Score

O que é o Score?

Score, também conhecido como sn44 ou Score Vision, é um subnet Bittensor que aplica incentivos de machine learning descentralizado à visão computacional, inicialmente transformando transmissões de futebol e outros vídeos em dados estruturados legíveis por máquina, como localização de jogadores, rastreamento da bola, geometria do campo, detecção de objetos e contexto de eventos.

O problema que ele aborda não é o “cômputo de IA” genérico, mas o gargalo mais estreito e comercialmente relevante da anotação de vídeo: converter grandes volumes de imagens brutas em rótulos precisos de forma suficientemente rápida e barata para serem úteis em análise esportiva, monitoramento de segurança, operações de varejo, logística e outros ambientes com uso intenso de câmeras.

Sua vantagem competitiva declarada é a combinação do mercado de incentivos miner-validator do Bittensor com métodos de validação leves, incluindo filtragem de frames, verificações de campo/pontos-chave, testes de geometria ao estilo homografia e verificação semântica baseada em CLIP, projetados para evitar o custo de refazer toda a inferência de visão em cada frame enviado.

O próprio repositório GitHub do projeto descreve o Score Vision como um framework de visão computacional descentralizado focado primeiro em Reconhecimento de Estado de Jogo em futebol, enquanto a atual página do subnet Bittensor caracteriza o sn44 como um framework em que miners processam vídeo localmente e validators pontuam os resultados por meio de verificações híbridas visuais e geométricas. (github.com)

O posicionamento de mercado do Score é melhor entendido como um subnet de aplicação especializado do Bittensor, não como uma blockchain de camada base ou uma plataforma ampla de smart contracts.

No fim de junho de 2026, telas de mercado públicas colocavam o Score na faixa de mid-cap entre os tokens de subnets Bittensor líquidos, em vez de entre as maiores redes cripto; o rastreio recente do CoinGecko mostrava o Score classificado em torno da posição 500 em capitalização de mercado cripto, enquanto a visualização ao vivo de subnets em Bittensor.ai mostrava um subnet com o conjunto completo de 256/256 neurônios, nove validators, vários milhares de holders visíveis no Taostats e aproximadamente 131.000 TAO-equivalentes em TVL no snapshot do pool do subnet. Esses números devem ser tratados como indicadores de mercado e de staking em um ponto no tempo, não como evidência de demanda duradoura de usuários finais. De forma mais analítica, a escala do Score ainda é pequena em relação a fornecedores centralizados de visão computacional e incumbentes de dados esportivos, mas ele é relativamente diferenciado dentro do Bittensor porque mira um output externo mensurável — modelos de visão e rótulos derivados de vídeo — em vez de um jogo puramente especulativo de emissões. (coingecko.com)

Quem fundou o Score e quando?

O Score parece ter surgido publicamente em 2024, durante a expansão pós-ChatGPT das narrativas de infraestrutura de IA e o início do ciclo de tokens de subnets Bittensor.

A presença corporativa do projeto lista Score - Subnet 44 como fundado em 2024 e sediado na cidade de Nova York, enquanto o registro do subnet Bittensor mostra o sn44 registrado on-chain em setembro de 2024. A atribuição de fundadores varia ligeiramente entre materiais públicos, mas os nomes mais consistentes são Maxime Sebti, Tim Kalic e Nigel Grant; a documentação da SIRE identifica Maxime Sebti como cofundador e CEO da Score Technologies, Tim Kalic como cofundador e CTO e Nigel Grant como cofundador e diretor de receita, enquanto referências no LinkedIn citam Tim Kalic como cofundador e CTO de Score - Subnet 44 e da Manako Labs. A entidade operacional é frequentemente descrita como Score Technologies ou ligada à Vision Research Foundation, com a Manako Labs posteriormente se tornando uma interface comercial visível construída sobre o subnet. (linkedin.com)

A narrativa do projeto mudou de forma relevante desde o lançamento. Materiais comunitários iniciais sobre o Score eram mais próximos de previsão esportiva, análise esportiva e onboarding de comunidade de futebol, enquanto o posicionamento atual é mais amplo: uma “camada de visão computacional aberta e permissionless” que pode treinar e avaliar pequenos modelos de visão específicos de tarefas para redes de câmeras do mundo real.

