네트워크의 탈중앙화 서브넷에서 Bittensor AI 혁신의 새로운 물결이 나오고 있으며, 이번 주 라운드업은 생태계가 암호화폐 채굴을 넘어 유전체학, 신약 개발, 시장 예측, 엔터프라이즈 세일즈까지 얼마나 확장되었는지를 보여준다. 2026년 7월 27일부터 8월 2일까지 Bittensor 위에서 빌드하는 팀들은 새로운 연구를 발표하고, 세 개 대륙에 걸친 대규모 학습 런을 시작했으며, 처음으로 실제 엔터프라이즈 워크로드를 탈중앙화 인프라를 통해 처리했다.
Summary
핵심 요약
- Minos는 에이전트형 AI 시대의 과학 계산을 주제로 OpenAI와 공동 논문을 발표하며, 핵심 사례 연구로 HelixForge GPU 엔진을 조명했다.
- HelixForge는 동일 벤치마크에서 BamSurgeon보다 60배 빠르게 동작했고, 돌연변이 빈도 오류를 절반 이상 줄였다.
- Macrocosmos는 세 개 대륙에 걸쳐 IOTA 위에서 구동되는 160억 파라미터 모델인 Orion-16B 학습을 시작했으며, 최대 256개의 GPU로 확장 가능한 컴퓨트 풀을 사용한다.
- Beam은 첫 탈중앙화 서브넷 간 전송을 완료하여, 약 6분 만에 Cloudflare R2와 Hippius 사이에 107GB를 이동시켰다.
- Engy는 데이터센터 하드웨어 없이, 80개의 소비자용 RTX 5090 GPU만으로 2.8조 파라미터 Kimi K3 모델을 구동했다.
혁신적인 AI 연구와 GPU 엔진 발전
Minos는 OpenAI와 함께 “에이전트형 AI 시대의 과학 계산“이라는 새로운 논문을 공동 집필했으며, 이는 이미 Bittensor 연구 서브넷 내에서 공유되고 있는 작업에 학문적 무게를 더해준다. 논문에서 가장 복잡한 사례 연구는 Minos의 GPU 네이티브 엔진인 HelixForge를 중심으로 하며, 이는 벤치마킹을 위해 SN107의 숨겨진 평가 유전체를 생성하는 데 사용된다.
널리 사용되는 유전체학 도구인 BamSurgeon과 동일한 벤치마크에서 HelixForge는 엔드 투 엔드 기준 60배 더 빠르게 실행되었고, 돌연변이 빈도 오류를 절반 이상 줄였다. 이러한 속도 향상은 유전체 시뮬레이션 워크로드가 악명 높게 느리고 많은 연산을 요구하기 때문에 중요하다. 실행 시간과 오류 범위를 동시에 줄이는 GPU 네이티브 접근 방식은 Bittensor의 탈중앙화 컴퓨트 모델이 기존 과학 소프트웨어와 경쟁하거나, 경우에 따라 이를 능가할 수 있음을 시사한다. 중요한 이유: HelixForge의 수치가 추가 검증에서도 유지된다면, Bittensor와 연계된 연구는 단순한 암호화폐 주변 호기심거리가 아니라 계산 생물학에 정당한 기여를 하는 것으로 자리매김하게 된다.
탈중앙화 하드웨어에서의 대규모 AI 모델 학습
이번 주 가장 큰 인프라 소식은 Macrocosmos가 IOTA 위에 구축된 160억 파라미터 실시간 학습 런인 Orion-16B를 시작했다는 점이다. 기존의 중앙집중식 데이터센터 구축과 달리, 이 모델은 세 개 대륙에 걸쳐 소비자용 RTX 4090 및 RTX 5090 GPU의 이질적인 조합을 사용해 동시에 학습되고 있다.
세 개 대륙에 걸친 Orion-16B 학습
Orion-16B를 이전 모델인 Orion-100B와 구분 짓는 것은 컴퓨트 풀의 성격이다. 고정되고 검증된 머신 집합에 의존하는 대신, 이번 런은 언제든지 최대 256개의 GPU까지 확장 가능한, 권한이 필요 없고 예측 불가능한 기여자 풀을 사용한다. 이러한 설계 선택은 기반 하드웨어 공급이 변동적이고 누구나 연산 사이클을 기여할 수 있는 환경에서도 대형 모델을 안정적으로 학습시킬 수 있는지를 직접적으로 시험한다. 이는 대부분의 프런티어 연구소가 연산 자원을 중앙에서 통제하고 예측 가능한 방식으로 학습을 진행하는 기존 접근법과 의미 있게 다른 지점이다.
