分散型AIプロジェクトが、暗号通貨コミュニティが証拠をしっかりと確認することを、痛いほど学んだ。Bittensorネットワーク上のSubnet 24として活動するQuasarは、1200億パラメータで500万トークンのコンテキストウィンドウを持つ画期的なモデルをリリースしたが、数時間以内に独立した研究者たちが、その重みの約96～98％がAnt Groupの既存モデルとほぼ同一であることを発見した。
影響は即座に現れた。SN24アルファトークンは1つの取引セッションで約70〜75%下落した。
モデルと不一致
SILX AIが主導するQuasarは、この瞬間のために数ヶ月間準備を進めてきました。同プロジェクトは2026年4月に、合計約200億パラメータを有するQuasar-PreviewとQuasar-3Bをリリースしました。これらは、Bittensorネットワーク上で完全に分散型手法でトレーニングされる、より大規模なモデルへのステップとして位置づけられました。
120Bリリースは報酬として期待されていた。SILX AIは、このモデルを分散学習の勝利と位置づけ、「ループトランスフォーマー」や「エングラムメモリー」などの約束されたアーキテクチャ革新を備えていると宣伝した。これらの機能は、極めて長いコンテキストを処理する際に標準的なトランスフォーマーアーキテクチャが抱えるメモリと一貫性の問題を解決することを目的としていた。
独立の分析者が実際のモデル重みを調査したところ、その新規アーキテクチャ特徴はほとんど見られなかった。代わりに、分析では、重みの96％から98％という圧倒的多数が、蚂蚁グループのLing-mini-base-2.0モデルと密接に一致していることが明らかになった。
これがBittensorのエコシステムにとって重要な理由
Bittensorは、ほとんどの暗号プロジェクトとは根本的に異なる前提に基づいて動作します。そのネットワークは、競争的なマイニングと検証を通じて分散型マシンインテリジェンスを奨励し、異なるサブネットが異なるAIタスクに焦点を当てています。サブネット24の焦点は、大量の文書を処理し、論理的に推論しても主題を失わないようなロングコンテキスト基礎モデルの開発にあります。
SILX AIは、Quasarの将来について、合計10兆トークンのトレーニングを目標とする野心的なビジョンを提示し、分散型トレーニング手法が従来の集中型アプローチと比較して99.5％のコスト削減を実現できると主張しています。
トークンの暴落と投資家の影響
市場は説明を待たなかった。SN24アルファトークンが1セッションで70〜75%下落したのは、モデルアーキテクチャの議論ではなく、不正行為の疑いやプロトコルの脆弱性が伴うような下落である。
アーキテクチャ上で約束されたLoop TransformerやEngramメモリと、実際にモデルの重みとして提供されたものとの間の差は、マーケティングだけでは埋めることができないほど広い。