A tese de Reconhecimento de Estado de Jogo em futebol continua importante porque imagens esportivas oferecem dados rotulados densos e de alto valor e um mercado comercial claro, mas o enquadramento mais recente da Manako move o Score em direção a casos de uso de IA física corporativa, como alertas de zonas restritas, detecção de objetos em postos de combustível, detecção de veículos/pessoas e monitoramento operacional em edge. Essa evolução é estrategicamente racional, porque a análise esportiva pura é um mercado de nicho com incumbentes consolidados, enquanto a inteligência de câmeras corporativas é maior, mas também aumenta o risco de execução: o Score precisa provar que consegue se generalizar além do futebol sem perder o rigor de validação que tornava o design original do subnet coerente. (kucoin.com)

Como funciona a rede Score?

O Score não opera uma blockchain independente de proof-of-work, proof-of-stake ou DAG. Ele é um subnet específico de aplicação rodando sobre o Subtensor L1 do Bittensor, em que o “consenso” relevante para o Score é o processo de Yuma Consensus ponderado por stake do Bittensor, em vez de um mecanismo independente de produção de blocos. No Bittensor, subnets são mercados de incentivos: miners executam uma tarefa de IA definida, validators avaliam a qualidade desse trabalho, e o Yuma Consensus converte as submissões de peso dos validators em emissões para miners e validators.

A documentação do Bittensor afirma que o Yuma Consensus roda on-chain dentro do Subtensor e calcula as emissões de miners e validators a partir dos rankings de desempenho dos miners fornecidos pelos validators, com clipping ponderado por stake para reduzir pontuações colusivas ou não confiáveis. Para o sn44, isso significa que o modelo de segurança é parcialmente herdado da chain do Bittensor e parcialmente dependente de os validators do Score conseguirem distinguir de forma confiável saídas de visão computacional de alta qualidade de submissões de baixa qualidade ou adversariais. (docs.learnbittensor.org)

Tecnicamente, a arquitetura do Score é um sistema de três papéis: miners recebem tarefas de vídeo ou imagem e executam detecção de objetos, rastreamento ou inferência de modelos especializados localmente; validators amostram e pontuam as saídas dos miners; e o dono do subnet mantém o desenho das tarefas, os parâmetros de incentivo e a saúde geral da rede.

A característica distintiva é a abordagem de validação. Em vez de validar cada frame com inferência completa de modelo — cara —, o Score usa frames filtrados, verificações semânticas, plausibilidade de pontos-chave e da geometria do campo, erro de reprojeção e métricas de associação de detecções ao estilo GS-HOTA para aproximar a qualidade de forma eficiente.

Materiais anteriores do Score enfatizavam clipes de futebol, detecção de jogadores e bola, extração de linhas do campo e segmentos de partidas de 30 segundos; materiais mais recentes enfatizam destilação de modelos e habilidades de visão leves, implantáveis em edge. Isso é tecnicamente plausível, mas cria uma tensão central: quanto mais o Score se expande para tarefas arbitrárias de visão corporativa, mais difícil se torna manter um regime único e robusto de validação, e mais o subnet passa a depender de um desenho cuidadoso de benchmarks em vez de simplesmente adicionar mais miners. (github.com)

Quais são os tokenomics do sn44?

O sn44 é um token alpha dentro do modelo Dynamic TAO do Bittensor, portanto seus mecanismos de oferta e de valor diferem de um ERC-20 convencional com tabela de alocação fixa. O FAQ do Dynamic TAO do Bittensor afirma que cada token alpha de subnet tem um hard cap de 21 milhões e segue um cronograma de halvings, enquanto a documentação de emissões explica que tokens alpha específicos de subnets são emitidos para miners, validators, stakers e criadores de subnets. No fim de junho de 2026, páginas de mercado de terceiros indicavam cerca de 4–5 milhões de SN44 em circulação e uma capitalização de mercado na faixa de US$ 30 milhões altos a US$ 40 milhões baixos, enquanto o snapshot de ativos fornecido pelo usuário situava a capitalização de mercado em cerca de US$ 42,4 milhões e o token na faixa de alguns dólares por unidade. Estruturalmente, o sn44 é inflacionário até que as emissões se reduzam via halvings e a oferta se aproxime do teto; ele não é, principalmente, um modelo de token de queima, embora os custos de registro no Bittensor e mecanismos em nível de protocolo possam afetar os fluxos TAO/alpha em torno da participação em subnets. docs.learnbittensor.org

