Sessanta volte più veloce. Questo è il numero che sta circolando questa settimana nell’ecosistema Bittensor, dopo la pubblicazione di un nuovo paper firmato da Minos insieme a OpenAI. Tra il 27 luglio e il 2 agosto 2026 le innovazioni AI di Bittensor hanno toccato quasi ogni fronte tecnico: motori di calcolo genomico, addestramento di modelli linguistici su GPU consumer, trasferimenti dati decentralizzati e persino candidati farmaceutici pronti per il test di laboratorio.
Summary
Punti chiave
- Minos ha co-firmato con OpenAI un paper sull’informatica scientifica nell’era dell’AI agentica, presentando il motore HelixForge.
- HelixForge corre 60 volte più veloce di BamSurgeon e riduce di oltre la metà l’errore sulla frequenza delle mutazioni.
- Macrocosmos ha lanciato Orion-16B, addestramento da 16 miliardi di parametri su IOTA distribuito su tre continenti.
- Beam ha completato il primo trasferimento decentralizzato subnet-to-subnet, spostando 107 GB in circa sei minuti.
- Engy ha fatto girare il modello Kimi K3 da 2,8 trilioni di parametri su 80 GPU consumer RTX 5090, senza data center dedicati.
Le innovazioni AI di Bittensor partono dal motore GPU HelixForge
Il paper co-firmato da Minos e OpenAI, intitolato “Scientific computing in the age of agentic AI”, mette al centro HelixForge, il motore GPU-native di Minos che genera i genomi di valutazione nascosti della subnet SN107. È il caso di studio più complesso descritto nel documento, e i numeri lo confermano: su un benchmark comparabile, HelixForge ha girato 60 volte più velocemente di BamSurgeon, dall’inizio alla fine del processo, riducendo al tempo stesso l’errore sulla frequenza delle mutazioni di oltre la metà. Per un settore come il calcolo genomico, dove la precisione condiziona direttamente l’affidabilità delle analisi cliniche, un guadagno di questa portata segnala che l’infrastruttura decentralizzata di Bittensor può competere con strumenti consolidati, e non solo affiancarli.
Addestramento di modelli AI su hardware distribuito: Orion-16B e Kimi K3
Macrocosmos ha lanciato Orion-16B, un addestramento live di un modello da 16 miliardi di parametri condotto su IOTA. La particolarità non è solo la scala, ma la geografia: il modello si allena su tre continenti, utilizzando un mix eterogeneo di GPU RTX 4090 e RTX 5090. A differenza del precedente Orion-100B, questa run si affida a un pool di calcolo più permissionless e imprevedibile, capace di scalare fino a 256 GPU. È un esperimento che testa quanto lontano possa arrivare l’addestramento di modelli AI su hardware distribuito quando le regole di accesso al calcolo si allentano.
Sul fronte dei modelli di grandi dimensioni, Engy ha portato online l’intero modello Kimi K3, da 2,8 trilioni di parametri, facendolo girare su 80 GPU consumer RTX 5090, senza alcuna GPU da data center né reti specializzate. Il team ha in programma di aprire l’accesso alla piattaforma. La dimostrazione conta perché ribalta un’assunzione diffusa: i modelli frontiera più grandi non richiedono necessariamente l’infrastruttura riservata ai grandi cloud provider, ma possono girare su hardware ampiamente disponibile.
Trasferimento dati decentralizzato e ampliamento infrastrutturale con Beam
Beam ha completato il suo primo trasferimento decentralizzato subnet-to-subnet, spostando 107 GB da Cloudflare R2 a Hippius in circa sei minuti. È il primo test concreto di un trasferimento dati decentralizzato tra infrastrutture diverse all’interno dell’ecosistema. Il passo successivo si chiama Beam Tunnels: un’estensione della stessa rete verso i dati privati, capace di collegare sistemi on-premise, storage cloud e le subnet di Bittensor. Insieme, le due novità spingono Beam verso un ruolo di livello dati programmabile tra Bittensor e le infrastrutture aziendali già esistenti, un tassello che potrebbe facilitare l’adozione da parte di imprese abituate a sistemi centralizzati.
Applicazioni pratiche: nanobody, previsioni di mercato, lead di vendita e traduzione
Al di là dell’infrastruttura, la settimana ha portato applicazioni concrete tra le applicazioni AI Bittensor già in fase di test. Metanova, in collaborazione con Yalotein, ha iniziato a produrre i migliori candidati nanobody individuati da NOVA attraverso la competizione su Bittensor, destinandoli ai test di laboratorio. Il prossimo passo sarà verificare se queste molecole progettate al computer funzionino davvero negli esperimenti reali.
Synth ha pubblicato un nuovo paper che descrive come ha adattato il modello TimesFM 2.5 di Google per la competizione di previsione della subnet SN50. Invece di prevedere un singolo scenario futuro, il modello adattato mappa più percorsi di mercato possibili insieme al relativo grado di incertezza. Con meno di un’ora di calcolo su una GPU da gaming, Synth ha reso un modello pubblico competitivo su SN50, dimostrando che la competenza tecnica pesa più della potenza di calcolo grezza.
Sul fronte commerciale, Dropbox e uno dei suoi partner di canale stanno testando Leadpoet con i rispettivi team di vendita, per identificare più rapidamente le aziende più propense a diventare clienti. Infine Babelbit ha messo a confronto la propria traduzione vocale in tempo reale con quella di Google, sullo stesso notiziario in tedesco: nella demo, la Language API di Babelbit è apparsa più chiara e precisa, con meno esitazioni e frasi confuse rispetto al concorrente.
FAQ
Cos’è HelixForge e come si comporta rispetto ai motori precedenti?
HelixForge è il motore GPU-native di Minos che gira 60 volte più velocemente di BamSurgeon e riduce di oltre la metà l’errore sulla frequenza delle mutazioni.
In che modo viene addestrato in modo unico il modello Orion-16B?
Orion-16B si allena su tre continenti usando un mix eterogeneo di GPU consumer RTX 4090 e RTX 5090, all’interno di un pool di calcolo permissionless capace di scalare fino a 256 GPU.
Quali progressi sono stati fatti nel trasferimento dati decentralizzato nell’ecosistema Bittensor?
Beam ha completato il primo trasferimento decentralizzato subnet-to-subnet, spostando 107 GB da Cloudflare R2 a Hippius in circa sei minuti, e si sta espandendo per collegare dati privati e cloud tramite Beam Tunnels.
Quali applicazioni pratiche stanno emergendo dagli sforzi legati a Bittensor?
Tra le applicazioni ci sono i test preliminari di laboratorio sui candidati nanobody (Metanova e Yalotein), la previsione dei mercati (Synth), i test pilota per l’identificazione di lead di vendita (Dropbox con Leadpoet) e il miglioramento della traduzione vocale in tempo reale (Babelbit).
Contenuto realizzato con l’assistenza dell’intelligenza artificiale e con revisione editoriale umana.
