Nel settembre 2026 quasi tutti guardano lo stesso numero: il prezzo di TAO, il token di Bittensor, che oscilla intorno ai 203 euro (circa 235 dollari) dopo mesi di rally alimentato dalle speranze su un ETF spot americano, secondo i dati di CoinGecko<\/a>. Con una capitalizzazione vicina ai 2,3 miliardi di euro, il numero 39 tra tutte le cripto-attivit\u00e0, e un tetto massimo di 21 milioni di unit\u00e0 in stile Bitcoin, Bittensor \u00e8 tornata a essere una delle scommesse pi\u00f9 discusse del settore che i mercati chiamano AI crypto.<\/p> Ma il prezzo racconta la storia sbagliata, o almeno una storia parziale. La domanda che decide il futuro di Bittensor non \u00e8 quanto vale TAO oggi: \u00e8 se una rete di computer sparsi per il mondo, senza un data center centrale, possa davvero fare la cosa pi\u00f9 difficile dell’intelligenza artificiale moderna, cio\u00e8 addestrare da zero grandi modelli. Far girare un modello gi\u00e0 pronto (l’inferenza) \u00e8 relativamente semplice, e Bittensor lo fa da tempo. Addestrarne uno nuovo \u00e8 tutt’altra impresa.<\/p> Questo articolo mette da parte il grafico e affronta la parte tecnica: che cos’\u00e8 Bittensor, perch\u00e9 l’addestramento distribuito \u00e8 un problema quasi impossibile, quali modelli la rete ha davvero prodotto nel 2026 (Covenant-72B e Orion-100B), come vengono pagati e verificati i partecipanti, e fin dove questa scommessa pu\u00f2 realisticamente arrivare. Con, alla fine, il conto vero di quanto costa l’hardware di consumo che gli slogan amano citare, e uno sguardo alle regole italiane.<\/p> Bittensor \u00e8 una rete decentralizzata che prova a trasformare la produzione di intelligenza artificiale in un mercato aperto. Al posto di un’unica azienda che possiede i server, addestra i modelli e vende l’accesso, il protocollo coordina migliaia di partecipanti anonimi che competono per fornire un servizio (inferenza, addestramento, dati, previsioni) e vengono ricompensati in proporzione alla qualit\u00e0 del loro contributo.<\/p> L’idea non \u00e8 nuova. Bittensor nasce da una domanda semplice: se sia possibile costruire un mercato in cui l’intelligenza artificiale venga prodotta e prezzata come una materia prima, senza che una sola azienda faccia da gatekeeper. La promessa che ha attirato sviluppatori, miner e capitali \u00e8 proprio questa, che nessuna singola entit\u00e0 controlli la rete. Tenetela a mente, perch\u00e9 ci torneremo.<\/p> La rete \u00e8 organizzata in subnet, mercati specializzati e indipendenti: uno per l’inferenza dei modelli linguistici, uno per il fine-tuning, uno per l’estrazione di dati, uno per l’addestramento distribuito, e cos\u00ec via. A settembre 2026 i subnet attivi sono 128, con un tetto che il protocollo sta alzando verso quota 256. Dentro ogni subnet ci sono due ruoli principali: i miner, che eseguono il lavoro (per esempio addestrano una porzione di modello), e i validatori, che misurano e votano la qualit\u00e0 di quel lavoro.<\/p> Qualche esempio rende l’idea pi\u00f9 concreta: ci sono subnet che vendono inferenza di modelli linguistici, altri che estraggono e ripuliscono dati, altri ancora specializzati in previsioni finanziarie, in generazione di immagini o, appunto, nell’addestramento di modelli da zero. Ognuno \u00e8 un piccolo mercato con le sue regole di valutazione, e il protocollo li mette in competizione per le stesse emissioni: chi convince i validatori di valere di pi\u00f9, incassa di pi\u00f9.<\/p> Il collante economico \u00e8 TAO, il token nativo, e l’organizzazione di riferimento \u00e8 la Opentensor Foundation, che ha creato il protocollo. I fondatori, Jacob Steeves (noto come Const) e Ala Shaabana, hanno lasciato i ruoli esecutivi a febbraio 2026 restando come contributori: un dettaglio che, come vedremo, \u00e8 finito al centro di una battaglia molto aspra sulla governance.