Bittensor is het grootste gedecentraliseerde AI-netwerk op basis van marktkapitalisatie en een van de meest besproken cryptoprojecten van de afgelopen twee jaar. Medio 2026 beheert het 128 actieve „subnetten“, elk een gespecialiseerde markt voor één soort AI-werk, met een marktkapitalisatie van miljarden en een gestage stroom van zowel institutionele instroom als publieke controverses.
Het basisidee: Bittensor is een blockchain-netwerk waarin deelnemers machine-learningmodellen binnen subnetten draaien, validators de resultaten beoordelen en het netwerk TAO-tokens verdeelt in verhouding tot de bruikbaarheid van het werk. Het komt het dichtst in de buurt van een werkende, door tokens gestimuleerde AI-economie op grote schaal binnen de cryptowereld, en het staat centraal in de bredere discussie over gedecentraliseerde AI.
Even ter verduidelijking: als mensen het hebben over „TAO-mining”, bedoelen ze niet het hashen zoals bij Bitcoin. Ze bedoelen het draaien van een AI-model en het doorsturen van de output daarvan naar een subnet, waar validators deze beoordelen en het protocol beloningen uitkeert.
Wat is Bittensor?
Bittensor is een gedecentraliseerd netwerk dat gebruikmaakt van blockchain-prikkels om machine learning-werk te coördineren. Deelnemers draaien AI-modellen binnen gespecialiseerde subnetten, validators beoordelen de resultaten daarvan, en het netwerk verdeelt TAO-tokens als beloning op basis van de bruikbaarheid van dat werk.
Het project werd in 2019 mede opgericht door Jacob Steeves en Ala Shaabana en wordt beheerd door de non-profitorganisatie Opentensor Foundation. Het huidige hoofdnetwerk, genaamd Finney, ging op 20 maart 2023 van start, na twee eerdere versies. Bittensor is gebouwd op Substrate, hetzelfde framework dat door Polkadot wordt gebruikt, en draait op een eigen, speciaal voor dit doel gebouwde blockchain.
Het belangrijkste dat je over Bittensor moet begrijpen, is wat het niet is. Het traint geen enkel ‘frontier’-model, zoals OpenAI of Anthropic dat doen. Er bestaat geen „Bittensor LLM”. In plaats daarvan bestaat het netwerk uit een verzameling onafhankelijke subnetten, die elk gericht zijn op een andere AI-taak: LLM-inferentie, beeldgeneratie, voorspellingsmarkten, gedistribueerde training, GPU-rekenkracht, audio en zoekopdrachten. Elk subnet vormt een eigen miniatuurcompetitie; het netwerk coördineert deze subnetten.
Juist die structuur maakt Bittensor tot het meest aangehaalde voorbeeld van „AI op een blockchain”, en is tegelijkertijd de bron van de meeste verwarring over wat het nu eigenlijk doet.
Hoe Bittensor werkt: subnetten, miners en validators
De Bittensor-stack bestaat uit vier bewegende onderdelen die je gemakkelijk door elkaar haalt, totdat je ze eenmaal hebt gezien.
Subnetten
Een subnet is een onafhankelijk subnetwerk dat zich richt op één bepaald type AI-taak. Subnet 3 (τemplar) traint op gedecentraliseerde wijze grote taalmodellen. Subnet 64 (Chutes) levert GPU-rekenkracht.
Andere houden zich bezig met voorspellingsmarkten, embeddings, het genereren van afbeeldingen en financiële signalen. Subnetten worden aangemaakt door subnet-eigenaren, die bepalen wat als „goed werk“ geldt en de beoordelingsregels opstellen. Medio 2026 zijn er 128 actieve subnetten, en er zijn plannen om dit aantal uit te breiden tot 256.
De drie rollen
Elk subnet kent drie soorten deelnemers:
- Mijnwerkers het AI-model uitvoeren en resultaten genereren: tekst, afbeeldingen, voorspellingen, wat het subnet ook maar vereist. Dit zijn AI-miners, geen hash-miners. De hardwarevereisten zijn afhankelijk van het subnet.
