2025年2月3日，一款名為DeepSeek-R1模型悄然上線(xiàn)了國(guó)家超算互聯(lián)網(wǎng)平臺(tái)。

在隨后的一個(gè)月里，因其性能直接對(duì)標(biāo)頂級(jí)閉源模型，和堪比“白菜價(jià)”的訓(xùn)練成本直接席卷了全球。

引發(fā)了美股AI股們的暴跌和開(kāi)啟了屬于中國(guó)AI的“DeepSeek”時(shí)刻。

2026年3月10日，Bittensor的Subnet 3 Templar，宣布完成了歷史上規(guī)模最大的去中心化大語(yǔ)言模型（LLM）預(yù)訓(xùn)練運(yùn)行——Covenant-72B

這是歷史上規(guī)模最大的去中心化大語(yǔ)言模型預(yù)訓(xùn)練運(yùn)行：

72億參數(shù)、在約1.1萬(wàn)億token數(shù)據(jù)集上、完全通過(guò) Bittensor Subnet 3 的網(wǎng)絡(luò)實(shí)現(xiàn)、無(wú)需許可、超過(guò)70個(gè)獨(dú)立節(jié)點(diǎn)自由參與。

Bittensor迎來(lái)了屬于自己的DeepSeek時(shí)刻。

一、 Templar (SN3)：從數(shù)據(jù)采集到核心訓(xùn)練的范式轉(zhuǎn)型

Templar 的前身為 Omega Labs 運(yùn)營(yíng)的 SN3，早期側(cè)重于多模態(tài)數(shù)據(jù)的收集與挖掘。隨著 Bittensor 機(jī)制的演進(jìn)，該子網(wǎng)完成了從“數(shù)據(jù)搬運(yùn)工”向“模型鑄造師”的戰(zhàn)略跨越。

當(dāng)前 Templar 定位于全球分布式大模型預(yù)訓(xùn)練基礎(chǔ)設(shè)施。它通過(guò)激勵(lì)機(jī)制匯聚全球異構(gòu)算力，旨在解決大模型訓(xùn)練中極其昂貴的計(jì)算成本與中心化審查問(wèn)題。Covenant-72B 的成功交付，驗(yàn)證了這一去中心化生產(chǎn)模式的成熟度。

二、 Covenant-72B：打破去中心化訓(xùn)練的規(guī)模天花板

Covenant-72B 是 Templar 產(chǎn)出的里程碑式成果，也是目前去中心化網(wǎng)絡(luò)中規(guī)模最大的稠密架構(gòu)預(yù)訓(xùn)練模型。

• 核心參數(shù)： 擁有 720 億參數(shù)，基于高性能 DCLM 語(yǔ)料庫(kù)進(jìn)行預(yù)訓(xùn)練。
• 性能對(duì)標(biāo)： 在基礎(chǔ)模型評(píng)測(cè)中，其表現(xiàn)與 Meta 的 Llama-2-70B 基本持平。
• 指令優(yōu)化： 經(jīng)過(guò)微調(diào)后的 Covenant-72B-Chat 在 IFEval（指令遵循）和 MATH（數(shù)學(xué)推理）維度上展現(xiàn)出極強(qiáng)的競(jìng)爭(zhēng)力，甚至在特定指標(biāo)上超越了同規(guī)模的閉源模型。
• 推理效率： 該模型達(dá)到了 450 tokens/sec 的極高吞吐率，解決了大模型在實(shí)際應(yīng)用中的響應(yīng)延遲痛點(diǎn)。

三、 SparseLoCo 算法：去中心化訓(xùn)練的底層引擎

在普通互聯(lián)網(wǎng)環(huán)境下訓(xùn)練 72B 規(guī)模的模型，最大的挑戰(zhàn)在于節(jié)點(diǎn)間的通信帶寬瓶頸。Templar 采用了核心算法 SparseLoCo 實(shí)現(xiàn)了質(zhì)的突破：

• 極度壓縮： 算法僅選擇 1%-3% 的核心梯度分量進(jìn)行傳輸，并將數(shù)據(jù)量化為 2-bit，大幅降低了對(duì)網(wǎng)絡(luò)帶寬的需求。
• 低頻同步： 不同于傳統(tǒng)集群的每步同步，SparseLoCo 允許節(jié)點(diǎn)在本地迭代 15-250 步后再進(jìn)行全局同步。
• 誤差補(bǔ)償： 通過(guò)本地梯度累加機(jī)制，確保了在丟失 97% 以上信息的情況下，模型收斂精度依然不受損害。

這種技術(shù)路徑證明了：即便沒(méi)有 InfiniBand 等昂貴的專(zhuān)線(xiàn)集群，依靠全球分布式的普通網(wǎng)絡(luò)同樣可以產(chǎn)出頂級(jí)智能。