<\/p> Per capire la posta in gioco serve una distinzione che il marketing tende a sfumare: inferenza e addestramento sono due problemi profondamente diversi dal punto di vista dell’ingegneria di rete.<\/p> L’inferenza \u00e8, in sostanza, senza stato. Una richiesta arriva, un modello gi\u00e0 addestrato produce una risposta, la richiesta successiva \u00e8 indipendente dalla precedente. Si pu\u00f2 spezzare il traffico su mille macchine sparse per il pianeta senza che parlino tra loro: \u00e8 un problema imbarazzantemente parallelo, ideale per una rete decentralizzata. Non a caso i subnet di inferenza di Bittensor, come Chutes, sono tra i pi\u00f9 attivi e con pi\u00f9 ricavi reali.<\/p> L’addestramento \u00e8 l’opposto. Addestrare un grande modello significa calcolare, a ogni passo, come modificare miliardi di parametri, e poi sincronizzare quelle modifiche (i gradienti) tra tutte le GPU che partecipano, prima di fare il passo successivo. In un data center le schede sono collegate da interconnessioni come NVLink e InfiniBand che spostano centinaia di gigabyte al secondo. Su Internet, tra una casa in Italia e un box in Corea, la banda in upload \u00e8 di pochi megabit e la latenza \u00e8 alta. \u00c8 il muro della banda: il momento in cui i computer smettono di calcolare e restano fermi ad aspettarsi a vicenda.<\/p> Un’analogia aiuta. L’inferenza distribuita \u00e8 come un call center: ogni operatore gestisce una chiamata per conto suo, e si possono aggiungere sedi ovunque senza coordinamento. L’addestramento \u00e8 come un’orchestra in cui ogni musicista deve restare a tempo con tutti gli altri a ogni battuta: basta che la linea tra due leggii sia lenta perch\u00e9 l’intera esecuzione rallenti. Su Internet, quella linea \u00e8 quasi sempre lenta.<\/p> Quanto \u00e8 alto quel muro? Jaime Sevilla, amministratore delegato di Epoch AI<\/a>, ha stimato che, con una tipica connessione domestica da 60 Mbps in upload e i metodi ingenui di parallelismo dei dati, addestrare un modello della scala di DeepSeek-v3 richiederebbe circa 5.000 anni. \u00c8 questo l’ostacolo che l’addestramento distribuito deve battere per avere senso.<\/p> La buona notizia, per Bittensor e per chiunque tenti la stessa strada, \u00e8 che quel muro non \u00e8 di cemento armato. Negli ultimi due anni un filone di ricerca ha mostrato che gran parte della comunicazione tra GPU durante l’addestramento \u00e8 ridondante, e quindi comprimibile.<\/p> DeMo \u00e8 descritto in un paper su arXiv<\/a> che ne quantifica il risparmio. Messi insieme, questi trucchi trasformano un problema da 5.000 anni in qualcosa che, almeno sulla carta, si misura in mesi. Resta la domanda che conta: funziona davvero su scala reale?<\/p> La risposta pi\u00f9 concreta arrivata nel 2026 si chiama Covenant-72B. \u00c8 un modello linguistico da circa 72 miliardi di parametri, addestrato interamente sul subnet Templar (SN3) di Bittensor da un insieme di partecipanti anonimi coordinati dal team di Covenant AI, che comprendeva anche ricercatori legati al Mila di Montr\u00e9al. Il training \u00e8 durato circa sei mesi, dal 12 settembre 2025 al 10 marzo 2026, su circa 1,09 trilioni di token di testo web pi\u00f9 una fase finale di rifinitura, con una media di quasi 17 peer collegati per round e picchi oltre i 24, secondo la ricostruzione di ownyourmind<\/a>.<\/p> Il dato che ha fatto notizia \u00e8 il punteggio: Covenant-72B ha ottenuto 67,1 sul benchmark MMLU, sopra il 65,6 di LLaMA-2-70B, un modello di taglia comparabile addestrato in modo tradizionale da Meta. Non \u00e8 un risultato da frontiera (i modelli di punta del 2026 sono molto pi\u00f9 avanti), ma \u00e8 la prima volta che un modello di questa scala, costruito da estranei coordinati da un protocollo e non da un’unica azienda dentro un data center, regge il confronto con un riferimento consolidato. La combinazione DeMo pi\u00f9 SparseLoCo ha tenuto l’urto della banda per sei mesi di fila.