Score

Score是一個基於Bittensor子網44構建的去中心化電腦視覺平台。其核心業務是透過開放的市場，將原始影片轉換為結構化、可操作的數據，在這個市場中，礦工們競相建立小型的專業視覺技能（小於30MB），並在邊緣設備上運行。該平台的核心敘事圍繞著「可編程視覺」：與其訓練一個巨型模型，不如將「偵測人物」或「追蹤球」這類經過基準測試的微型技能組合成自訂管線。 Score主要解決的痛點是傳統影片分析的高成本與低效率，這類分析高度依賴人工標註。Score的Turbo Vision系統利用視覺語言模型自動生成偽真值標籤，將標註成本降低10到100倍。另一個問題是通用模型過於龐大且速度緩慢，無法在邊緣即時部署；Score的專業技能在效率上比前沿替代方案高出約400倍，同時保持相同準確度。 在過去六個月（2026年3月至9月），Score推出了Satori 1.0，這是一個從前沿模型蒸餾而來、可在攝影機上運行的20億參數視覺語言模型。它還將Manako作為公開平台開放，提供SDK存取，讓開發者能透過簡單的API部署可組合的視覺管線。商業部署擴展至加油站（AVIA）、農業（Two-a-Day）以及車輛清洗設施（Lavance）。Score Studio計劃於9月16日上線，將作為訓練、評估和部署模型的前端工具。 一個值得注意的負面事件：2025年初，一起涉及乘客死亡的郵輪事件引發了對AI視覺系統在安全關鍵場景中可靠性的質疑。Score將此歸因於系統架構問題，而非調整問題，認為具備可驗證性能證書的專業技能才是正確的做法——但該事件凸顯了在生命安全保障決策中依賴自動化感知的固有風險。