- Validators de resultaten van miners beoordelen en scores toekennen. Ze zetten TAO in om deel te nemen; hun invloed op de score is evenredig aan hun inzet.
- Eigenaren van subnetten het opstellen en bijhouden van de regels, het ontwerp van het beloningssysteem en de codebase van het subnet.
Yuma-consensus
Yuma Consensus is het mechanisme van Bittensor waarmee de scores van validators worden omgezet in TAO-beloningen. Validators beoordelen miners; het netwerk voegt de beoordelingen samen, gewogen naar de inzet van de validator; beloningen worden evenredig verdeeld onder miners, validators en subnet-eigenaren. Het systeem is zo ontworpen dat malafide validators, diegenen wier scores te veel afwijken van de consensus, minder verdienen en na verloop van tijd worden verdrongen door eerlijke validators.
Tokenstroom
Per blok wordt een vast aantal TAO uitgegeven. Na de halvering in december 2025 is dat 0,5 TAO per blok, ofwel ongeveer 3.600 TAO per dag. De uitgifte wordt verdeeld over subnetten op basis van marktgedreven signalen (hierover later meer), en binnen elk subnet wordt deze verdeeld tussen miners, validators en de eigenaar van het subnet.
TAO, Dynamic TAO en de tokeneconomie
TAO is het native token van het Bittensor-netwerk. Het wordt gebruikt voor staking (delegeren aan validators om een aandeel in de emissies te verdienen), het aanmaken van subnetten (subnet-eigenaren zetten TAO op slot om zich te registreren), het betalen voor AI-diensten en governance.
Het aanbodschema is rechtstreeks gebaseerd op Bitcoin: een harde limiet van 21 miljoen TAO, met halveringen die de uitgifte halveren. De eerste halvering van Bittensor vond plaats medio december 2025, waardoor de dagelijkse uitgifte daalde van ongeveer 7.200 TAO naar 3.600 TAO (0,5 TAO per blok).
De grootste economische verandering in de geschiedenis van Bittensor vond plaats in februari 2025, toen de Dynamic TAO (dTAO)-upgrade in werking trad. Vóór dTAO bepaalde een raad van 64 validators welke subnetten TAO-emissies kregen. Na dTAO heeft elk subnet zijn eigen alpha-token en een eigen liquiditeitspool.
Gebruikers die een subnet willen ondersteunen, staken TAO in de pool van dat subnet, ontvangen in ruil daarvoor het bijbehorende alfa-token en verdienen emissies die evenredig zijn aan de omvang van die pool. Subnetten met meer ingezette TAO verdienen meer emissies. Kort samengevat: dTAO heeft van elk subnet een eigen micro-economie gemaakt, met TAO aan de top van de piramide.
Voor realtime emissiegegevens, staking-opbrengsten en statistieken op subnetniveau, taostats.io is de standaardbron.
Wat Bittensor-subnetten nu eigenlijk doen
Subnetten vallen onder een handvol brede categorieën. Sommige lijken op infrastructuur; andere lijken meer op producten.
Computatie en gedistribueerde training
Subnetten gericht op GPU-rekenkracht en gedecentraliseerde modeltraining. Het meest opvallende voorbeeld is τemplar (SN3), dat Covenant-72B heeft getraind, wat begin 2026 het grootste gezamenlijk voorgetrainde model op een gedecentraliseerd netwerk was. Chutes (SN64) en Targon (SN4) bieden verhuurbare GPU-capaciteit voor inferentie en korte trainingsopdrachten.
Basismodellen en LLM’s
Subnetten trainen en leveren open-weight taalmodellen voor inferentie. Ze concurreren op het gebied van uitvoerkwaliteit en kosten; validators toetsen de antwoorden aan de hand van beoordelingscriteria. Economisch gezien werkt dit het beste voor middelgrote modellen, waarbij gedecentraliseerde levering goedkoper kan zijn dan gecentraliseerde cloudtarieven.
Beeld, geluid en multimodaal
Subnetten voor generatieve media: beeldgeneratie, audiosynthese, spraak en in toenemende mate video. Miners draaien diffusie- of transformermodellen; validators beoordelen de output aan de hand van de kwaliteitscriteria van het subnet.
