together GPT-JT (6B): Eksplorasi awal, membuktikan kolaborasi multi-mesin bisa dilakukan
• 2023 — SWARM Intelligence (~1B): Mengusulkan kerangka kerja pelatihan heterogen
• 2024 — INTELLECT-1 (10B): Pelatihan terdesentralisasi lintas lembaga
• 2026 — Covenant-72B / SN3 (72B): Model besar 72B pertama yang melampaui performa pelatihan terpusat di benchmark utama

Dalam waktu 4 tahun, parameter meningkat 12 kali lipat dari 6B ke 72B. Tapi yang lebih penting bukan jumlah parameter, melainkan kualitas — generasi sebelumnya hanya “bisa jalan”, Covenant-72B adalah yang pertama melampaui model pelatihan terpusat di benchmark utama secara desentralisasi.

Terobosan teknologi utama:

• >99% kompresi (lebih dari 146x): Saat peserta mengunggah gradient, data awalnya bisa mencapai GB, tetapi SparseLoCo mampu mengompresnya lebih dari 146 kali, seperti mengompres satu musim serial TV menjadi satu gambar dengan kehilangan informasi minimal.
• Hanya 6% biaya komunikasi: 100 peserta bekerja sama, hanya 6% waktu dihabiskan untuk komunikasi, 94% untuk pelatihan nyata. Ini mengatasi salah satu hambatan terbesar dalam pelatihan terdesentralisasi.

5. Apakah pelatihan terdesentralisasi diremehkan?

Mari lihat data, lalu buat penilaian.

Bukti diremehkan:

• 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%

Model hasil pelatihan terdesentralisasi ini melampaui LLaMA-2 70B yang dilatih dengan biaya besar oleh Meta.

Perbedaan dengan model open source terdepan saat ini (harus jujur):

• 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%

Jaraknya sekitar 20-30 poin persentase.

Namun, penting untuk memahami konteks: Covenant-72B bukan untuk mengalahkan SOTA, melainkan membuktikan bahwa pelatihan terdesentralisasi itu memungkinkan. Qwen2.5 dan LLaMA-3.1 didukung oleh investasi miliaran dolar dan ribuan GPU, serta tim insinyur profesional; Covenant-72B hanya mengandalkan lebih dari 70 penambang independen tanpa koordinasi pusat.

Tren lebih penting daripada snapshot:

• 2022 — Model terdesentralisasi terbaik berukuran 6B, bahkan MMLU belum diuji secara terpisah.
• 2026 — Model 72B, MMLU 67,35%, melampaui model selevel Meta.

Dalam waktu 4 tahun, pelatihan terdesentralisasi telah bertransformasi dari “eksperimen konsep” menjadi “performa sebanding dengan pelatihan terpusat”. Kurva kemajuan ini lebih penting daripada angka benchmark tunggal mana pun.

Selain itu, jarak performa Covenant-72B di bidang reasoning mendalam sudah memiliki solusi yang direncanakan — SN81 Grail akan melakukan fine-tuning melalui reinforcement learning (RLHF), untuk menyelaraskan dan meningkatkan kemampuan model. Ini adalah langkah paling penting dalam peningkatan dari GPT-3 ke GPT-4.

Heterogeneous SparseLoCo adalah tonggak berikutnya: Saat ini, SN3 mengharuskan semua penambang menggunakan GPU model yang sama. Terobosan teknologi berikutnya adalah Heterogeneous SparseLoCo, yang akan memungkinkan hardware campuran (B200 + A100 + GPU konsumen) untuk berpartisipasi dalam pelatihan yang sama. Setelah terwujud, kapasitas komputasi untuk pelatihan berikutnya akan meningkat secara signifikan.

Pelatihan terdesentralisasi sudah melewati ambang kelayakan. Perbedaan performa di benchmark saat ini adalah masalah engineering yang perlu dioptimalkan, bukan hambatan teori fundamental.

Bagian II: Pasar masih belum memahami hal ini

Garis waktu harga TAO

Setelah pengumuman SN3, pergerakan harga TAO mengungkapkan adanya penundaan persepsi ini:

Perhatikan diamnya harga selama 2 hari (10-12 Maret): pengumuman sudah keluar, tetapi harga hampir tidak bergerak.

Mengapa ada penundaan ini?

Investor crypto melihat berita “SN3 dari Bittensor menyelesaikan pelatihan model AI” — tetapi mereka mungkin tidak memahami arti teknis dari “pelatihan terdesentralisasi 72B yang melampaui Meta di MMLU”.

Peneliti AI memahami maknanya, tetapi mereka tidak peduli dengan crypto.