A captura de valor vem da demanda por staking, da economia miner-validator e da avaliação pelo mercado de se o subnet produz saídas de visão computacional valiosas. No Dynamic TAO, um usuário que faz staking em um subnet de mineração efetivamente troca TAO pelo alpha daquele subnet e faz staking desse alpha em um validator; o valor de saída então depende da razão alpha-para-TAO no pool no momento do unstaking. A documentação de emissões de junho de 2026 do Bittensor é importante porque afirma que a rede havia revertido para um modelo baseado em preço para distribuir emissões de TAO entre os subnets, após um período baseado em fluxo de novembro de 2025 a junho de 2026, o que significa que os preços e médias móveis dos tokens de subnets novamente influenciam a fatia de emissões.

Especificamente para o Score, o snapshot de fim de junho em Bittensor.ai mostrava uma fatia de 18% para o dono e uma divisão de emissões entre miners, validators/stakers e o owner, com APY de staking exibido como muito alto, que deve ser interpretado como um fluxo de emissões volátil em vez de um yield estável. Em termos econômicos, holders de sn44 estão subscrevendo um sistema reflexivo: modelos úteis e demanda externa podem justificar entrada de stake e emissões, mas emissões sem demanda pagante em taxas podem diluir os holders e recompensar rotação de capital de curto prazo em vez de utilidade duradoura da rede. (docs.learnbittensor.org)

Quem está usando o Score?

A distinção fundamental é entre atividade do token e uso de produto. O volume de negociação on-chain do Score, holders, validator count e staking TVL mostram que o ativo tem participação de mercado, mas essas métricas não provam que empresas ou times esportivos estejam pagando por outputs de visão computacional.

A utilidade real é melhor inferida a partir da atividade de tarefas, benchmarks de modelos, competições entre miners e aplicações comerciais construídas sobre o subnet. Os materiais públicos da Score identificam análise esportiva, broadcasting, apostas, scouting e coaching como mercados-alvo iniciais, enquanto comunicações públicas mais recentes descrevem trilhas mais amplas de visão computacional, como detecção de pessoas, detecção de veículos, detecção de fogo e monitoramento de postos de combustível.

Em meados de 2026, o padrão de uso mais crível não é de usuários de varejo interagindo diretamente com o sn44, mas sim de builders usando o subnet como um backend descentralizado de descoberta e destilação de modelos. (github.com)

O sinal de adoção mais concreto voltado para empresas é a Manako Labs. Em abril de 2026, a Manako anunciou uma aliança com a PwC França e Magrebe, dizendo que a PwC França passaria a utilizar o Business Operations World Model da Manako, baseado na Score - Subnet 44, para ajudar organizações a transformarem redes de câmeras existentes em sistemas de inteligência operacional. Em junho de 2026, uma matéria do CryptoBriefing, distribuída pela KuCoin, reportou que a Manako havia lançado uma plataforma de agentes de IA de visão alimentada pelo Score Subnet 44 da Bittensor, com interface no-code, modelos executáveis em CPU, processamento na borda, alertas via Slack e um investimento declarado de US$ 1 milhão em TaoWeave para expansão na América do Norte. Esses são sinais comerciais relevantes, mas não equivalem a receita auditada, retenção de clientes ou métricas de implantação em escala corporativa. Uma leitura cética é que a Score tem uma distribuição promissora por meio da Manako e de canais de consultoria adjacentes à PwC, mas ainda precisa divulgar evidências mais fortes de clientes recorrentes, workloads pagas e throughput medido em horas de câmera processadas ou tarefas de modelo aceitas. (manako.ai)

Quais São os Riscos e Desafios para a Score?