Voorspellingen, financiën en gestructureerde signalen
Subnetten die marktvoorspellingen, sentimentgegevens, sportvoorspellingen en gestructureerde financiële signalen genereren. Duidelijkere succesmaatstaven (was de voorspelling juist?) maken het toekennen van scores eenvoudiger dan bij generatieve taken.
Zoeken en opvragen
Subnetten die zich richten op webzoekopdrachten, embeddings en systemen met geoptimaliseerde informatieopvraging – nuttig als middleware voor AI-toepassingen die behoefte hebben aan actuele gegevens. De kwaliteit van de subnetten loopt sterk uiteen. Sommige genereren daadwerkelijke inkomsten en zijn goed afgestemd op de markt. Andere bevinden zich nog in een vroeg stadium, zijn speculatief of staan op het punt te worden opgegeven. De dTAO-markt zou dit onderscheid aan het licht moeten brengen, en tot op zekere hoogte doet ze dat ook, maar ze zorgt ook voor scherpere boom-bust-cycli voor alfa-tokens.
Een eerlijke kijk op Bittensor
Bittensor roept zowel voor- als tegenstanders op. Er zijn drie punten die het waard zijn om tegelijkertijd in gedachten te houden.
Wat is echt?
Bittensor beschikt over een functionele technische stack, een op halvering gebaseerd emissieschema, een marktmechanisme (dTAO) voor de toewijzing van beloningen over subnetten heen, en aanzienlijke institutionele steun – langdurige betrokkenheid van Polychain Capital en een Grayscale Bittensor Trust (GTAO) waarvoor een aanvraag voor omzetting naar een spot-ETF in behandeling is bij de SEC. Verschillende subnetten leveren momenteel bruikbare AI-diensten en genereren daadwerkelijke inkomsten.
Wat staat ter discussie
De kwaliteit van de subnetten loopt sterk uiteen. Sommige zijn echte AI-producten; andere zijn ‘emissiefarms’ met een minimale output. Het netwerk heeft ook te maken gehad met ernstige beveiligingsincidenten: in juli 2024 leidde een kwaadaardig pakket dat naar PyPI was geüpload tot een diefstal van ongeveer 8 miljoen dollar en werd de keten gedurende 10 dagen stilgelegd. In mei 2025 zorgde een uit de hand gelopen batch-call-aanval ervoor dat het netwerk twee dagen lang in de „veilige modus“ stond. Beide incidenten zijn opgelost, maar ze maken deel uit van het operationele dossier.
Het risico in verband met de Covenant-uitstap en de subnetbeheerder
In april 2026 trok Covenant AI (de beheerder van Subnet 3 en het team achter de Covenant-72B-trainingsrun) zich publiekelijk terug uit het netwerk, verkocht ongeveer 37.000 TAO (ongeveer 10 miljoen dollar) en beschuldigde het management van Bittensor van eenzijdige controle.
Een medeoprichter van Bittensor betwistte deze voorstelling van zaken publiekelijk, en het netwerk bleef functioneren. Het incident leidde tot een aanzienlijke prijsdaling en blijft het duidelijkste voorbeeld van hoe het gedrag van subnetbeheerders het hele netwerk kan beïnvloeden. Bittensor is een van de weinige cryptoprojecten met een werkbaar antwoord op de vraag „hoe zou AI op een blockchain eruitzien?”. Het is tevens een van de meest volatiele.
Conclusie
Bittensor is het meest heldere antwoord dat de cryptowereld heeft gegeven op de vraag „hoe zou AI op een blockchain eruitzien?“ – 128 gespecialiseerde subnetten, een halveringsschema naar het voorbeeld van Bitcoin, daadwerkelijke inkomsten uit bepaalde workloads en serieuze institutionele financiering. Het is tevens een van de meest omstreden projecten in de sector, met beveiligingsincidenten, het wegtrekken van subnetbeheerders en grote kwaliteitsverschillen. Elke serieuze analyse van TAO moet beide aspecten tegelijkertijd in ogenschouw nemen.
