Rewards Hub 
El Subred 3 de Bittensor, conocido como Templar, acaba de completar la mayor sesión de preentrenamiento de modelos lingüísticos grandes (LLM) descentralizados de la historia. Este modelo, Covenant-72B, cuenta con 72 mil millones de parámetros y fue entrenado por más de 70 colaboradores independientes utilizando GPUs estándar conectadas a internet doméstico. No hubo centro de datos centralizado, lista blanca corporativa ni un presupuesto de infraestructura de 100 millones de dólares. El resultado obtuvo una puntuación de 67.1 en el benchmark MMLU, situándose en el rango de rendimiento de Llama 2 70B de Meta, un modelo desarrollado por uno de los laboratorios de IA mejor financiados del mundo.
TAO, el token nativo de Bittensor, respondió en consecuencia. El token subió aproximadamente un 90% solo en marzo de 2026, cotizando actualmente alrededor de $313 con una capitalización de mercado cercana a los $3.4 mil millones. Jensen Huang, CEO de Nvidia, describió el enfoque de Bittensor como "una versión moderna de folding@home" en el podcast All-In, y en sólo 48 horas, el sector de tokens de IA saltó un 40.9% en un solo día.
A continuación se explica qué logró realmente Covenant-72B, cómo la arquitectura de subredes de Bittensor lo hizo posible y qué significa esto para los poseedores de TAO en el futuro.
Qué logró realmente Covenant-72B
Entrenar un modelo lingüístico de 72 mil millones de parámetros es costoso. OpenAI, Google y Anthropic gastan decenas de millones de dólares en clústeres de GPU en centros de datos especializados para desarrollar modelos avanzados. Covenant-72B tomó un camino fundamentalmente diferente. En lugar de alquilar clústeres centralizados, el protocolo de Templar coordinó a más de 70 mineros en todo el mundo, cada uno contribuyendo con GPUs a través de conexiones de internet estándar, para procesar colectivamente aproximadamente 1.1 billones de tokens.
La innovación técnica que lo hizo posible se llama SparseLoCo. Esta tecnología redujo la sobrecarga de comunicación entre nodos en 146 veces mediante sparsificación, cuantificación de 2 bits y retroalimentación de errores, lo que significa que los participantes no necesitaban conexiones de centro de datos de alto ancho de banda para sincronizar el progreso del entrenamiento. Un sistema de puntuación de contribuyentes llamado Gauntlet evaluó la salida de cada nodo mediante evaluación de pérdidas y ranking OpenSkill, todo registrado en la blockchain de Bittensor. Los nodos que realizaron contribuciones de entrenamiento de alta calidad ganaron más TAO, mientras que los de menor rendimiento fueron penalizados.
El resultado es un modelo completamente de código abierto con pesos y checkpoints publicados bajo licencia Apache. Un artículo de arXiv de marzo 2026 confirmó la puntuación cero-shot de 67.1 en MMLU, superando a LLaMA-2-70B y al benchmark LLM360 K2. No es un desempeño de vanguardia, y los modelos de clase GPT-4 aún obtienen puntuaciones significativamente más altas. Sin embargo, la clave no es la posición en la tabla de líderes, sino que una red sin permisos de colaboradores anónimos, coordinados solo por incentivos económicos y reglas de protocolo, produjo un modelo competitivo con los resultados de laboratorios corporativos de miles de millones de dólares.
Cómo funciona la arquitectura de subredes de Bittensor
Bittensor no es un único modelo de IA. Es una red de mini-redes especializadas, llamadas subredes, cada una dedicada a una tarea específica de machine learning. Es como un mercado donde distintos servicios de IA compiten por recompensas según la calidad de sus resultados. La Subred 1 gestiona el prompting de texto, mientras que la Subred 3 (Templar) se encarga del entrenamiento distribuido que produjo Covenant-72B. Otras subredes están enfocadas en generación de imágenes, predicción deportiva, ciberseguridad y más.
Cada subred opera con sus propios mineros (que producen resultados de IA) y validadores (que evalúan la calidad de esos resultados). El motor económico subyacente es el mecanismo Yuma Consensus, que distribuye recompensas TAO proporcionalmente al valor que cada participante crea. Los mineros compiten por producir los mejores resultados. Los validadores hacen staking de TAO para ganar el derecho a evaluarlos. El mal trabajo es penalizado y el buen trabajo es recompensado proporcionalmente. Todo esto funciona sin una autoridad central que decida quién participa o cuáles son los estándares.
