보상 허브 
Bittensor의 서브넷 3인 Templar는 최근 역사상 최대 규모의 분산형 대규모 언어 모델(LLM) 사전 학습 작업을 마쳤습니다. 이 모델은 Covenant-72B로, 720억 개의 파라미터를 가지고 있으며, 70명 이상의 독립 기여자들이 일반 GPU와 가정용 인터넷 환경을 통해 학습했습니다. 중앙화된 데이터센터, 기업 화이트리스트, 1억 달러 규모의 인프라 예산 없이 이뤄진 결과입니다. 이 모델은 MMLU 벤치마크에서 67.1점을 기록하여, 세계 최고 수준의 자금력을 가진 AI 연구소인 Meta의 Llama 2 70B 모델과 비슷한 성능을 보였습니다.
Bittensor의 네이티브 토큰인 TAO는 이에 따라 반응했습니다. 2026년 3월 한 달 동안 약 90% 상승했으며, 현재 약 $313선에서 거래되고 있으며, 시가총액은 약 34억 달러입니다. Nvidia의 CEO 젠슨 황은 All-In 팟캐스트에서 Bittensor의 방식을 “현대판 folding@home”이라 언급했으며, 그 직후 AI 토큰 섹터는 하루에 40.9% 급등했습니다.
아래는 Covenant-72B가 실제로 달성한 것, Bittensor의 서브넷 구조가 이를 어떻게 가능하게 했는지, 그리고 앞으로 TAO 보유자에게 의미하는 바를 설명합니다.
Covenant-72B의 주요 성과
720억 파라미터의 언어 모델 학습에는 막대한 비용이 듭니다. OpenAI, Google, Anthropic 등은 첨단 데이터센터 내 GPU 클러스터에 수천만 달러를 투입합니다. Covenant-72B는 근본적으로 다른 접근법을 선택했습니다. 중앙화된 연산 클러스터를 임대하는 대신, Templar 프로토콜이 전 세계 70여 명의 마이너를 조율하여, 각자의 GPU와 표준 인터넷을 통해 약 1.1조 토큰을 처리했습니다.
이 작업을 가능하게 한 기술 혁신은 SparseLoCo입니다. 이 기술은 희소화(Sparsification), 2비트 양자화, 에러 피드백을 통해 노드 간 통신 부하를 146배 줄여, 참가자가 고가의 데이터센터 네트워크 없이도 학습을 동기화할 수 있게 했습니다. Gauntlet라는 평가 시스템은 각 노드의 출력을 손실 평가와 OpenSkill 랭킹으로 측정하고, 모든 결과를 Bittensor 블록체인에 기록합니다. 고품질 학습 기여를 한 노드는 더 많은 TAO를 받고, 저조한 성과의 노드는 패널티를 받습니다.
이 결과, 모델의 가중치와 체크포인트가 Apache 라이선스로 오픈소스로 공개됐습니다. 2026년 3월 arXiv 논문에서 67.1점의 MMLU 제로샷 점수를 공식적으로 확인했으며, 이는 Llama-2-70B와 LLM360 K2 벤치마크를 능가합니다. GPT-4 등 최첨단 모델보다는 점수가 낮지만, 핵심은 순위가 아니라, 허가 없이 기여자들이 경제적 인센티브와 프로토콜 규칙만으로, 수십억 달러의 기업 연구소와 경쟁 가능한 결과를 만들었다는 점입니다.
Bittensor의 서브넷 구조
Bittensor는 단일 AI 모델이 아니라, 각각 특정 머신러닝 작업에 특화된 미니 네트워크(서브넷)들의 네트워크입니다. 다양한 AI 서비스가 출력 품질에 따라 보상을 경쟁하는 마켓플레이스 형태라 할 수 있습니다. 서브넷 1은 텍스트 프롬프트를, 서브넷 3(Templar)은 분산형 모델 학습을 담당합니다. 그 외에도 이미지 생성, 스포츠 예측, 사이버 보안 등 다양한 분야의 서브넷이 있습니다.
각 서브넷은 자체 마이너(출력을 생성)와 밸리데이터(출력 품질 평가)를 운영합니다. 전체 경제 구조는 Yuma Consensus 메커니즘으로 작동하며, 참가자에게 생성 가치에 비례해 TAO가 분배됩니다. 마이너는 최고의 결과를 만들어내기 위해 경쟁하고, 밸리데이터는 TAO를 스테이킹해 평가 권한을 얻습니다. 저품질 결과는 패널티를 받고, 양질의 결과는 더 많은 보상을 받습니다. 모든 과정은 중앙화된 승인 없이 진행됩니다.
