Há três anos, a Bittensor (TAO) era uma curiosidade técnica discutida principalmente em canais de pesquisa de aprendizado de máquina e fóruns cripto obscuros.
Hoje, ela tem valor de mercado acima de US$ 2,7 bilhões, hospeda 64 sub-redes ativas e representa, provavelmente, a tentativa mais ambiciosa da indústria de blockchain de transformar a produção de inteligência artificial em uma mercadoria de mercado na qual qualquer pessoa pode participar. O fato de que a maioria dos observadores de cripto ainda luta para explicar exatamente o que ela faz é, em muitos aspectos, parte da questão.
A rede cresceu sem um laboratório centralizado de IA, sem um data center proprietário e sem uma única entidade corporativa controladora. Em vez disso, ela funciona com uma arquitetura de incentivos inovadora em que modelos de aprendizado de máquina competem entre si por novos tokens TAO, com validadores avaliando suas saídas e alocando recompensas de acordo.
Esse mecanismo, simples na teoria e genuinamente complexo na prática, é o que este artigo disseca desde a base.
TL;DR
- A Bittensor opera um mercado de IA descentralizado em que modelos de aprendizado de máquina ganham recompensas em TAO com base no valor informacional mensurável que fornecem a uma rede de validadores.
- O protocolo se expandiu de uma única rede monolítica para 64 sub-redes especializadas, cada uma voltada para uma tarefa específica de IA, de geração de texto a dobramento de proteínas e previsão financeira.
- Com valor de mercado de US$ 2,7 bilhões e volume diário de negociação acima de US$ 260 milhões, TAO se tornou um dos criptoativos temáticos de IA mais líquidos, embora sua mecânica de valorização ainda seja pouco compreendida pela maior parte do mercado.
O que a Bittensor realmente é e por que é difícil de explicar
O maior motivo para a Bittensor continuar pouco analisada é que ela não se encaixa em nenhuma categoria cripto existente. Não é uma blockchain de camada 1 competindo com a Ethereum (ETH) em throughput de transações. Não é um protocolo DeFi otimizando eficiência de capital. Não é uma plataforma de NFT nem um meme coin. É, no sentido mais preciso disponível, um mercado descentralizado para inteligência de máquina, construído sobre uma blockchain Substrate.
O whitepaper original, escrito por Jacob Robert Steeves e Ala Shaabana e distribuído pela primeira vez em 2021, apresenta o problema central com clareza direta. O desenvolvimento de IA é dominado por um pequeno número de empresas verticalmente integradas que controlam simultaneamente dados de treinamento, infraestrutura de computação e implantação de modelos.
Essa concentração faz com que o valor econômico produzido pela IA se concentre quase inteiramente nessas entidades. A solução proposta pela Bittensor é decompor a pilha de produção de IA em contribuições discretas e precificar cada uma delas usando um token nativo de blockchain.
O whitepaper da Bittensor argumenta explicitamente que inteligência de IA, assim como banda ou computação, deve ser tratada como uma commodity que os mercados podem precificar de forma eficiente, desde que existam trilhos de incentivos adequados.
A blockchain Substrate que a Bittensor utiliza é construída com o framework Substrate da Polkadot, o que lhe dá um runtime modular e permite upgrades de governança sem hard forks. Os validadores na rede executam funções de pontuação para avaliar as saídas dos mineradores, que rodam modelos de aprendizado de máquina. O consenso entre validadores determina como o TAO recém-emitido flui para cada participante.
Fundamentalmente, a pontuação não é arbitrária: validadores que coludem para recompensar modelos ruins são penalizados por um mecanismo chamado consenso yuma, que a equipe descreveu formalmente na documentação técnica.
Leia também: Hyperliquid’s HYPE Token Near $41 With $9.7B Market Cap And Active DEX Volume
O mecanismo de consenso yuma e como os mineradores são pagos
Entender a lógica de recompensas da Bittensor exige entender o consenso yuma, porque é esse mecanismo que diferencia a rede de designs mais simples de prova de trabalho ou prova de participação. O desafio central que ele resolve é: se validadores podem atribuir pesos livremente a mineradores, eles têm fortes incentivos para coludir com mineradores específicos e capturar recompensas desproporcionais. O consenso yuma alinha os incentivos dos validadores tornando suas próprias recompensas dependentes de quão bem suas pontuações seguem a avaliação mediana da rede.
