Bittensor er det største desentraliserte AI-nettverket målt etter markedsverdi og et av de mest omtalte kryptoprosjektene de siste to årene. Per midten av 2026 driver det 128 aktive «undernett», som hver utgjør et spesialisert marked for én type AI-arbeid, med en markedsverdi på flere milliarder og en jevn strøm av både institusjonelle investeringer og offentlige kontroverser.
Hovedideen: Bittensor er et blockchain-nettverk der bidragsytere kjører maskinlæringsmodeller i undernett, validatorer vurderer resultatene, og nettverket fordeler TAO-tokens i forhold til hvor nyttig arbeidet er. Det er det nærmeste kryptovaluta-verdenen kommer en fungerende, token-basert AI-økonomi i stor skala, og det står i sentrum for den bredere debatten om desentralisert AI.
En rask avklaring med en gang: Når folk snakker om «mining av TAO», mener de ikke hash-mining slik man kjenner det fra Bitcoin. De mener å kjøre en AI-modell og sende resultatet til et subnett, hvor validatorer vurderer det og protokollen utbetaler belønninger.
Hva er Bittensor?
Bittensor er et desentralisert nettverk som bruker insentiver basert på blokkjede-teknologi til å koordinere arbeid innen maskinlæring. Bidragsytere kjører AI-modeller i spesialiserte undernett, validatorer vurderer resultatene, og nettverket deler ut TAO-tokens som belønning basert på hvor nyttig dette arbeidet er.
Prosjektet ble grunnlagt i 2019 av Jacob Steeves og Ala Shaabana, og drives av den ideelle organisasjonen Opentensor Foundation. Det nåværende hovednettverket, kalt Finney, ble lansert 20. mars 2023, etter to tidligere versjoner. Bittensor er bygget på Substrate, det samme rammeverket som brukes av Polkadot, og kjører på sin egen spesialbygde kjede.
Det viktigste å forstå om Bittensor er hva det ikke er. Det dreier seg ikke om å trene en enkelt «frontier»-modell slik OpenAI eller Anthropic gjør. Det finnes ingen «Bittensor LLM». I stedet består nettverket av en rekke uavhengige delnettverk, der hvert enkelt fokuserer på en annen AI-oppgave: LLM-inferens, bildegenerering, prediksjonsmarkeder, distribuert trening, GPU-beregninger, lyd og søk. Hvert delnettverk er sin egen miniatyrkonkurranse; nettverket koordinerer dem.
Det er nettopp denne strukturen som gjør Bittensor til det mest siterte eksemplet på «AI på en blokkjede», og som er årsaken til det meste av forvirringen rundt hva det egentlig gjør.
Slik fungerer Bittensor: Undernett, minere og validerere
Bittensor-stakken har fire bevegelige deler som det er lett å forveksle inntil man har sett dem én gang.
Undernett
Et subnett er et uavhengig delnettverk som er rettet mot én type AI-arbeid. Subnett 3 (τemplar) trener store språkmodeller på en desentralisert måte. Subnett 64 (Chutes) leverer GPU-regnekraft.
Andre arbeider med prediksjonsmarkeder, innlemminger, bildegenerering og finansielle signaler. Undernett opprettes ved at undernett-eiere, som definerer hva som regnes som «godt arbeid» og utarbeider poengreglene. Per midten av 2026 er det 128 aktive undernett, og det er planlagt en utvidelse til 256.
De tre rollene
Hvert undernett har tre typer deltakere:
- Gruvearbeidere kjøre AI-modellen og generere resultater: tekst, bilder, prognoser – alt det som undernettet krever. Dette er AI-minere, ikke hash-minere. Maskinvarekravene avhenger av undernettet.
- Validerere vurdere gruvearbeidernes resultater og tildele poeng. De må stake TAO for å kunne delta; deres innflytelse på poengberegningen er proporsjonal med deres innsats.
- Undernett-eiere opprette og vedlikeholde regler, insentivstruktur og kodebasen for undernettet.
Yuma-konsensusen
Yuma Consensus er Bittensors mekanisme for å omregne validatorers poengsum til TAO-belønninger. Validatorene vurderer minere; nettverket samler vurderingene, vektet etter validatorenes innsats; belønningene fordeles proporsjonalt mellom minere, validatorer og subnett-eiere. Beregningene er utformet slik at validatorer som handler i ond tro – de som har poengsummer som avviker for mye fra konsensusen – tjener mindre og over tid blir utvannet av de ærlige validatorene.
Token-flyt
Det utstedes et fast antall TAO per blokk. Etter halveringen i desember 2025 vil dette være 0,5 TAO per blokk, eller omtrent 3 600 TAO per dag. Utstedelsene fordeles på undernett basert på markedsdrevne signaler (mer om dette nedenfor), og innenfor hvert undernett fordeles de mellom minere, validatorer og eieren av undernettet.
TAO, Dynamic TAO og tokenøkonomien
TAO er det innfødte tokenet i Bittensor-nettverket. Det brukes til staking (å delegere til validatorer for å tjene en andel av utstedelsene), opprettelse av undernett (undernett-eiere låser TAO for å registrere seg), betaling for AI-tjenester og styring.
Forsyningsplanen er direkte basert på Bitcoin: en fast øvre grense på 21 millioner TAO, med halveringer som reduserer utslippene med halvparten. Bittensors første halvering fant sted i midten av desember 2025, og reduserte den daglige utgivelsen fra omtrent 7 200 TAO til 3 600 TAO (0,5 TAO per blokk).
