TAOのディープシークモーメント：テンプル騎士団の台頭（SN3）

DeepSeek-R1モデルは2025年2月3日にローンチされ、低コストで高性能な閉鎖型モデルと競合し、世界的な注目を集めました。
Templar（SN3）は2026年3月10日にCovenant-72Bのトレーニングを完了し、72億パラメータを持つ最大の分散型LLM事前トレーニングで、Llama-2-70Bに匹敵する性能です。
SparseLoCoアルゴリズムは勾配の圧縮と低頻度同期によりネットワークのボトルネックを克服し、通常のネットワークで大規模モデルのトレーニングを可能にしました。
AnthropicやJason Calacanisなどの業界からの認識、TAOへの機関投資、Templarトークンの大幅な価格上昇。
Templarは分散型AIの生産性を証明し、評価ロジックをプロダクト主導にシフトさせ、Bittensorエコシステムの新たな可能性を開きます。
現在のMC=75mで将来性が大きく、分散型AIにおける重要な突破口として暗号通貨業界に自信をもたらしました。

著者: CJ_Blockchain

2025年2月3日、DeepSeek-R1と呼ばれるモデルが、国立スーパーコンピューティングインターネットプラットフォーム上でひっそりと稼働を開始した。

翌月、その性能がトップクラスのクローズドソースモデルと直接比較可能であり、トレーニングコストが「非常に安価」であることから、世界中で爆発的な人気を博した。

これがきっかけとなり、米国のAI関連株は急落し、中国のAI業界における「ディープシーク」時代が到来した。

2026年3月10日、BittensorのSubnet 3 Templarは、史上最大規模の分散型大規模言語モデル（LLM）の事前学習実行であるCovenant-72Bの完了を発表した。

これは、史上最大規模の分散型大規模言語モデルの事前学習実行例です。

約1兆1000億個のトークンからなるデータセットに72億個のパラメータを持ち、Bittensor Subnet 3ネットワークを通じて完全に実装されているため、パーミッションレスであり、70以上の独立したノードが自由に参画できる。

Bittensorは、独自のDeepSeekのような瞬間を切り開いた。

I. テンプラー（SN3）：データ収集からコアトレーニングへのパラダイムシフト

Templarの前身は、Omega Labsが運営するSN3であり、当初はマルチモーダルデータの収集とマイニングに重点を置いていた。Bittensorメカニズムの進化に伴い、このサブネットは「データ転送装置」から「モデル構築装置」へと戦略的な飛躍を遂げた。

Templarは現在、大規模モデルの事前学習のためのグローバル分散型インフラストラクチャとして位置づけられています。インセンティブメカニズムを通じて世界中の多様な計算能力を集約することで、大規模モデル学習における極めて高い計算コストと中央集権的な検閲の問題を解決することを目指しています。Covenant-72Bの成功裏の運用は、この分散型運用モデルの成熟度を証明するものです。

II. 協定72B：分散型トレーニングの規模の限界を打破する

Covenant-72BはTemplarの画期的な成果であり、現在、分散型ネットワークにおける最大規模の高密度アーキテクチャの事前学習済みモデルです。

主な特徴：720億個のパラメータを持ち、高性能なDCLMコーパスに基づいて事前学習されています。
性能ベンチマーク：基本モデルの評価では、その性能はMeta社のLlama-2-70Bとほぼ同等です。
命令の最適化：微調整後、Covenant-72B-ChatはIFEval（命令準拠）とMATH（数学的推論）の分野で高い競争力を示し、特定の指標では同規模のクローズドソースモデルを凌駕することさえあります。
推論効率：このモデルは450トークン/秒という非常に高いスループットを実現し、実用的なアプリケーションにおける大規模モデルの応答遅延という課題を解決します。

III. SparseLoCoアルゴリズム：分散型トレーニングの基盤となるエンジン

一般的なインターネット環境で72ビットモデルをトレーニングする際、最大の課題はノード間の通信帯域幅のボトルネックです。Templarは、独自のコアアルゴリズムであるSparseLoCoを採用することで、この課題を克服し、大きなブレークスルーを達成しました。

