Bittensor adalah jaringan AI terdesentralisasi terbesar berdasarkan kapitalisasi pasar dan salah satu proyek kripto yang paling banyak dibicarakan dalam dua tahun terakhir. Per pertengahan 2026, jaringan ini mengoperasikan 128 "subnet" aktif, masing-masing merupakan pasar khusus untuk satu jenis pekerjaan AI, dengan kapitalisasi pasar mencapai miliaran serta aliran dana institusional yang stabil dan kontroversi publik yang terus bermunculan.
Ide dasarnya: Bittensor adalah jaringan blockchain di mana para kontributor menjalankan model pembelajaran mesin di dalam subnet, para validator menilai hasilnya, dan jaringan tersebut mendistribusikan token TAO secara proporsional sesuai dengan seberapa bermanfaat pekerjaan tersebut. Ini adalah hal yang paling mendekati ekonomi AI berskala besar yang berfungsi dan didorong oleh insentif token di dunia kripto, dan berada di pusat perbincangan yang lebih luas mengenai AI terdesentralisasi.
Penjelasan singkat di awal: ketika orang mengatakan "menambang TAO," yang mereka maksud bukanlah penambangan hash seperti Bitcoin. Yang mereka maksud adalah menjalankan model AI dan mengirimkan hasilnya ke subnet, di mana para validator akan menilai hasil tersebut dan protokol akan membayarkan imbalan.
Apa Itu Bittensor?
Bittensor adalah jaringan terdesentralisasi yang memanfaatkan insentif blockchain untuk mengoordinasikan pekerjaan pembelajaran mesin. Para kontributor menjalankan model AI di dalam subnet khusus, para validator menilai hasil kerjanya, dan jaringan mendistribusikan token TAO sebagai imbalan berdasarkan seberapa bermanfaat pekerjaan tersebut.
Proyek ini didirikan bersama pada tahun 2019 oleh Jacob Steeves dan Ala Shaabana, serta dikelola oleh Opentensor Foundation, sebuah organisasi nirlaba. Jaringan utama saat ini, yang bernama Finney, diluncurkan pada 20 Maret 2023, setelah melalui dua versi sebelumnya. Bittensor dibangun di atas Substrate, kerangka kerja yang sama yang digunakan oleh Polkadot, dan berjalan di rantai yang dirancang khusus untuknya.
Hal terpenting yang perlu dipahami tentang Bittensor adalah apa yang bukan menjadi fokusnya. Bittensor tidak melatih satu model frontier seperti yang dilakukan OpenAI atau Anthropic. Tidak ada yang namanya "Bittensor LLM." Sebaliknya, jaringan ini terdiri dari kumpulan subjaringan independen, masing-masing berfokus pada tugas AI yang berbeda: inferensi LLM, generasi gambar, pasar prediksi, pelatihan terdistribusi, komputasi GPU, audio, dan pencarian. Setiap subjaringan merupakan kompetisi mini tersendiri; jaringan ini mengoordinasikan semuanya.
Struktur itulah yang menjadikan Bittensor sebagai contoh yang paling sering dikutip mengenai "AI di blockchain," sekaligus menjadi sumber kebingungan terbesar mengenai apa sebenarnya yang dilakukannya.
Cara Kerja Bittensor: Subnet, Penambang, dan Validator
Tumpukan Bittensor memiliki empat komponen yang mudah membingungkan sampai Anda melihatnya sekali.
Subjaringan
Subnet adalah subjaringan mandiri yang difokuskan pada satu jenis pekerjaan AI. Subnet 3 (τemplar) melatih model bahasa berskala besar secara terdesentralisasi. Subnet 64 (Chutes) menyediakan daya komputasi GPU.
Yang lain menangani pasar prediksi, embedding, pembangkitan gambar, serta sinyal keuangan. Subnet dibuat oleh pemilik subnet, yang menentukan apa yang dianggap sebagai "karya yang baik" dan menyusun aturan penilaian. Per pertengahan 2026, terdapat 128 subnet aktif, dengan rencana perluasan menjadi 256.
Tiga peran tersebut
Setiap subnet memiliki tiga jenis peserta:
- Para penambang menjalankan model AI dan menghasilkan keluaran: teks, gambar, prediksi, atau apa pun yang dibutuhkan oleh subnet tersebut. Ini adalah penambang AI, bukan penambang hash. Persyaratan perangkat keras bergantung pada subnet tersebut.