현재 네트워크는 128개의 서브넷을 지원하며, 2026년 하반기에는 256개로 확대될 예정입니다. 서브넷 토큰은 스테이킹된 TAO를 기반으로 한 자동화 마켓메이커(AMM)로 가격이 형성되며, 생태계 내 특정 기능에 대한 레버리지 베팅 수단 역할을 합니다. Covenant-72B 출시 후 Bittensor 생태계 토큰의 시총은 약 15억 달러를 기록했으며, Templar 서브넷 토큰은 7일 만에 194% 상승했습니다.
젠슨 황의 언급이 중요한 이유
젠슨 황은 거의 모든 AI 모델을 구동하는 GPU를 생산하는 3조 달러 규모 기업의 CEO입니다. 그가 All-In 팟캐스트에서 Bittensor를 folding@home에 비유하자, 암호화폐 시장의 관심이 집중되었습니다. 하지만 그의 발언은 단순한 언급이 아니라, "모델은 독점 제품이자, 동시에 오픈소스 제품이어야 한다"는 업계 방향성을 제시한 것입니다.
즉, 분산형 오픈소스 AI 학습이 중앙화 모델의 대체재가 아니라, 진지한 보완재임을 인정한 것입니다. Nvidia는 누구든 GPU를 구매하면 이익을 내는 구조이고, 젠슨 황은 중앙화와 분산화 AI가 공존하는 미래를 공개적으로 지지했습니다. TAO 보유자 입장에서는 AI 공급망에서 가장 중요한 기업의 CEO가 분산형 학습을 비주류로 보지 않음을 확인한 신호입니다.
시장 반응은 즉각적이었습니다. TAO는 방송 후 몇 시간 만에 17% 상승했고, AI 토큰 전체가 뒤를 이었습니다.
TAO와 중앙화 AI 경쟁사의 차이점
Bittensor와 OpenAI, Google DeepMind, Anthropic 등 중앙화 AI 연구소를 단순 비교하긴 어렵지만, 바로 이 점이 중요한 포인트입니다.
| 지표 | 중앙화 연구소 | Bittensor (Covenant-72B) |
|---|---|---|
| 학습 비용 | 프론티어 모델당 5천만~1억 달러 이상 | 기여자 분산 부담, 단일 주체 비용 없음 |
| 인프라 | 독점 GPU 클러스터, 데이터센터 연결 | 범용 GPU, 일반 인터넷 사용 |
| 접근성 | 가중치 비공개, API만 제공 | 오픈소스 가중치, Apache 라이선스 |
| MMLU 벤치마크 | GPT-4 계열: 86점 이상 | 67.1점(제로샷) |
| 거버넌스 | 기업 이사회 결정 | 프로토콜 인센티브, 자유 참여 |
| 학습 속도 | 대규모 클러스터 수주 내 완성 | 더 오래 걸리나 반복마다 개선 |
중앙화 연구소가 현재 더 나은 성능을 제공하는 것은 사실입니다. 실제 업무에 GPT-4 대신 Covenant-72B를 사용하는 기업은 많지 않습니다. 그러나 중앙화 AI는 소수 기업이 가장 강력한 모델, 데이터, 접근을 통제한다는 점에서 집중 리스크를 내포합니다. Bittensor는 개발이 자유롭고, 가중치가 공개되며, 단일 주체가 접근을 통제하지 않는 대안을 제시합니다.
Bittensor는 1995년의 리눅스와 같습니다. 상업 제품이 당장은 더 좋지만, 오픈·분산형 모델이 결국 산업 전반을 바꿔놓았습니다.
TAO 가격 변동의 주요 원인
2026년 3월 TAO의 90% 상승은 단일 요인으로 설명되지 않습니다. 세 가지 주요 이벤트가 2주간 연이어 발생했습니다.
Covenant-72B 출시(3월 10일): Templar 팀이 최대 규모의 분산형 LLM 학습 완료를 발표했고, arXiv 논문이 암호화폐 외 커뮤니티에도 신뢰도를 높였습니다. 이 발표 후 2주간 TAO는 54.8% 상승했습니다.
젠슨 황의 언급(3월 18~19일): All-In 팟캐스트의 짧은 영상이 AI 및 암호화폐 커뮤니티에서 확산됐고, 48시간 만에 17% 추가 상승을 이끌었습니다.
