Ağın merkeziyetsiz alt ağlarından yeni bir dalga Bittensor yapay zeka yenilikleri yükseliyor ve bu haftaki özet, ekosistemin kripto madenciliğinin çok ötesine geçerek genomik, ilaç keşfi, piyasa tahmini ve kurumsal satışlara kadar nasıl genişlediğini gösteriyor. 27 Temmuz–2 Ağustos 2026 arasında, Bittensor üzerinde inşa eden ekipler yeni araştırmalar yayımladı, üç kıtaya yayılan dev bir eğitim çalışmasını başlattı ve ilk kez gerçek kurumsal iş yüklerini merkeziyetsiz altyapı üzerinden çalıştırdı.
Summary
Öne çıkanlar
- Minos, ajan temelli yapay zeka çağında bilimsel hesaplama üzerine OpenAI ile ortak bir makale kaleme aldı ve HelixForge GPU motorunu temel bir vaka çalışması olarak öne çıkardı.
- HelixForge, eşleştirilmiş bir kıyaslamada BamSurgeon’dan 60 kat daha hızlı çalıştı ve mutasyon sıklığı hatasını yarıdan fazla azalttı.
- Macrocosmos, üç kıtaya yayılan ve 256 GPU’ya kadar ölçeklenen bir hesap havuzuyla IOTA üzerinde çalışan 16 milyar parametreli bir model olan Orion-16B eğitimini başlattı.
- Beam, yaklaşık altı dakikada Cloudflare R2 ile Hippius arasında 107 GB taşıyarak ilk merkeziyetsiz alt ağdan alt ağa transferini tamamladı.
- Engy, hiçbir veri merkezi donanımı kullanmadan 2,8 trilyon parametreli Kimi K3 modelini 80 adet tüketici sınıfı RTX 5090 GPU üzerinde çalıştırdı.
Yenilikçi Yapay Zeka Araştırmaları ve GPU Motorundaki Gelişmeler
Minos, OpenAI ile birlikte “Ajan temelli yapay zeka çağında bilimsel hesaplama” başlıklı yeni bir makale kaleme aldı; bu iş birliği, halihazırda Bittensor’un araştırma alt ağlarında dolaşan çalışmalara akademik ağırlık kazandırıyor. Makalenin en karmaşık vaka çalışması, Minos’un SN107’nin gizli değerlendirme genomlarını kıyaslama amacıyla üretmek için kullandığı GPU-yerel motoru HelixForge etrafında şekilleniyor.
Genomik alanında yaygın olarak kullanılan bir araç olan BamSurgeon’a karşı yapılan eşleştirilmiş bir kıyaslamada HelixForge, uçtan uca 60 kat daha hızlı çalıştı ve mutasyon sıklığı hatasını yarıdan fazla azalttı. Bu tür bir hız kazanımı önemli, çünkü genomik benzetim iş yükleri ünlü derecede yavaş ve yoğun hesaplama gerektiriyor; hem çalışma süresini hem de hata payını aynı anda düşüren GPU-yerel bir yaklaşım, Bittensor’un merkeziyetsiz hesaplama modelinin yerleşik bilimsel yazılımlarla rekabet edebileceğini, hatta bazı durumlarda onları geride bırakabileceğini gösteriyor. Bunun önemi şu: HelixForge’un rakamları daha ayrıntılı incelemelerde de geçerliliğini korursa, Bittensor bağlantılı araştırmaları yalnızca kriptoya yakın bir merak unsuru olmaktan çıkarıp hesaplamalı biyolojiye meşru bir katkı sağlayan çalışmalar konumuna getirir.
Merkeziyetsiz Donanım Üzerinde Büyük Ölçekli Yapay Zeka Model Eğitimi
Haftanın en büyük altyapı haberi, Macrocosmos’un IOTA üzerinde inşa edilen, canlı 16 milyar parametreli bir eğitim çalışması olan Orion-16B’yi başlatması. Geleneksel, merkezi bir veri merkezi kurulumundan farklı olarak bu model, üç kıtaya yayılmış şekilde, tüketici sınıfı RTX 4090 ve RTX 5090 GPU’larının heterojen bir karışımı üzerinde eşzamanlı olarak eğitiliyor.
Üç Kıtaya Yayılan Orion-16B Eğitimi
Orion-16B’yi selefi Orion-100B’den ayıran şey, hesap havuzunun niteliği. Sabit ve önceden doğrulanmış bir makine kümesine güvenmek yerine bu çalışma, izin gerektirmeyen ve öngörülemeyen bir katkıcı havuzu kullanıyor ve herhangi bir anda 256 GPU’ya kadar ölçeklenebiliyor. Bu tasarım tercihi, temel donanım arzının dalgalı ve katkıda bulunmak isteyen herkese açık olduğu bir ortamda büyük modellerin güvenilir biçimde eğitilip eğitilemeyeceğini doğrudan test ediyor. Bu, hesaplamanın merkezi olarak kontrol edildiği ve öngörülebilir olduğu çoğu sınır laboratuvarının eğitim yaklaşımından anlamlı bir kopuş.