Actualmente, la red admite 128 subredes activas, con planes de expansión a 256 para finales de 2026. Los tokens de subred, cuyo precio se determina mediante creadores de mercado automatizados respaldados por TAO en staking, actúan como apuestas apalancadas en capacidades específicas del ecosistema. Cuando se lanzó Covenant-72B, el valor de mercado combinado de los tokens del ecosistema de Bittensor alcanzó aproximadamente $1.5 mil millones, y el token de la subred Templar aumentó un 194% en siete días.
Por qué es relevante el respaldo de Jensen Huang
Jensen Huang dirige una empresa de $3 billones que fabrica las GPUs que potencian prácticamente todos los modelos de IA del mundo. Cuando compara a Bittensor con folding@home durante una conversación con Chamath Palihapitiya en el podcast All-In, el mercado cripto escucha. Pero su declaración fue más allá de una simple mención. Huang dijo que la industria necesita "modelos como producto propietario y como open source. No es A o B, sino A y B".
Esta perspectiva valida la tesis de que el entrenamiento descentralizado y de código abierto es un complemento serio al enfoque centralizado, no sólo un experimento ideológico. Nvidia se beneficia cuando cualquiera compra GPUs, y Huang apoyó explícitamente un futuro donde la IA centralizada y descentralizada coexistan. Para los poseedores de TAO, la señal es que el CEO de la empresa más relevante en la cadena de suministro de IA no ve el entrenamiento descentralizado como una curiosidad marginal, sino como parte de la infraestructura productiva.
La reacción del mercado fue inmediata. TAO subió un 17% pocas horas después de la emisión del episodio, seguido por el sector cripto de IA en general.
Cómo se compara TAO con los competidores centralizados de IA
La comparación entre Bittensor y laboratorios de IA centralizados como OpenAI, Google DeepMind y Anthropic no es directa, y ese es precisamente el punto.
| Métrica | Laboratorios centralizados | Bittensor (Covenant-72B) |
| Costo de entrenamiento | $50M-$100M+ por modelo avanzado | Distribuido entre los colaboradores, ningún ente asume el costo total |
| Infraestructura | Clústeres GPU propietarios, interconexión de centros de datos | GPUs estándar, conexiones de internet tradicionales |
| Acceso | Pesos cerrados, acceso solo vía API | Pesos open source, licencia Apache |
| Benchmark MMLU | Clase GPT-4: 86+ | 67.1 (zero-shot) |
| Gobernanza | Decisiones de junta corporativa | Incentivos a nivel de protocolo, participación sin permisos |
| Velocidad de entrenamiento | Semanas con grandes clústeres | Más lento, pero mejora en cada iteración |
Hoy en día, los laboratorios centralizados producen un desempeño bruto superior. Nadie está empleando Covenant-72B para operaciones en producción en lugar de GPT-4. Sin embargo, la IA centralizada implica riesgo de concentración, algo que los inversionistas institucionales ya están observando. Un pequeño grupo de empresas controla los modelos más potentes, los datos de entrenamiento y las políticas de acceso. Bittensor ofrece una alternativa en la que el desarrollo de modelos es abierto, los pesos son públicos y ningún ente único puede restringir el acceso.
La analogía honesta es que Bittensor está donde estaba Linux en 1995. Los productos comerciales eran mejores, pero el modelo abierto y distribuido acabó por transformar la industria.
Qué impulsa la acción de precio de TAO
El rally del 90% de TAO en marzo no fue causado por un solo evento. Tres factores convergieron en el mismo periodo de dos semanas, reforzándose mutuamente.
Lanzamiento de Covenant-72B (10 de marzo): El equipo de Templar anunció la conclusión del entrenamiento LLM descentralizado más grande, y la publicación del artículo en arXiv otorgó credibilidad fuera del público cripto. TAO subió un 54.8% en las dos semanas posteriores al anuncio.
Respaldo de Jensen Huang (18-19 de marzo): El clip del podcast All-In se viralizó en las comunidades de IA y cripto, añadiendo un incremento del 17% en 48 horas.