Perbedaan persepsi antara kedua komunitas ini menciptakan peluang penundaan harga sekitar 2-3 hari.

Selain itu, sebagian besar investor crypto masih memandang Bittensor dari siklus sebelumnya. Saat ini, lebih dari 79 subnet aktif di Bittensor, mencakup AI Agent, kekuatan komputasi, pelatihan AI, perdagangan AI, robot, dan bidang lain yang sangat berbeda. Ketika pasar mulai menilai ulang ekosistem Bittensor secara luas, persepsi ini akan diperbaiki — dan proses koreksi ini biasanya akan muncul dalam lonjakan harga yang besar.

Dislokasi valuasi Bittensor

Tempatkan Bittensor dalam konteks industri yang lebih besar:

SN3 telah membuktikan: Bittensor mampu melakukan pelatihan model besar secara terdesentralisasi.

Jika di masa depan AI membutuhkan jaringan pelatihan terbuka dan tanpa izin, satu-satunya infrastruktur yang sudah terbukti secara praktik saat ini adalah Bittensor.

Pasar sedang menilai sebuah jaringan infrastruktur AI tingkat industri berdasarkan logika valuasi proyek aplikasi.

Bahkan jika dibandingkan hanya dalam ruang crypto: pangsa pasar Bitcoin di seluruh pasar crypto secara jangka panjang mencapai 50-60%, sedangkan Bittensor di jalur AI crypto baru sekitar 11,5%.

Ketika pasar mulai memahami posisi Bittensor dalam infrastruktur AI, dislokasi valuasi ini pasti akan diperbaiki.

Kesimpulan: Bittensor adalah harapan seluruh komunitas crypto

Jika Covenant-72B dari SN3 membuktikan sesuatu, itu adalah:

Jaringan terdesentralisasi tidak hanya bisa mengoordinasikan modal, tetapi juga kekuatan komputasi dan riset AI terdepan.

Beberapa tahun terakhir, crypto sering hanya berperan sebagai pendukung di narasi AI. Banyak proyek bergantung pada konsep, hype, atau narasi modal, tetapi kurang bukti teknologi yang dapat diverifikasi. SN3 adalah contoh yang sangat berbeda.

Proyek ini tidak memperkenalkan narasi token baru, juga tidak membungkus produk “AI + Web3” di lapisan aplikasi, melainkan menyelesaikan sesuatu yang lebih fundamental dan lebih sulit:

Melatih model besar 72B tanpa koordinasi pusat.

Peserta berasal dari seluruh dunia, tidak perlu saling percaya; sistem secara otomatis mengoordinasikan kontribusi pelatihan dan distribusi hasil melalui insentif dan mekanisme verifikasi di blockchain.

Mekanisme crypto pertama kali menyalurkan produktivitas nyata di bidang AI.

Banyak orang belum memahami makna historis SN3. Seperti halnya Bitcoin dulu, banyak yang tidak menyadari bahwa yang dibuktikan bukanlah “pembayaran lebih baik”, tetapi kepercayaan nilai tanpa pusat.

Hari ini, banyak yang masih melihat hanya benchmark, peluncuran model, atau kenaikan harga sesaat.

Namun perubahan sejati adalah: Bittensor membuktikan bahwa:

• Crypto tidak hanya bisa menerbitkan aset, tetapi juga bisa mengorganisasi produksi
• Crypto tidak hanya bisa memperdagangkan perhatian, tetapi juga bisa menghasilkan kecerdasan

Komunitas sumber terbuka bisa berkontribusi kode, akademisi bisa berkontribusi makalah, tetapi ketika masalah melibatkan pelatihan skala sangat besar, kolaborasi jangka panjang, penjadwalan lintas wilayah, anti-cheat, dan distribusi hasil, sistem niat baik dan reputasi saja tidak cukup:

• Tanpa insentif ekonomi, tidak ada pasokan yang stabil
• Tanpa mekanisme verifikasi hukuman dan penghargaan, tidak ada kolaborasi jangka panjang
• Tanpa mekanisme tokenisasi untuk koordinasi, tidak akan terbentuk jaringan produksi AI global yang benar-benar terbuka dan tanpa izin

Jadi, apakah Bittensor diremehkan? Jawabannya bukan “mungkin”, tetapi “secara signifikan dan sistemik diremehkan”.

Dalam debat besar “Apakah Crypto Masih Memiliki Makna?”, Bittensor sedang memberikan jawaban paling kuat di seluruh industri.

Dan karena itu: Bittensor adalah harapan seluruh komunitas crypto.