Engy, 소비자용 GPU에서 Kimi K3 구동
별도로, Engy 팀은 데이터센터급 하드웨어나 특수 네트워킹 없이 80개의 소비자용 RTX 5090 GPU만으로 전체 2.8조 파라미터 Kimi K3 모델을 구동하는 데 성공했다. Engy는 자사 플랫폼을 통해 이 모델에 대한 접근을 개방할 계획이다. 이 성과는 프런티어 규모의 오픈 모델이 반드시 전통적으로 최첨단 AI 접근을 제한해 온 독점적이고 고가의 인프라를 필요로 하는 것은 아님을 보여준다. 이는 오늘날 사용 가능한 가장 큰 오픈 모델을 누가 실행하고 실험할 수 있는지에 대해 실제적인 함의를 가진다.
탈중앙화 데이터 전송과 인프라 확장
Beam은 이번 주 첫 탈중앙화 서브넷 간 전송을 완료하여, 약 6분 만에 Cloudflare R2에서 Hippius로 107GB의 데이터를 이동시켰다. 겉으로는 작은 이정표처럼 보이지만, 그 이면에는 더 큰 의미가 있다. 역사상 처음으로, 전체 경로를 처리하는 중앙집중식 중개자 없이 두 개의 서로 다른 탈중앙화 서브넷 사이에서 데이터가 이동한 것이다.
프라이빗 및 클라우드 데이터를 연결하는 Beam Tunnels
다음 단계인 Beam Tunnels는 동일한 네트워크를 프라이빗 데이터 소스로 확장하여, 온프레미스 시스템과 클라우드 스토리지를 Bittensor 서브넷에 직접 연결하는 것을 목표로 한다. 완료된 전송과 곧 도입될 Tunnels 기능이 결합되면, Beam은 Bittensor의 탈중앙화 네트워크와 기업이 이미 운영 중인 엔터프라이즈 인프라 사이에 위치한 프로그래머블 데이터 레이어로 나아가게 된다. 이러한 형태의 탈중앙화 데이터 전송은, 기업이 기존 클라우드나 온프레미스 환경을 뜯어고치지 않고도 Bittensor의 컴퓨트와 모델을 활용할 수 있게 해주기 때문에, 도입 장벽을 낮추는 데 중요하다.
Bittensor 생태계의 실용적 AI 활용과 파트너십
인프라와 학습 돌파구를 넘어, 여러 서브넷이 연구를 실제 배포 가능한 제품으로 전환하고 있으며, 어쩌면 그 지점이 Bittensor의 가치가 가장 구체적으로 드러나는 곳일 수 있다.
Metanova와 Yalotein의 나노바디 후보
Metanova는 Yalotein과의 파트너십을 통해 NOVA의 최상위 나노바디 후보 생산을 시작했으며, 이 분자들을 실험실 테스트를 위해 보내고 있다. 후보들은 Metanova의 Bittensor 기반 대회를 통해 선정되었으며, 다음 단계는 이 컴퓨터 설계 분자들이 실제 물리 실험에서 실제로 기능하는지를 확인하는 것이다. 이는 중요한 검증 단계다. 계산 설계는 유망한 후보를 빠르게 생성할 수 있지만, 과학이 실제로 통하는지 확인해 주는 것은 실험실 결과뿐이다.
Synth의 예측 모델, Dropbox의 Leadpoet 파일럿, Babelbit의 번역 데모
Synth는 Google의 TimesFM 2.5 모델을 SN50의 예측 대회에 맞게 어떻게 변형했는지를 상세히 설명한 논문을 발표했다. 단일한 가장 가능성 높은 결과를 예측하는 대신, 변형된 모델은 각 경로에 수반되는 불확실성과 함께 여러 가능한 시장 경로를 매핑한다. 특히 Synth는 단일 게이밍 GPU에서 1시간도 안 되는 학습만으로 이 모델을 SN50에서 경쟁력 있게 만들었는데, 이는 예측 작업에서 단순한 연산량보다 숙련된 적응이 더 중요할 수 있음을 시사한다.
엔터프라이즈 측면에서는, Dropbox와 그 채널 세일즈 파트너 중 한 곳이 Leadpoet을 파일럿 중이다. 이 도구는 세일즈 팀이 고객으로 전환될 가능성이 가장 높은 회사를 식별해, 영업 담당자가 누구를 우선순위로 둘지 알 수 있도록 돕기 위해 설계되었다. 한편, Babelbit는 동일한 독일 뉴스 방송을 대상으로 Google과 자사 음성 번역을 실시간 정면 비교하는 데모를 진행했다. 이 데모에서 Babelbit의 Language API는 경쟁사보다 더 명확하고 정확하게 들렸으며, 머뭇거림과 왜곡된 문장이 더 적었다.