四、 業(yè)界評(píng)價(jià)與市場(chǎng)反應(yīng)

Templar 的技術(shù)成果引起了主流 AI 圈與資本市場(chǎng)的關(guān)注：

• 權(quán)威認(rèn)可：

Anthropic 聯(lián)合創(chuàng)始人 Jack Clark 在其分析報(bào)告中將 Templar 歸類(lèi)為全球最大的活躍去中心化訓(xùn)練網(wǎng)絡(luò)，并指出其發(fā)展速度超出了行業(yè)預(yù)期。

Jason Calacanis（All-In Podcast主持人、知名硅谷投資者）在最近的博客中深度介紹了Bittensor的機(jī)制，并暗示大家購(gòu)買(mǎi)

• 機(jī)構(gòu)布局：

灰度 (Grayscale) 持續(xù)增持 TAO，并將其作為去中心化 AI 賽道的核心持倉(cāng)。

DCG成立了Yuma，專(zhuān)門(mén)聚焦于加速 Bittensor (TAO) 生態(tài)的發(fā)展，被視為 DCG 對(duì)去中心化 AI（decentralized AI）最大、最直接的押注。

• 市場(chǎng)表現(xiàn)：

$TAO: 隨著Templar宣布完成了72B的大模型訓(xùn)練，TAO在此后上漲超過(guò)30%,在BTC的震蕩行情中表現(xiàn)出了絕對(duì)的強(qiáng)勢(shì)。

$Templar (SN-3)：主角Templar 7天內(nèi)上漲75%，稱(chēng)為了Bittensor當(dāng)前捕獲Emission排放的龍一。當(dāng)前Market Cap僅為 70m

五、 子網(wǎng)投資潛力與生態(tài)天花板

Templar 的成功為 Bittensor 生態(tài)打開(kāi)了全新的想象空間：

• 打開(kāi)價(jià)值天花板： 長(zhǎng)期以來(lái)，外界質(zhì)疑 Bittensor 只是“空氣激勵(lì)”。Templar 證明了該協(xié)議能夠產(chǎn)出具備商業(yè)化競(jìng)爭(zhēng)力的生產(chǎn)力工具，將 TAO 的估值邏輯從“敘事驅(qū)動(dòng)”轉(zhuǎn)向“產(chǎn)品驅(qū)動(dòng)”。
• 異構(gòu)算力的潛力： 隨著“異構(gòu) SparseLoCo”的開(kāi)發(fā)，未來(lái)消費(fèi)級(jí)顯卡（如 RTX 4090）將能直接參與千億級(jí)參數(shù)模型的訓(xùn)練，實(shí)現(xiàn)算力資源的平權(quán)化。
• 子網(wǎng)的確定性機(jī)會(huì)： 在 dTAO 機(jī)制下，像 Templar 這種擁有硬核技術(shù)壁壘、能夠持續(xù)產(chǎn)出高性能模型的子網(wǎng)，其代幣具備極高的長(zhǎng)期配置價(jià)值。

Templar 當(dāng)前 MC=75m，F(xiàn)DV=350m

而當(dāng)前主流的大模型公司Open AI 估值8400億、Anthropic 3500億、Minimax 450億。

并不是說(shuō)Templar能直接對(duì)標(biāo)這些公司，但在當(dāng)前這個(gè)敘事稀缺、注意力消散、人們不再相信去中心化的圈子，Templar的出現(xiàn)無(wú)疑為去中心化AI打入了一劑強(qiáng)心劑。

結(jié)語(yǔ)

Templar 證明了去中心化環(huán)境不僅能存儲(chǔ)數(shù)據(jù)，更能生產(chǎn)智能。Covenant-72B 僅僅是一個(gè)開(kāi)始，隨著 SN3（預(yù)訓(xùn)練）、SN39（算力）與 SN81（強(qiáng)化學(xué)習(xí)）的縱向整合，一個(gè)運(yùn)行在區(qū)塊鏈上的、去中心化的 OpenAI 雛形已然浮現(xiàn)。

Crypto行業(yè)從誕生到今天，已經(jīng)證偽了無(wú)數(shù)的敘事，增加風(fēng)靡一時(shí)的去中心化存儲(chǔ)、去中心化算力、去中心化計(jì)算機(jī)都已經(jīng)看似被證偽，但很高興仍然有項(xiàng)目在去中心化的道路上堅(jiān)定的前行并做出了成績(jī)。

到此這篇關(guān)于TAO的DeepSeek時(shí)刻：Templar (SN3)的崛起的文章就介紹到這了,更多相關(guān)Templar相關(guān)資訊內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持腳本之家！