Expansión del ecosistema e interés institucional: El Bittensor Trust de Grayscale se abrió a inversionistas acreditados a principios de 2026 y la red anunció planes para expandirse de 128 a 256 subredes. Se está discutiendo la posible conversión del trust de Grayscale en un ETF spot de TAO para finales de 2026, lo que permitiría la asignación institucional tradicional.
La capitalización combinada de los tokens del ecosistema Bittensor superó los $1.5 mil millones, atrayendo la atención de operadores que ven los tokens de subred como apuestas apalancadas sobre la narrativa de TAO. Actualmente, Bittensor es la tercera cripto de IA más grande por capitalización de mercado, solo detrás de Chainlink y NEAR en la categoría de IA/infrastructura.
No obstante, TAO aún se encuentra aproximadamente un 59% por debajo de su máximo histórico de $757.60, lo que significa que el rally podría continuar si surgen nuevos catalizadores, pero también implica un riesgo significativo de retroceso si cambia el sentimiento de mercado.
Preguntas frecuentes
¿Qué es el modelo Covenant-72B de Bittensor?
Covenant-72B es un modelo lingüístico de 72 mil millones de parámetros entrenado completamente en la red descentralizada de Bittensor por más de 70 colaboradores independientes usando hardware estándar. Obtuvo una puntuación de 67.1 en el benchmark MMLU, comparable a Llama 2 70B de Meta, y sus pesos son open source bajo licencia Apache.
¿Es Bittensor una buena inversión en 2026?
TAO cuenta con fuerte impulso narrativo gracias al hito de Covenant-72B, el respaldo de Jensen Huang y el acceso institucional a través del trust de Grayscale. Sin embargo, el token es volátil y sigue un 59% por debajo de su máximo histórico. Funciona más como una apuesta de alta beta sobre la infraestructura de IA descentralizada que como reserva de valor estable; el tamaño de posición debe considerar este riesgo.
¿Cómo pueden los participantes obtener recompensas en Bittensor?
Los mineros contribuyen recursos computacionales a subredes y ganan recompensas en TAO proporcionales a la calidad de sus resultados de IA. Los validadores hacen staking de TAO para evaluar a los mineros y recibir una parte de la emisión. Los dueños de subredes obtienen un porcentaje de todo el TAO distribuido en su subred. Todo el sistema funciona mediante incentivos de protocolo, sin una empresa central que cobre comisiones.
¿Puede Bittensor competir con OpenAI y Google?
No en rendimiento bruto de modelos hoy, ya que los laboratorios centralizados cuentan con muchos más recursos y producen modelos de mayor puntuación. La ventaja de Bittensor es estructural: desarrollo de IA open source y sin restricciones, sin un punto único de control. La apuesta a largo plazo es que el entrenamiento descentralizado complemente los enfoques centralizados, igual que el software open source se volvió infraestructura fundamental junto a productos propietarios.
Conclusión
Covenant-72B es la primera prueba real de que el entrenamiento de IA descentralizado puede generar modelos competitivos con los de laboratorios centralizados bien financiados. La puntuación MMLU de 67.1 no es de vanguardia, pero se logró sin centros de datos, sin presupuesto corporativo y sin permisos. Esto cambia la pregunta de "¿puede funcionar la IA descentralizada?" a "¿qué tan rápido puede mejorar?"
TAO a $313 y una capitalización de mercado de $3.4 mil millones reflejan un optimismo considerable, pero aún existen catalizadores importantes: la expansión a 256 subredes, la posible conversión a ETF spot de Grayscale y mejoras técnicas en la eficiencia del entrenamiento distribuido se encuentran en el roadmap para 2026. El riesgo es claro: TAO cotiza según el impulso narrativo, y las narrativas de cripto IA pueden desvanecerse tan rápido como se forman. El token está 59% por debajo de su máximo histórico por una razón, y el próximo ciclo dependerá de la capacidad de Bittensor de acortar la brecha de rendimiento frente a competidores centralizados. Es fundamental seguir de cerca la expansión de subredes y cualquier actualización sobre el ETF de Grayscale.
Este artículo es solo para fines informativos y no constituye asesoramiento financiero ni de inversión. El trading de criptomonedas implica riesgos considerables. Realice su propia investigación antes de tomar decisiones de inversión.
