表现
RD 熱度指數
RD 增長指數
比較
跟隨更新
跟隨列表
人物
關於covenant
Covenant 是一個去中心化的 AI 訓練框架。其核心業務包括用於提交運算任務的 Templar 客戶端、連接獨立運算提供者的 Basilica 協議，以及去中心化強化學習網路 GRAIL。旗艦成果是 Covenant-72B，一個擁有 720 億參數的模型，該模型由超過 20 個獨立提供者與 70 多位個別貢獻者共同訓練，處理了 1.2 兆個 token。 核心敘事是「主權 AI」——證明前沿規模的訓練不需要集中式資料中心。其關鍵技術優勢在於 SparseLoCo 與 PULSE，它們壓縮梯度更新並只傳輸權重差值，將頻寬需求降低超過 100 倍，使一般家庭網路連線也能進行訓練。 市場痛點有兩個層面。首先，集中式的 AI 實驗室扮演守門員角色，掌控誰能建立與使用前沿模型。其次，現有的去中心化網路常在治理上失敗——少數大型代幣持有者可能主導決策。Covenant 透過開放基礎設施解決第一個問題，並透過其信念機制（BIT-0011）解決第二個問題，該機制讓所有權權重隨時間衰減，除非持續透過鎖定代幣來強化，從而使控制權具有可競爭性並與長期承諾保持一致。 在過去六個月中，重大事件是 Covenant 於 2026 年 4 月 9 日公開退出 Bittensor。創辦人 Sam Dare 稱該網路去中心化是「謊言」，指控共同創辦人 Jacob Steeves 擁有實質控制權，並透過停止發放獎勵、撤銷頻道管理權限及單方面拆除其子網路來懲罰 Covenant。此消息導致 TAO 在兩小時內下跌超過 15%。此後，Covenant 繼續在 Bittensor 之外進行其去中心化 AI 工作，信念機制已在包括 SN3 在內的成熟子網路上逐步推出。在此期間並未宣布重大技術更新。
Covenant（前身為Templar）在Bittensor Subnet 3上啟動了去中心化預訓練，採用SparseLoCo優化器與Gauntlet驗證機制。在迭代1B至8B模型後，完成了Covenant-72B——一項無白名單且動態參與的72B參數運行，吸引超過70位獨立計算貢獻者，並以Apache授權釋出，證明了信任最小化大規模分散式訓練的可行性。 由於治理與代幣權力集中化的爭議，團隊逐步退出Bittensor，最終於2026年4月正式離開，轉而建立自身的主權網絡（如Basilica、Grail等），推動獨立的去中心化AI基礎設施。
過去六個月（2026年3月4日至2026年9月4日），Covenant AI 在去中心化訓練方面取得了重大進展。團隊推出了 Covenant-72B，這是一個擁有 720 億參數的大型語言模型，透過商品級網路連結進行預訓練，允許無需許可的參與，並使用了 SparseLoCo 優化器與 Gauntlet 獎勵機制。這是迄今為止規模最大的去中心化預訓練運行，在效能上與集中式基準相當。然而，Covenant AI 做出重大轉向，宣佈退出 Bittensor 網路，理由是與共同創辦人 Jacob Steeves 存在治理衝突，導致 TAO 代幣價格下跌 15%。展望未來，官方路線圖專注於實現異質運算（例如混合資料中心 GPU 與消費級硬體）、擴大節點參與、提升訓練效率，並大幅增加代幣數量。長期願景包括千億參數級別的去中心化訓練，以及透過礦池或集群彙集小型運算貢獻。
聯合創始人包括Distributed State（Twitter: https://x.com/DistStateAndMe）、0xNero和Samuel Dare。他們的詳細個人簡介並未公開披露。根據現有資料，未識別出其他現任核心高管。