- Validator mengevaluasi hasil penambangan dan memberikan skor. Mereka melakukan staking TAO untuk berpartisipasi; pengaruh mereka dalam penentuan skor sebanding dengan jumlah TAO yang mereka staking.
- Pemilik subnet membuat dan memelihara aturan subnet, desain insentif, serta basis kode.
Konsensus Yuma
Yuma Consensus adalah mekanisme Bittensor untuk mengubah skor validator menjadi imbalan TAO. Validator memberikan penilaian kepada penambang; jaringan mengagregasi penilaian tersebut dengan bobot berdasarkan jumlah saham yang dimiliki validator; imbalan didistribusikan secara proporsional kepada penambang, validator, dan pemilik subnet. Rumus perhitungannya dirancang sedemikian rupa sehingga validator yang tidak jujur—yaitu mereka yang skornya terlalu menyimpang dari konsensus—akan memperoleh imbalan lebih sedikit dan pengaruhnya akan semakin berkurang seiring waktu akibat dominasi validator yang jujur.
Alur token
Jumlah TAO yang dikeluarkan per blok bersifat tetap. Setelah halving pada Desember 2025, jumlahnya menjadi 0,5 TAO per blok, atau sekitar 3.600 TAO per hari. Emisi dibagi ke berbagai subnet berdasarkan sinyal yang didorong oleh pasar (lebih lanjut mengenai hal ini di bawah), dan di dalam setiap subnet, emisi tersebut dibagi antara penambang, validator, dan pemilik subnet.
TAO, TAO Dinamis, dan Ekonomi Token
TAO adalah token asli jaringan Bittensor. Token ini digunakan untuk staking (mendelegasikan ke validator guna memperoleh bagian dari emisi), pembuatan subnet (pemilik subnet mengunci TAO untuk mendaftar), pembayaran layanan AI, dan tata kelola.
Jadwal pasokan ini dirancang langsung berdasarkan model Bitcoin: batas maksimum (hard cap) sebesar 21 juta TAO, dengan peristiwa halving yang memangkas emisi menjadi setengahnya. Halving pertama Bittensor terjadi pada pertengahan Desember 2025, yang menurunkan emisi harian dari sekitar 7.200 TAO menjadi 3.600 TAO (0,5 TAO per blok).
Perubahan ekonomi terbesar dalam sejarah Bittensor terjadi pada Februari 2025, saat pembaruan Dynamic TAO (dTAO) diluncurkan. Sebelum dTAO, sebuah dewan yang terdiri dari 64 validator menentukan subnet mana saja yang menerima emisi TAO. Setelah dTAO, setiap subnet memiliki token alpha dan kolam likuiditasnya sendiri.
Pengguna yang ingin mendukung suatu subnet dapat melakukan staking TAO ke dalam pool subnet tersebut, menerima token alpha sebagai imbalan, dan memperoleh emisi yang sebanding dengan ukuran pool tersebut. Subnet dengan jumlah TAO yang di-stake lebih banyak akan memperoleh emisi yang lebih besar. Singkatnya: dTAO mengubah setiap subnet menjadi ekonomi mikro tersendiri, dengan TAO berada di puncak tumpukan.
Untuk data emisi secara real-time, imbal hasil staking, dan statistik tingkat subnet, taostats.io adalah sumber standar.
Apa Sebenarnya Fungsi Subnet Bittensor?
Subnet dapat dikelompokkan ke dalam beberapa kategori besar. Ada yang mirip dengan infrastruktur; ada pula yang lebih mirip dengan produk.
Komputasi dan pelatihan terdistribusi
Subnet yang difokuskan pada komputasi GPU dan pelatihan model terdesentralisasi. Contoh paling menonjol adalah τemplar (SN3), yang melatih Covenant-72B—yang pada awal 2026 merupakan model pra-latih kolaboratif terbesar di jaringan terdesentralisasi mana pun. Chutes (SN64) dan Targon (SN4) menawarkan kapasitas GPU yang dapat disewa untuk inferensi dan pekerjaan pelatihan jangka pendek.
Model dasar dan LLM
Subnet melatih dan menyajikan model bahasa open-weight untuk proses inferensi. Model-model ini bersaing dalam hal kualitas keluaran dan biaya; validator membandingkan respons-respons tersebut dengan pedoman penilaian. Aspek ekonominya paling optimal untuk model berukuran menengah, di mana penyajian terdesentralisasi dapat menawarkan harga yang lebih murah dibandingkan layanan cloud terpusat.