極限圧縮：このアルゴリズムは、コア勾配成分の1～3％のみを送信用に選択し、データを2ビットに量子化することで、ネットワーク帯域幅の要求を大幅に削減します。
低周波同期：従来のクラスタの段階的な同期とは異なり、SparseLoCoでは、ノードがグローバル同期を実行する前に、ローカルで15～250ステップの反復処理を行うことができます。
誤差補償：局所勾配蓄積メカニズムにより、97%以上の情報が失われた場合でも、モデルの収束精度は損なわれません。

この技術的アプローチは、InfiniBandのような高価な専用回線クラスタがなくても、グローバルに分散された通常のネットワークを使用して最高レベルのインテリジェンスを生み出すことができることを証明している。

IV．業界評価と市場の反応

テンプラー社の技術的成果は、主流のAIコミュニティと資本市場の注目を集めている。

権威ある評価：

Anthropicの共同創設者であるジャック・クラークは、分析レポートの中で、Templarを世界最大の活動的な分散型トレーニングネットワークと位置づけ、その成長率が業界の予想を上回っていると指摘した。

ジェイソン・カラカニス氏（All-In Podcastのホストであり、シリコンバレーで著名な投資家）は最近、自身のブログでBittensorの仕組みについて詳細な説明を行い、同社株の購入を示唆した。

組織構造：

グレースケールはTAOへの投資比率を継続的に引き上げており、TAOは分散型AI分野における主要な保有銘柄となっている。

DCGは、分散型AIに対するDCGの最大かつ最も直接的な投資と位置づけられるBittensor（TAO）エコシステムの開発加速に特化したYumaを設立した。

市場実績：

$TAO ：テンプラーが720億ドル規模の大規模モデルトレーニングの完了を発表した後、TAOは30％以上急騰し、BTCの変動の激しい市場の中で絶対的な強さを示した。

$Templar (SN-3): 主人公であるTemplarは、7日間で75%急騰し、現在Bittensorの排出量獲得ランキングでトップに躍り出ました。現在の時価総額はわずか7000万ドルです。

V. サブネット投資の可能性とエコシステムの上限

Templarの成功は、Bittensorのエコシステムに全く新しい可能性を切り開いた。

価値の限界を突破する：長らく、Bittensorは単なる「空虚なインセンティブ」だと疑問視されてきた。Templarは、このプロトコルが商業的に競争力のある生産性向上ツールを生み出すことができることを証明し、TAOの評価ロジックを「物語主導型」から「製品主導型」へと転換させた。
異種コンピューティング能力の可能性：「異種SparseLoCo」の開発により、将来のコンシューマー向けグラフィックカード（RTX 4090など）は、数百億個のパラメータを持つモデルのトレーニングに直接参加できるようになり、コンピューティング能力リソースの均等化が実現します。
サブネットにおける確実な機会：dTAOメカニズムの下では、強力な技術的障壁を持ち、高性能モデルを継続的に生成できるテンプラーのようなサブネットは、非常に高い長期的な割り当て価値を持つトークンを持っています。

テンプル騎士団の現在のMC=75m、FDV=350m

現在、主要な大規模モデル企業の評価額は以下のとおりです。OpenAIは8400億ドル、Anthropicは3500億ドル、Minimaxは450億ドルです。

Templarをこれらの企業と直接比較できるとは言えませんが、情報発信が乏しく、注目度が薄れ、分散化への信頼が失われつつある現状において、Templarの出現は間違いなく分散型AIに活力を与えたと言えるでしょう。

結論

Templarは、分散型環境がデータを保存するだけでなく、知能を生み出すこともできることを実証しました。Covenant-72Bはその始まりに過ぎません。SN3（事前学習）、SN39（計算能力）、SN81（強化学習）の垂直統合により、ブロックチェーン上で動作する分散型OpenAIのプロトタイプが誕生しました。

暗号資産業界は、その黎明期から数々の定説を覆してきた。かつて人気を博した分散型ストレージ、分散型コンピューティング能力、分散型コンピュータといった概念は、いずれも誤りであることが証明されたかに見えた。しかしながら、分散化の道を着実に歩み続け、成果を上げているプロジェクトが今もなお存在することは、喜ばしいことである。

Templarの成功は、BittensorにとってのDeepSeekのような瞬間であるだけでなく、CryptoにとってもDeepSeekのような瞬間となる可能性がある。