생태계 확장과 기관 관심: 2026년 초 Grayscale의 Bittensor Trust가 기관투자자 대상 오픈 되었고, 네트워크는 128개에서 256개 서브넷 확장 계획을 발표했습니다. 2026년 말, Grayscale Trust가 실물 TAO ETF로 전환될 가능성도 논의되고 있습니다.
Bittensor 생태계 토큰의 시총이 15억 달러를 돌파하면서, 트레이더들은 서브넷 토큰을 TAO 스토리의 레버리지 투자 수단으로 주목하고 있습니다. Bittensor는 현재 AI 암호화폐 시총 3위로, Chainlink, NEAR에 이어 AI/인프라 범주에서 상위권에 있습니다.
단, TAO는 여전히 사상 최고가(ATH) $757.60대비 약 59% 하락한 상태이며, 추가 상승을 위해서는 추가 촉매가 필요하며, 투자 심리가 바뀔 경우 변동성 위험도 크다는 점을 인지해야 합니다.
자주 묻는 질문
Bittensor의 Covenant-72B 모델이란?
Covenant-72B는 Bittensor의 분산 네트워크 전체에서 70명 이상의 독립 기여자가 범용 하드웨어를 사용해 학습시킨 720억 파라미터 대형 언어 모델입니다. MMLU 벤치마크에서 67.1점을 기록했으며, 모든 모델 가중치는 Apache 라이선스 하에 오픈소스로 공개되어 있습니다.
Bittensor는 2026년 투자 가치가 있나요?
TAO는 Covenant-72B 성과, 젠슨 황의 언급, 기관용 Grayscale Trust 등 스토리가 강합니다. 그러나 토큰은 변동성이 크고, 사상 최고가 대비 59% 낮은 수준입니다. 분산형 AI 인프라에 대한 하이베타 투자로 볼 수 있으며, 안정자산이 아니므로 리스크 관리가 필요합니다.
Bittensor 참여자들은 어떻게 수익을 창출하나요?
마이너는 서브넷에 컴퓨팅 리소스를 제공하고, AI 출력 품질에 비례해 TAO 보상을 받습니다. 밸리데이터는 TAO를 스테이킹해 마이너 평가 권한을 얻고, 일부 보상을 가져갑니다. 서브넷 운영자는 해당 서브넷에서 배포되는 TAO의 일부를 받습니다. 중앙 회사가 수수료를 취하지 않는 프로토콜 기반 인센티브 구조입니다.
Bittensor가 OpenAI 및 Google과 경쟁할 수 있나요?
순수 모델 성능에서는 아직 중앙화 연구소가 크게 앞서 있습니다. 그러나 Bittensor의 강점은 구조에 있습니다. 허가 없이, 오픈소스로, 단일 통제점 없이 AI를 개발할 수 있다는 점이 미래의 경쟁력이 될 수 있습니다. 장기적으로 분산형 학습이 중앙화 접근법을 보완하는 필수 인프라가 될 것으로 보는 시각이 있습니다.
결론
Covenant-72B는 분산형 AI 학습이 자금력 있는 중앙화 연구소와 경쟁 가능한 모델을 만들 수 있음을 처음으로 보여줬습니다. 67.1 MMLU 점수는 최첨단은 아니지만, 데이터센터나 대규모 예산, 허가 없이 이를 달성했다는 점이 의미 있습니다. 즉, 이제는 "분산형 AI가 가능한가?"에서 "얼마나 빨리 발전하는가?"로 논의가 바뀌고 있습니다.
현재 TAO는 $313, 시총 34억 달러 수준으로 낙관론이 반영되어 있습니다. 256 서브넷 확장, Grayscale ETF 전환, 분산 학습 효율성 개선이 2026년 로드맵에 있습니다. 한편, TAO는 스토리 기반으로 거래되며, AI 암호화폐 내러티브는 급변할 수 있습니다. 토큰이 ATH 대비 59% 낮은 데는 이유가 있으며, 중앙화 경쟁사와의 성능 격차를 얼마나 좁힐지가 관건입니다. 서브넷 확장 일정, Grayscale ETF 관련 소식이 가장 중요한 신호가 될 것입니다.
본 기사는 정보 제공 목적이며, 금융 및 투자 조언이 아닙니다. 암호화폐 거래에는 높은 위험이 수반될 수 있으니, 투자 전 반드시 스스로 리서치하시기 바랍니다.