종합하면, 이번 주의 발전은 Bittensor의 서브넷 경제가 유전체 연구, 분산 모델 학습, 엔터프라이즈 데이터 이동, 실용 AI 제품으로 동시에 확장되고 있음을 보여준다. 공통된 흐름은, 한때 중앙집중식이고 엄격히 통제된 인프라가 필요하다고 여겨졌던 워크로드를 탈중앙화되고 권한이 필요 없는 컴퓨트가 처리할 수 있음을 입증하고 있다는 점이며, 이러한 파일럿과 학습 런이 프로덕션 사용으로 성숙해 갈수록 이 주장에 대한 검증은 더욱 엄격해질 것이다.
FAQ
HelixForge란 무엇이며 이전 엔진과 비교해 성능은 어떤가요?
HelixForge는 Minos가 구축한 GPU 네이티브 엔진으로, 동일 벤치마크에서 BamSurgeon보다 60배 빠르게 동작하고 돌연변이 빈도 오류를 절반 이상 줄여, 최근 OpenAI 공동 저자 논문에서 과학 계산의 대표 사례 연구로 주목받고 있다.
Orion-16B AI 모델은 어떤 독특한 방식으로 학습되고 있나요?
Orion-16B는 세 개 대륙에 걸쳐 소비자용 RTX 4090 및 RTX 5090 GPU의 이질적인 조합을 사용해 학습되며, 언제든지 최대 256개의 GPU까지 확장 가능한 권한 없는 컴퓨트 풀에서 연산을 끌어오는 방식으로, 이전 Orion-100B 런보다 훨씬 예측 불가능한 설정을 사용한다.
Bittensor 생태계 내 탈중앙화 데이터 전송에는 어떤 진전이 있었나요?
Beam은 첫 탈중앙화 서브넷 간 전송을 성공적으로 수행하여, 약 6분 만에 Cloudflare R2에서 Hippius로 107GB를 이동시켰으며, 이제 온프레미스 시스템과 클라우드 스토리지를 Bittensor 서브넷에 연결하기 위한 Beam Tunnels로 확장하고 있다.
Bittensor 관련 AI 노력에서 어떤 실용적 애플리케이션이 등장하고 있나요?
애플리케이션에는 Metanova와 Yalotein의 나노바디 후보에 대한 초기 단계 실험실 테스트, 시장 경로 예측을 위한 Synth의 변형 예측 모델, Dropbox의 Leadpoet 세일즈 도구 파일럿, 그리고 Google과 직접 비교한 Babelbit의 실시간 음성 번역 데모가 포함된다.
{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”HelixForge란 무엇이며 이전 엔진과 비교해 성능은 어떤가요?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”HelixForge는 Minos가 구축한 GPU 네이티브 엔진으로, 동일 벤치마크에서 BamSurgeon보다 60배 빠르게 동작하고 돌연변이 빈도 오류를 절반 이상 줄여, 최근 OpenAI 공동 저자 논문에서 과학 계산의 대표 사례 연구로 주목받고 있다.”}},{“@type”:”Question”,”name”:”Orion-16B AI 모델은 어떤 독특한 방식으로 학습되고 있나요?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Orion-16B는 세 개 대륙에 걸쳐 소비자용 RTX 4090 및 RTX 5090 GPU의 이질적인 조합을 사용해 학습되며, 언제든지 최대 256개의 GPU까지 확장 가능한 권한 없는 컴퓨트 풀에서 연산을 끌어오는 방식으로, 이전 Orion-100B 런보다 훨씬 예측 불가능한 설정을 사용한다.”}},{“@type”:”Question”,”name”:”Bittensor 생태계 내 탈중앙화 데이터 전송에는 어떤 진전이 있었나요?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Beam은 첫 탈중앙화 서브넷 간 전송을 완료하여, 약 6분 만에 Cloudflare R2에서 Hippius로 107GB를 이동시켰으며, 이제 온프레미스 시스템과 클라우드 스토리지를 Bittensor 서브넷에 연결하기 위한 Beam Tunnels로 확장하고 있다.”}},{“@type”:”Question”,”name”:”Bittensor 관련 AI 노력에서 어떤 실용적 애플리케이션이 등장하고 있나요?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”애플리케이션에는 Metanova와 Yalotein의 나노바디 후보에 대한 초기 단계 실험실 테스트, 시장 경로 예측을 위한 Synth의 변형 예측 모델, Dropbox의 Leadpoet 세일즈 도구 파일럿, 그리고 Google과 직접 비교한 Babelbit의 실시간 음성 번역 데모가 포함된다.”}}]}
이 기사는 인공지능의 도움을 받아 제작되었으며, 편집팀의 검수를 거쳤습니다.