Engy, Kimi K3’ü Tüketici GPU’larında Çalıştırıyor
Bundan ayrı olarak, Engy ekibi, tam 2,8 trilyon parametreli Kimi K3 modelini, hiçbir veri merkezi sınıfı donanım veya özel ağ altyapısı kullanmadan 80 adet tüketici sınıfı RTX 5090 GPU üzerinde çalıştırmayı başardı. Engy, modele kendi platformu üzerinden erişim açmayı planlıyor. Bu başarı, sınır ölçekli açık modellerin, geleneksel olarak en ileri yapay zekaya erişimi kısıtlayan, özel ve pahalı altyapıları zorunlu kılmadığını gösteriyor. Bu durum, bugün mevcut en büyük açık modelleri kimin çalıştırabileceği ve üzerinde deney yapabileceği konusunda gerçek sonuçlar doğuruyor.
Merkeziyetsiz Veri Transferi ve Altyapı Genişlemesi
Beam, bu hafta ilk merkeziyetsiz alt ağdan alt ağa transferini tamamlayarak yaklaşık altı dakikada Cloudflare R2’den Hippius’a 107 GB veri taşıdı. Küçük gibi görünen bu dönüm noktasının arkasında daha büyük bir anlam var: İlk kez, veriler tüm yol boyunca merkezi bir aracıya ihtiyaç duymadan iki ayrı merkeziyetsiz alt ağ arasında taşındı.
Özel ve Bulut Verilerini Birleştiren Beam Tünelleri
Bir sonraki aşama olan Beam Tünelleri, aynı ağı özel veri kaynaklarına genişletmeyi, kurum içi sistemleri ve bulut depolamayı doğrudan Bittensor alt ağlarına bağlamayı hedefliyor. Birlikte ele alındığında, tamamlanan transfer ve yakında çıkacak Tüneller özelliği, Beam’i Bittensor’un merkeziyetsiz ağı ile şirketlerin hâlihazırda çalıştırdığı kurumsal altyapı arasında konumlanan programlanabilir bir veri katmanına doğru itiyor. Bu tür merkeziyetsiz veri transferi, benimseme açısından önemli; çünkü işletmelerin mevcut bulut veya kurum içi kurulumlarını söküp atmadan Bittensor’un hesaplama gücünden ve modellerinden yararlanmak istemeleri durumunda sürtünmeyi azaltıyor.
Bittensor Ekosisteminde Pratik Yapay Zeka Uygulamaları ve Ortaklıklar
Altyapı ve eğitimdeki atılımların ötesinde, birkaç alt ağ araştırmayı kullanılabilir ürünlere dönüştürüyor ve muhtemelen Bittensor’un değerinin en somut kanıtı da burada ortaya çıkıyor.
Metanova ve Yalotein’den Nanogövde Adayları
Metanova, Yalotein ile ortaklık içinde NOVA’nın en iyi nanogövde adaylarını üretmeye başladı ve bu molekülleri laboratuvar testlerine gönderiyor. Adaylar, Metanova’nın Bittensor tabanlı yarışması aracılığıyla seçildi ve bir sonraki adım, bu bilgisayar tasarımı moleküllerin gerçek, fiziksel deneylerde gerçekten işlev görüp görmediğini belirlemek. Bu kritik bir kontrol noktası: hesaplamalı tasarım, umut verici adayları hızla üretebilir, ancak bilimin gerçekte karşılık bulup bulmadığını yalnızca laboratuvar sonuçları doğrulayabilir.
Synth’in Tahmin Modeli, Dropbox’ın Leadpoet Pilot Çalışması ve Babelbit’in Çeviri Demosu
Synth, Google’ın TimesFM 2.5 modelini SN50’nin tahmin yarışması için nasıl uyarladığını ayrıntılandıran bir makale yayımladı. Tek bir olası sonucu tahmin etmek yerine, uyarlanmış model, her birine iliştirilmiş belirsizlikle birlikte birkaç olası piyasa yolunu haritalıyor. Dikkat çekici biçimde, Synth modeli, tek bir oyun GPU’su üzerinde bir saatten kısa sürede eğitimle SN50’de rekabetçi hale getirdi; bu da tahmin görevlerinde ham hesaplama gücünden çok ustaca uyarlamanın daha önemli olabileceğini gösteriyor.
Kurumsal tarafta Dropbox ve kanal satış ortaklarından biri, satış ekiplerinin müşteriye dönüşme olasılığı en yüksek şirketleri belirlemesine yardımcı olmak için tasarlanan Leadpoet adlı aracı pilot olarak deniyor; böylece temsilciler kime öncelik vereceklerini biliyor. Bu sırada Babelbit, aynı Almanca haber bülteni üzerinde kendi konuşma çevirisini Google ile canlı, bire bir karşılaştırdı. Bu demoda Babelbit’in Dil API’si, rakibine kıyasla daha az duraksama ve bozuk ifade ile daha net ve daha doğru bir performans sergiledi.
