Una nueva ola de innovaciones de IA de Bittensor está surgiendo de las subredes descentralizadas de la red, y el resumen de esta semana muestra hasta qué punto el ecosistema se ha extendido más allá de la minería cripto hacia la genómica, el descubrimiento de fármacos, la previsión de mercados y las ventas empresariales. Entre el 27 de julio y el 2 de agosto de 2026, los equipos que construyen sobre Bittensor publicaron nuevas investigaciones, lanzaron una ejecución de entrenamiento masivo que abarca tres continentes y movieron por primera vez cargas de trabajo empresariales reales a través de infraestructura descentralizada.
Summary
Conclusiones clave
- Minos coescribió un artículo con OpenAI sobre computación científica en la era de la IA agéntica, destacando el motor de GPU HelixForge como estudio de caso central.
- HelixForge se ejecutó 60 veces más rápido que BamSurgeon en un benchmark equivalente y redujo el error de frecuencia de mutación a menos de la mitad.
- Macrocosmos lanzó el entrenamiento de Orion-16B, un modelo de 16 mil millones de parámetros que se ejecuta en IOTA a través de tres continentes con un pool de cómputo que escala hasta 256 GPU.
- Beam completó su primera transferencia descentralizada de subred a subred, moviendo 107 GB entre Cloudflare R2 y Hippius en unos seis minutos.
- Engy ejecutó el modelo Kimi K3 de 2,8 billones de parámetros en 80 GPU RTX 5090 de consumo, sin hardware de centro de datos involucrado.
Investigación innovadora en IA y avances en motores de GPU
Minos ha coescrito un nuevo artículo con OpenAI titulado «Computación científica en la era de la IA agéntica», una colaboración que aporta peso académico a trabajos que ya circulan dentro de las subredes de investigación de Bittensor. El estudio de caso más complejo del artículo se centra en HelixForge, el motor nativo de GPU de Minos, que se utiliza para generar los genomas de evaluación ocultos de SN107 con fines de benchmarking.
En un benchmark equivalente frente a BamSurgeon, una herramienta de genómica ampliamente utilizada, HelixForge se ejecutó 60 veces más rápido de extremo a extremo y redujo el error de frecuencia de mutación a menos de la mitad. Ese tipo de ganancia en velocidad importa porque las cargas de trabajo de simulación genómica son notoriamente lentas y demandantes de cómputo; un enfoque nativo de GPU que reduce al mismo tiempo el tiempo de ejecución y el margen de error sugiere que el modelo de cómputo descentralizado de Bittensor puede competir con, y en algunos casos superar, al software científico establecido. Por qué esto importa: si las cifras de HelixForge se mantienen bajo un escrutinio adicional, posiciona la investigación vinculada a Bittensor como un contribuyente legítimo a la biología computacional, y no solo como una curiosidad adyacente a las criptomonedas.
Entrenamiento de modelos de IA a gran escala en hardware descentralizado
La mayor noticia de infraestructura de la semana es el lanzamiento por parte de Macrocosmos de Orion-16B, una ejecución de entrenamiento en vivo de 16 mil millones de parámetros construida sobre IOTA. A diferencia de una construcción convencional en un centro de datos centralizado, este modelo se está entrenando simultáneamente en tres continentes utilizando una mezcla heterogénea de GPU RTX 4090 y RTX 5090 de consumo.
Entrenamiento de Orion-16B en tres continentes
Lo que distingue a Orion-16B de su predecesor, Orion-100B, es la naturaleza de su pool de cómputo. En lugar de depender de un conjunto fijo y verificado de máquinas, esta ejecución utiliza un pool de colaboradores sin permisos y impredecible, que escala hasta 256 GPU en un momento dado. Esa decisión de diseño es una prueba directa de si los modelos grandes pueden entrenarse de forma fiable cuando el suministro de hardware subyacente es volátil y está abierto a cualquiera que quiera aportar ciclos. Es una desviación significativa de cómo la mayoría de los laboratorios de frontera abordan el entrenamiento, donde el cómputo está controlado de forma centralizada y es predecible.