<\/p> MMLU, per chi non mastica benchmark, \u00e8 un test a scelta multipla su decine di materie, dalla storia alla medicina, usato come misura grezza della conoscenza generale di un modello. Battere LLaMA-2-70B non vuol dire aver raggiunto i modelli commerciali di oggi, che su quel test viaggiano molto pi\u00f9 in alto, ma dimostra che il metodo distribuito non degrada in modo catastrofico la qualit\u00e0: il modello che esce dalla rete \u00e8 utilizzabile, non un giocattolo da laboratorio.<\/p> \u00c8 la dimostrazione che l’addestramento distribuito su Internet non \u00e8 fantascienza. Ma, come vedremo tra poco, la taglia delle GPU necessarie racconta anche un’altra storia, meno romantica.<\/p> Per il resto del settore il segnale \u00e8 comunque arrivato forte: se un collettivo pu\u00f2 addestrare un modello competitivo senza affittare un data center, il monopolio di fatto dei grandi laboratori sull’addestramento non \u00e8 pi\u00f9 una legge di natura. \u00c8 la stessa scommessa che muove i progetti open-source sui pesi dei modelli, con una differenza sostanziale, cio\u00e8 un token che finanzia il calcolo e, insieme, invita la speculazione.<\/p> Se Covenant-72B ha alzato l’asticella, Orion-100B ha provato a superarla. \u00c8 il modello da 100 miliardi di parametri annunciato intorno al 2 giugno 2026 da Macrocosmos, il team che gestisce il subnet SN9 di Bittensor con un’architettura chiamata IOTA (Incentivised Orchestrated Training Architecture). L’approccio \u00e8 diverso da quello di Templar: invece di far girare a ogni miner una copia dell’intero modello, IOTA usa il parallelismo di pipeline, spezzando il modello in sezioni affidate a nodi diversi, come una catena di montaggio.<\/p> Nel caso di Orion, secondo il resoconto di Macrocosmos<\/a>, il modello \u00e8 distribuito su 16 stadi di pipeline replicati tre volte, su GPU A100 sparse in rete, con un’efficienza di utilizzo dei FLOP (MFU) sopra il 30% e una velocit\u00e0 pari a circa il 65% di quella che si otterrebbe dentro un data center. Il trucco chiave \u00e8 la compressione delle attivazioni scambiate tra gli stadi, ridotte da 140 megabyte a 2,2 con una tecnica battezzata ResBM. Il team \u00e8 arrivato a 100 miliardi di parametri dopo un testbed pi\u00f9 piccolo e oltre 700 esperimenti, comprimendo il salto finale in circa un mese.<\/p> La scelta della pipeline non \u00e8 un dettaglio. Nel parallelismo dei dati ogni nodo tiene una copia intera del modello e serve una banda enorme per sincronizzare i gradienti; nella pipeline ogni nodo tiene solo una fetta del modello e scambia con i vicini le attivazioni, molto pi\u00f9 leggere una volta compresse. \u00c8 uno dei motivi per cui IOTA riesce a spingersi fino a 100 miliardi di parametri l\u00e0 dove l’approccio a repliche complete si ferma prima.<\/p> Il 65% dell’efficienza di un data center, su hardware sparso e connesso via Internet, \u00e8 un numero notevole. Ma anche qui conviene leggere le note a pi\u00e8 di pagina: le A100 non sono schede da videogioco.<\/p> Il 2026 ha prodotto una manciata di modelli addestrati (in tutto o in parte) senza un data center centrale, dentro e fuori Bittensor. Metterli in fila aiuta a capire a che punto siamo davvero, e a non confondere un prototipo con un prodotto.<\/p>Che cos’\u00e8 Bittensor, in breve<\/h2>
Perch\u00e9 l’inferenza \u00e8 facile e l’addestramento \u00e8 difficile<\/h2>
Il muro della banda e i trucchi per aggirarlo<\/h2>
Covenant-72B: la prova che qualcosa si pu\u00f2 fare<\/h2>
Orion-100B: la scommessa di Macrocosmos<\/h2>
I modelli addestrati fuori dai data center<\/h2>