Birlikte ele alındığında, bu haftaki gelişmeler Bittensor’un alt ağ ekonomisinin aynı anda genomik araştırmalara, dağıtık model eğitimine, kurumsal veri hareketine ve uygulamalı yapay zeka ürünlerine doğru genişlediğini gösteriyor. Ortak payda, merkeziyetsiz ve izinsiz hesaplamanın, bir zamanlar merkezi ve sıkı biçimde kontrol edilen altyapı gerektirdiği düşünülen iş yüklerini kaldırabildiğini kanıtlaması; bu iddia, bu pilot çalışmalar ve eğitim süreçleri üretim kullanımına olgunlaştıkça daha da fazla incelemeye tabi tutulacak.
SSS
HelixForge nedir ve önceki motorlarla karşılaştırıldığında nasıl performans gösterir?
HelixForge, Minos tarafından geliştirilen, eşleştirilmiş kıyaslamalarda BamSurgeon’dan 60 kat daha hızlı çalışan ve mutasyon sıklığı hatasını yarıdan fazla azaltan GPU-yerel bir motordur; bu da onu bilimsel hesaplama üzerine yakın zamanda yayımlanan OpenAI ortak yazarlı makalede öne çıkan bir vaka çalışması haline getiriyor.
Orion-16B yapay zeka modeli benzersiz şekilde nasıl eğitiliyor?
Orion-16B, üç kıtaya yayılmış şekilde, tüketici sınıfı RTX 4090 ve RTX 5090 GPU’larının heterojen bir karışımını kullanarak, 256 GPU’ya kadar ölçeklenebilen izin gerektirmeyen bir hesap havuzundan yararlanarak eğitiliyor; bu da önceki Orion-100B çalışmasına kıyasla daha öngörülemez bir kurulum.
Bittensor ekosistemi içinde merkeziyetsiz veri transferinde ne tür ilerlemeler kaydedildi?
Beam, yaklaşık altı dakikada Cloudflare R2’den Hippius’a 107 GB taşıyarak alt ağlar arasında ilk merkeziyetsiz transferini başarıyla gerçekleştirdi ve şimdi Beam Tünelleri ile özel kurum içi sistemleri ve bulut depolamayı Bittensor alt ağlarına bağlayacak şekilde genişliyor.
Bittensor ile ilişkili yapay zeka çalışmalarından hangi pratik uygulamalar ortaya çıkıyor?
Uygulamalar arasında Metanova ve Yalotein’den nanogövde adaylarının erken aşama laboratuvar testleri, piyasa yolu tahmini için Synth’in uyarlanmış tahmin modeli, Dropbox’ın Leadpoet satış aracının pilot çalışması ve Babelbit’in Google ile doğrudan karşılaştırılan canlı konuşma çeviri demosu yer alıyor.
{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”HelixForge nedir ve önceki motorlarla karşılaştırıldığında nasıl performans gösterir?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”HelixForge, Minos tarafından geliştirilen, eşleştirilmiş kıyaslamalarda BamSurgeon’dan 60 kat daha hızlı çalışan ve mutasyon sıklığı hatasını yarıdan fazla azaltan GPU-yerel bir motordur; bu da onu bilimsel hesaplama üzerine yakın zamanda yayımlanan OpenAI ortak yazarlı makalede öne çıkan bir vaka çalışması haline getiriyor.”}},{“@type”:”Question”,”name”:”Orion-16B yapay zeka modeli benzersiz şekilde nasıl eğitiliyor?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Orion-16B, üç kıtaya yayılmış şekilde, tüketici sınıfı RTX 4090 ve RTX 5090 GPU’larının heterojen bir karışımını kullanarak, 256 GPU’ya kadar ölçeklenebilen izin gerektirmeyen bir hesap havuzundan yararlanarak eğitiliyor; bu da önceki Orion-100B çalışmasına kıyasla daha öngörülemez bir kurulum.”}},{“@type”:”Question”,”name”:”Bittensor ekosistemi içinde merkeziyetsiz veri transferinde ne tür ilerlemeler kaydedildi?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Beam, yaklaşık altı dakikada Cloudflare R2’den Hippius’a 107 GB taşıyarak alt ağlar arasında ilk merkeziyetsiz transferini başarıyla gerçekleştirdi ve şimdi Beam Tünelleri ile özel kurum içi sistemleri ve bulut depolamayı Bittensor alt ağlarına bağlayacak şekilde genişliyor.”}},{“@type”:”Question”,”name”:”Bittensor ile ilişkili yapay zeka çalışmalarından hangi pratik uygulamalar ortaya çıkıyor?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Uygulamalar arasında Metanova ve Yalotein’den nanogövde adaylarının erken aşama laboratuvar testleri, piyasa yolu tahmini için Synth’in uyarlanmış tahmin modeli, Dropbox’ın Leadpoet satış aracının pilot çalışması ve Babelbit’in Google ile doğrudan karşılaştırılan canlı konuşma çeviri demosu yer alıyor.”}}]}
Bu makale, yapay zekâ desteğiyle hazırlanmış ve editör ekibi tarafından gözden geçirilmiştir.