Gambar, audio, dan multimodal
Subjaringan media generatif: pembuatan gambar, sintesis audio, suara, dan semakin banyak video. Penambang menjalankan model difusi atau transformer; validator menilai hasil berdasarkan kriteria kualitas subjaringan tersebut.
Prediksi, keuangan, dan sinyal terstruktur
Subjaringan yang menghasilkan prediksi pasar, data sentimen, ramalan olahraga, dan sinyal keuangan terstruktur. Metrik keberhasilan yang lebih jelas (apakah prediksinya tepat?) membuat penilaian menjadi lebih sederhana dibandingkan dengan tugas-tugas generatif.
Pencarian dan pengambilan
Subnet yang berfokus pada pencarian web, embedding, dan sistem yang diperkuat dengan pengambilan data—berguna sebagai middleware untuk aplikasi AI yang membutuhkan data terbaru. Kualitas subnet sangat bervariasi. Beberapa di antaranya menghasilkan pendapatan nyata dan telah mencapai kesesuaian produk-pasar. Yang lainnya masih dalam tahap awal, bersifat spekulatif, atau hampir ditinggalkan. Pasar dTAO seharusnya menonjolkan perbedaan ini, dan sampai batas tertentu memang demikian, tetapi hal ini juga menciptakan siklus boom-bust yang lebih tajam bagi token alpha.
Pandangan Jujur tentang Bittensor
Bittensor memicu reaksi yang sangat beragam, baik yang mendukung maupun yang menentang. Ada tiga hal yang perlu diperhatikan secara bersamaan.
Apa yang sebenarnya
Bittensor memiliki tumpukan teknologi yang sudah beroperasi, jadwal emisi berbasis halving, mekanisme pasar (dTAO) untuk mengalokasikan imbalan di seluruh subnet, serta dukungan institusional besar — keterlibatan jangka panjang dari Polychain Capital dan Grayscale Bittensor Trust (GTAO) yang permohonan konversinya menjadi ETF spot sedang dalam proses di SEC. Beberapa subnet saat ini telah menyediakan layanan AI yang dapat digunakan dan menghasilkan pendapatan nyata.
Apa yang menjadi sengketa
Kualitas subnet sangat bervariasi. Ada yang merupakan produk AI asli; ada pula yang sekadar "emission farms" dengan hasil minimal. Jaringan ini juga pernah mengalami insiden keamanan yang signifikan: pada Juli 2024, sebuah paket berbahaya yang diunggah ke PyPI mengakibatkan kerugian sekitar $8 juta dan rantai dihentikan selama 10 hari. Pada Mei 2025, serangan panggilan batch yang tidak terkendali membuat jaringan masuk ke "mode aman" selama dua hari. Kedua insiden tersebut telah diselesaikan, namun tetap tercatat dalam riwayat operasional.
Risiko operator pintu keluar dan subnet Covenant
Pada April 2026, Covenant AI (operator Subnet 3 dan tim di balik sesi pelatihan Covenant-72B) secara terbuka menarik diri dari jaringan tersebut, menjual sekitar 37.000 TAO (sekitar $10 juta), dan menuduh pimpinan Bittensor melakukan pengendalian sepihak.
Salah satu pendiri Bittensor secara terbuka membantah tuduhan tersebut, dan jaringan tersebut tetap beroperasi. Insiden tersebut memicu penurunan harga yang signifikan dan tetap menjadi contoh paling jelas tentang bagaimana perilaku operator subjaringan dapat memengaruhi seluruh jaringan. Bittensor adalah salah satu dari sedikit proyek kripto yang memiliki jawaban konkret atas pertanyaan "bagaimana bentuk AI di blockchain." Proyek ini juga termasuk yang paling fluktuatif.
Kesimpulan
Bittensor adalah jawaban paling jelas yang dihasilkan oleh dunia kripto atas pertanyaan "bagaimana bentuk AI di blockchain" — 128 subnet khusus, jadwal halving ala Bitcoin, pendapatan nyata dari beberapa beban kerja, serta dukungan dana institusional yang signifikan di belakangnya. Proyek ini juga merupakan salah satu yang paling kontroversial di industri ini, dengan insiden keamanan, penjualan besar-besaran oleh operator subnet, dan variasi kualitas yang signifikan. Setiap analisis mendalam mengenai TAO harus mempertimbangkan kedua aspek tersebut secara bersamaan.