Den største økonomiske endringen i Bittensors historie skjedde i februar 2025, da oppgraderingen til Dynamic TAO (dTAO) ble satt i drift. Før dTAO var det et råd bestående av 64 validatorer som avgjorde hvilke undernett som skulle motta TAO-utslipp. Etter dTAO har hvert undernett sitt eget alfa-token og sin egen likviditetspool.
Brukere som ønsker å støtte et subnett, staker TAO i det aktuelle subnettets pool, mottar dets alfa-token i retur og tjener utbetalinger som står i forhold til poolens størrelse. Subnett med mer staket TAO tjener mer i utbetalinger. Kort sagt: dTAO har gjort hvert subnett til sin egen mikroøkonomi, med TAO på toppen av stakken.
For sanntidsutslippsdata, avkastning på staking og statistikk på undernettnivå, taostats.io er standardkilden.
Hva Bittensor-undernett egentlig gjør
Undernett kan deles inn i en håndfull overordnede kategorier. Noen ligner på infrastruktur, mens andre ligner mer på produkter.
Beregning og distribuert opplæring
Undernett med fokus på GPU-beregninger og desentralisert modellopplæring. Det mest fremtredende eksemplet er τemplar (SN3), som trente opp Covenant-72B – som i begynnelsen av 2026 var den største samarbeidsbaserte, forhåndstrente modellen på et hvilket som helst desentralisert nettverk. Chutes (SN64) og Targon (SN4) tilbyr GPU-kapasitet som kan leies for inferens og korte treningsoppgaver.
Grunnleggende modeller og store språkmodeller (LLM-er)
Undernett som trener og leverer åpne språkmodeller for inferens. De konkurrerer på utdatakvalitet og kostnader; validatorer sammenligner svarene med vurderingskriterier. Økonomien fungerer best for mellomstore modeller, der desentralisert levering kan være billigere enn sentraliserte skypriser.
Bilde, lyd og multimodal
Undernett for generative medier: bildegenerering, lydsyntese, tale og i stadig større grad video. Miner kjører diffusjons- eller transformatormodeller; validatorer vurderer resultatene opp mot undernettets kvalitetskriterier.
Prognoser, finans og strukturerte signaler
Undernett som genererer markedsprognoser, sentimentdata, sportsprognoser og strukturerte finansielle signaler. Tydeligere suksessmål (var prognosen riktig?) gjør vurderingen enklere enn for generative oppgaver.
Søk og henting
Undernettverk med fokus på websøk, embeddings og søkeforsterkede systemer – nyttige som mellomvare for AI-applikasjoner som trenger ferske data. Kvaliteten på undernettverkene varierer sterkt. Noen genererer reelle inntekter og har produkt-marked-tilpasning. Andre er i en tidlig fase, spekulative eller nær ved å bli forlatt. dTAO-markedet skal i teorien synliggjøre dette skillet, og til en viss grad gjør det det, men det skaper også mer markante oppgangs- og nedgangssykluser for alfa-tokens.
En ærlig vurdering av Bittensor
Bittensor vekker sterke meninger i begge retninger. Det er tre punkter som det er verdt å ha i bakhodet samtidig.
Hva er virkelig?
Bittensor har en fungerende teknisk plattform, en utslippsplan basert på halvering, en markedsmekanisme (dTAO) for fordeling av belønninger mellom undernettverk, samt betydelig institusjonell støtte – langvarig engasjement fra Polychain Capital og en Grayscale Bittensor Trust (GTAO) med en søknad om konvertering til spot-ETF som for tiden er til behandling hos SEC. Flere undernett leverer i dag brukbare AI-tjenester og genererer reelle inntekter.
Hva er omstridt
Kvaliteten på subnettene varierer voldsomt. Noen er ekte AI-produkter, mens andre er «emission farms» med minimal produksjon. Nettverket har også opplevd alvorlige sikkerhetshendelser: I juli 2024 førte en ondsinnet pakke som ble lastet opp til PyPI til at rundt 8 millioner dollar ble stjålet og at kjeden ble stanset i 10 dager. I mai 2025 satte et ukontrollert batch-call-angrep nettverket i «sikkerhetsmodus» i to dager. Begge hendelsene ble løst, men de inngår i driftshistorikken.
Risiko knyttet til oppsigelse av avtalen og subnettoperatøren
I april 2026 trakk Covenant AI (operatør av Subnet 3 og teamet bak treningsrunden Covenant-72B) seg offentlig ut av nettverket, solgte rundt 37 000 TAO (om lag 10 millioner dollar) og beskyldte Bittensors ledelse for ensidig kontroll.
En av medgrunnleggerne av Bittensor bestred offentlig denne beskrivelsen, og nettverket fortsatte å fungere. Hendelsen utløste et betydelig kursfall og er fortsatt det tydeligste eksemplet på hvordan oppførselen til en subnettoperatør kan påvirke hele nettverket. Bittensor er et av de få kryptoprosjektene som har et fungerende svar på spørsmålet «hvordan ville AI på en blokkjede se ut?». Det er også et av de mest volatile.
Konklusjon
Bittensor er det klareste svaret kryptobransjen har gitt på spørsmålet «hvordan ville AI på en blokkjede se ut» – 128 spesialiserte undernett, en halveringsplan i stil med Bitcoin, reelle inntekter fra enkelte arbeidsbelastninger og betydelig institusjonell finansiering i ryggen. Det er også et av de mest omstridte prosjektene i bransjen, med sikkerhetshendelser, uttrekk fra undernettoperatører og store kvalitetsforskjeller. Enhver seriøs analyse av TAO må ta hensyn til begge disse aspektene samtidig.