Engy ejecuta Kimi K3 en GPU de consumo
Por separado, el equipo de Engy logró poner en marcha el modelo completo Kimi K3 de 2,8 billones de parámetros en 80 GPU RTX 5090 de consumo, sin hardware de centro de datos ni redes especializadas involucradas. Engy planea abrir el acceso al modelo a través de su propia plataforma. El logro demuestra que los modelos abiertos de escala de frontera no requieren necesariamente la infraestructura exclusiva y costosa que tradicionalmente ha limitado el acceso a la IA de vanguardia. Eso tiene implicaciones reales para quién puede ejecutar y experimentar con los modelos abiertos más grandes disponibles hoy.
Transferencia de datos descentralizada y expansión de infraestructura
Beam completó esta semana su primera transferencia descentralizada de subred a subred, moviendo 107 GB de datos desde Cloudflare R2 a Hippius en alrededor de seis minutos. Es un hito que suena pequeño pero con un punto de fondo más grande: por primera vez, los datos se movieron entre dos subredes descentralizadas distintas sin depender de un intermediario centralizado que gestionara todo el trayecto.
Túneles de Beam que conectan datos privados y en la nube
La siguiente fase, Beam Tunnels, tiene como objetivo extender esa misma red a fuentes de datos privadas, conectando sistemas on-premise y almacenamiento en la nube directamente a las subredes de Bittensor. En conjunto, la transferencia completada y la próxima función Tunnels empujan a Beam hacia convertirse en una capa de datos programable situada entre la red descentralizada de Bittensor y la infraestructura empresarial que las compañías ya ejecutan. Este tipo de transferencia de datos descentralizada es importante para la adopción porque reduce la fricción para las empresas que quieren aprovechar el cómputo y los modelos de Bittensor sin desmantelar sus configuraciones actuales en la nube o on-premise.
Aplicaciones prácticas de IA y asociaciones en el ecosistema Bittensor
Más allá de los avances en infraestructura y entrenamiento, varias subredes están convirtiendo la investigación en productos desplegables, y ahí es, posiblemente, donde aparece la prueba más tangible del valor de Bittensor.
Candidatos de nanocuerpos de Metanova y Yalotein
Metanova ha comenzado a producir los principales candidatos de nanocuerpos de NOVA en asociación con Yalotein, enviando las moléculas para pruebas de laboratorio. Los candidatos fueron seleccionados a través de la competición de Metanova basada en Bittensor, y el siguiente paso es determinar si estas moléculas diseñadas por computadora realmente funcionan en experimentos físicos reales. Es un punto de control crítico: el diseño computacional puede generar candidatos prometedores rápidamente, pero solo los resultados de laboratorio pueden confirmar si la ciencia se traduce.
Modelo de previsión de Synth, piloto Leadpoet de Dropbox y demostración de traducción de Babelbit
Synth publicó un artículo detallando cómo adaptó el modelo TimesFM 2.5 de Google para la competición de previsión de SN50. En lugar de predecir un único resultado probable, el modelo adaptado traza varios posibles caminos de mercado junto con la incertidumbre asociada a cada uno. Cabe destacar que Synth hizo que el modelo fuera competitivo en SN50 con menos de una hora de entrenamiento en una sola GPU de gaming, lo que sugiere que una adaptación hábil puede importar más que el cómputo bruto en tareas de previsión.
En el lado empresarial, Dropbox y uno de sus socios de ventas de canal están probando Leadpoet, una herramienta diseñada para ayudar a los equipos de ventas a identificar las empresas con mayor probabilidad de convertirse en clientes, de modo que los representantes sepan a quién priorizar. Mientras tanto, Babelbit realizó una comparación en vivo, cara a cara, de su traducción de voz frente a Google sobre la misma emisión de noticias en alemán. En esa demostración, la API de Lenguaje de Babelbit se percibió como más clara y precisa, con menos vacilaciones y frases ininteligibles que su rival.
En conjunto, los desarrollos de esta semana muestran la economía de subredes de Bittensor avanzando simultáneamente en investigación genómica, entrenamiento distribuido de modelos, movimiento de datos empresariales y productos de IA aplicada. El hilo común es el cómputo descentralizado y sin permisos demostrando que puede manejar cargas de trabajo que antes se pensaba que requerían infraestructura centralizada y estrictamente controlada, una afirmación que solo recibirá más escrutinio a medida que estos pilotos y ejecuciones de entrenamiento maduren hacia usos en producción.