A exposição regulatória da Score é indireta, mas real. Não parece haver, nas fontes públicas revisadas, uma ação regulatória ativa conhecida especificamente contra a Score ou o sn44, mas o sn44 herda a incerteza mais ampla em torno de TAO, tokens de subnets da Bittensor, staking e ativos digitais impulsionados por emissões. O formulário S-1 do Bittensor Trust protocolado pela Grayscale discute explicitamente o risco de que o TAO possa ser caracterizado como um valor mobiliário e observa que a SEC ou um tribunal podem adotar uma visão contrária, mesmo quando o patrocinador não considera o TAO um valor mobiliário. Isso importa para o sn44 porque os tokens alpha são ainda mais diretamente ligados à atividade do criador do subnet, ao desenho de emissões, aos fluxos de staking e às expectativas em torno de esforço gerencial produtivo. Centralização é o segundo grande risco. A página da Bittensor.ai mostrava apenas nove validadores no sn44 em seu snapshot do fim de junho, uma participação de 18% para o owner, configurações de commit-reveal e de liquid-alpha desativadas, e um rótulo de saúde descrevendo o subnet como abandonado, ao mesmo tempo em que exibia ausência de commits no GitHub nos 30 dias anteriores e um último commit cerca de 200 dias antes. Alguns desses rótulos podem estar defasados em relação ao desenvolvimento off-chain, mas investidores institucionais devem tratar concentração de validadores, discricionariedade do owner, repositórios estagnados e governança de tarefas opaca como itens materiais de due diligence. sec.gov

O risco competitivo também é substancial. Em análise esportiva, a Score compete economicamente com provedores incumbentes de dados e análise de vídeo, como vendors de dados esportivos ao estilo Opta, stacks de análise de clubes, sistemas de rastreamento para broadcasting e provedores especializados de visão computacional que não precisam de incentivos cripto. Em visão corporativa, ela compete com plataformas de IA em nuvem, vendors de IA na borda, ferramentas ao estilo Roboflow, modelos open source e soluções proprietárias verticais embutidas em software de segurança, varejo, logística e indústria. O modelo de subnet descentralizado pode ser uma vantagem em custo e descoberta de talento se de fato conseguir obter modelos melhores de forma consistente, mas também pode ser mais lento para se transformar em produto do que um vendor centralizado com loops diretos de feedback de clientes, acordos de nível de serviço, times de procurement e controles de compliance. O token adiciona outra ameaça: se as emissões forem mais atraentes do que a receita externa, miners e validadores podem otimizar para a mecânica de recompensas em vez de resultados para o cliente, criando um descompasso entre a atividade do subnet e o output economicamente útil. medium.com

Qual é a Perspectiva Futura para a Score?

A perspectiva da Score depende menos de desempenho de preço e mais de sua capacidade de converter um nicho técnico credível em infraestrutura comercial repetível.

O roadmap verificado nos materiais públicos do GitHub estabeleceu uma sequência para 2025 que vai de Game State Recognition e validação baseada em VLM até o deployment em mainnet, validação human-in-the-loop, dashboards, action spotting, event captioning, APIs de integração, esportes adicionais, ferramentas para desenvolvedores e aplicações cross-domain.

Em meados de 2026, a narrativa pública havia avançado na direção de inteligência de câmeras corporativas impulsionada pela Manako e de destilação de pequenos modelos específicos por tarefa, enquanto a própria Bittensor havia passado por mudanças importantes de tokenomics, incluindo o retorno, em junho de 2026, às emissões baseadas em preço.

Os marcos mais importantes daqui em diante são, portanto, práticos e não promocionais: retomada do desenvolvimento open source, telemetria mais clara de validadores e miners, benchmarks de modelos auditados, documentação pública de APIs, evidência de workloads pagas e um framework robusto de validação para tarefas não relacionadas a futebol. (github.com)

O obstáculo estrutural é que a Score precisa provar que o subnet é mais do que uma competição de modelos subsidiada por emissões.

Se a Manako e aplicações similares conseguirem, de forma consistente, direcionar problemas reais de visão corporativa para o sn44, avaliar os outputs dos miners, implantar modelos compactos na borda e demonstrar vantagens de custo ou acurácia em relação a ferramentas centralizadas, então a Score terá um papel defensável como mercado de trabalho de visão computacional nativo da Bittensor. Caso contrário, o ativo corre o risco de ser avaliado principalmente como uma aposta alavancada em especulação com subnets da Bittensor, com pouca separação entre a liquidez do token e o verdadeiro product-market fit. Nenhuma previsão de preço é justificável; a questão relevante é se o sn44 consegue sustentar validação de alta qualidade, descentralizar o controle e transformar dados de câmera em infraestrutura demandada externamente antes que plataformas centralizadas de visão fechem a diferença de custo-eficiência.