Preguntas frecuentes
¿Qué es HelixForge y cómo se desempeña en comparación con motores anteriores?
HelixForge es un motor nativo de GPU creado por Minos que se ejecuta 60 veces más rápido que BamSurgeon en benchmarks equivalentes y reduce el error de frecuencia de mutación a menos de la mitad, lo que lo convierte en un estudio de caso destacado en el reciente artículo coescrito con OpenAI sobre computación científica.
¿Cómo se está entrenando de forma única el modelo de IA Orion-16B?
Orion-16B se entrena en tres continentes utilizando una mezcla heterogénea de GPU RTX 4090 y RTX 5090 de consumo, extrayendo recursos de un pool de cómputo sin permisos que puede escalar hasta 256 GPU, una configuración más impredecible que la ejecución anterior de Orion-100B.
¿Qué avances se han logrado en la transferencia de datos descentralizada dentro del ecosistema Bittensor?
Beam ejecutó con éxito su primera transferencia descentralizada entre subredes, con 107 GB trasladados de Cloudflare R2 a Hippius en unos seis minutos, y ahora se está expandiendo con Beam Tunnels para conectar sistemas privados on-premise y almacenamiento en la nube a las subredes de Bittensor.
¿Qué aplicaciones prácticas están surgiendo de los esfuerzos de IA relacionados con Bittensor?
Las aplicaciones incluyen pruebas de laboratorio en etapas iniciales de candidatos de nanocuerpos de Metanova y Yalotein, el modelo de previsión adaptado de Synth para la predicción de trayectorias de mercado, un piloto de Dropbox de la herramienta de ventas Leadpoet y la demostración en vivo de traducción de voz de Babelbit comparada directamente con Google.
{«@context»:»https://schema.org»,»@type»:»FAQPage»,»mainEntity»:[{«@type»:»Question»,»name»:»¿Qué es HelixForge y cómo se desempeña en comparación con motores anteriores?»,»acceptedAnswer»:{«@type»:»Answer»,»text»:»HelixForge es un motor nativo de GPU creado por Minos que se ejecuta 60 veces más rápido que BamSurgeon en benchmarks equivalentes y reduce el error de frecuencia de mutación a menos de la mitad, lo que lo convierte en un estudio de caso destacado en el reciente artículo coescrito con OpenAI sobre computación científica.»}},{«@type»:»Question»,»name»:»¿Cómo se está entrenando de forma única el modelo de IA Orion-16B?»,»acceptedAnswer»:{«@type»:»Answer»,»text»:»Orion-16B se entrena en tres continentes utilizando una mezcla heterogénea de GPU RTX 4090 y RTX 5090 de consumo, extrayendo recursos de un pool de cómputo sin permisos que puede escalar hasta 256 GPU, una configuración más impredecible que la ejecución anterior de Orion-100B.»}},{«@type»:»Question»,»name»:»¿Qué avances se han logrado en la transferencia de datos descentralizada dentro del ecosistema Bittensor?»,»acceptedAnswer»:{«@type»:»Answer»,»text»:»Beam completó su primera transferencia descentralizada de subred a subred, moviendo 107 GB desde Cloudflare R2 a Hippius en unos seis minutos, y ahora se está expandiendo con Beam Tunnels para conectar sistemas privados on-premise y almacenamiento en la nube a las subredes de Bittensor.»}},{«@type»:»Question»,»name»:»¿Qué aplicaciones prácticas están surgiendo de los esfuerzos de IA relacionados con Bittensor?»,»acceptedAnswer»:{«@type»:»Answer»,»text»:»Las aplicaciones incluyen pruebas de laboratorio en etapas iniciales de candidatos de nanocuerpos de Metanova y Yalotein, el modelo de previsión adaptado de Synth para la predicción de trayectorias de mercado, un piloto de Dropbox de la herramienta de ventas Leadpoet y la demostración en vivo de traducción de voz de Babelbit comparada directamente con Google.»}}]}
Artículo producido con la ayuda de inteligencia artificial y revisado por el equipo editorial.