Na prática, um validador que consistentemente atribui pontuação alta a um minerador de baixa qualidade se afasta da matriz de pesos mediana com a qual a rede concorda.
Esse desvio reduz a fatia de emissão que o próprio validador recebe. O mecanismo formal estabelece uma função de penalidade em que a magnitude da redução de recompensa aumenta com a distância em relação ao consenso. Isso cria uma pressão autocorretiva em direção à avaliação honesta sem necessidade de árbitro centralizado.
Sob o consenso yuma, validadores ganham menos TAO para cada unidade de distância em que suas atribuições de peso se desviam da matriz de pesos consensual da rede, vinculando diretamente a renda do validador à honestidade de sua avaliação.
Os mineradores, por outro lado, competem puramente em qualidade de saída. Um minerador que executa um modelo de linguagem em uma sub-rede de geração de texto recebe uma consulta de um validador, devolve uma resposta, e o validador pontua essa resposta com base em seu benchmark interno de qualidade.
A pontuação total que um minerador acumula em todos os validadores determina seu peso de emissão em cada bloco. A Opentensor Foundation, organização sem fins lucrativos que mantém o código-base principal, abriu o código de toda a pilha do protocolo, o que permite a qualquer pessoa inspecionar exatamente como as emissões são calculadas.
Leia também: Bitget CFD Volume Hits $8B Daily As Gold Drives 95% Of Gain
De uma rede para 64 sub-redes: a mudança de arquitetura que mudou tudo
A rede Bittensor original era uma única sub-rede focada em inteligência de modelos de linguagem. Cada minerador executava um modelo de completamento de texto, e validadores avaliavam saídas uns contra os outros. Esse design funcionou como prova de conceito, mas criou um gargalo crítico: a rede só conseguia otimizar um tipo de tarefa de IA por vez, e a tarefa dominante era determinada por quem implantasse mais computação.
A arquitetura de sub-redes, introduzida por meio de uma série de propostas de governança no fim de 2023, reestruturou isso de forma fundamental.
Em vez de uma competição global única, o protocolo agora suporta até 1.024 sub-redes logicamente independentes, cada uma com seu próprio conjunto de validadores, sua própria função de pontuação e sua própria alocação de emissão. As sub-redes disputam uma fatia da emissão global de TAO por meio de um mecanismo de registro, e os operadores de sub-rede definem as regras que seus mineradores devem seguir.
Em maio de 2026, 64 sub-redes ativas estão em funcionamento na mainnet da Bittensor, cobrindo tarefas que vão de armazenamento descentralizado e previsão de séries temporais financeiras a previsão de estrutura de proteínas e geração distribuída de texto para imagem.
As implicações econômicas dessa mudança são substanciais. Cada sub-rede é, na prática, um micromercado para um tipo específico de inteligência. A Subnet 1 continua sendo a rede original de prompts de texto. A Subnet 9, operada pela Macrocosmos, foca em pré-treinar modelos de linguagem de grande porte de forma colaborativa. A Subnet 21, gerida pela Omega Labs, agrega dados multimodais. A diversidade de tarefas significa que a emissão de TAO agora flui para um conjunto muito mais amplo de contribuidores de IA do que uma arquitetura de modelo único jamais suportaria. O relatório de desenvolvedores da Electric Capital acompanha a Bittensor como um dos ecossistemas de desenvolvimento que mais crescem em cripto nos últimos 18 meses, com o número de contribuidores ativos mensais nos repositórios do protocolo no GitHub aumentando mais de 200% ano a ano.
Leia também: Pudgy Penguins’ PENGU Token Holds $616M Market Cap Despite 2% Pullback
Tokenomics do TAO e o cronograma de emissão ao estilo Bitcoin
O desenho do token da Bittensor se inspira deliberadamente na arquitetura de oferta do Bitcoin (BTC), e esse paralelo não é apenas cosmético. TAO tem um limite máximo de 21 milhões de tokens. O cronograma de emissão é reduzido pela metade aproximadamente a cada quatro anos, com o halving mais recente ocorrendo no fim de 2025, diminuindo a emissão diária de cerca de 7.200 TAO por dia para aproximadamente 3.600 TAO por dia.
Essa trajetória de oferta deflacionária é parte central da tese de que o token deve se valorizar à medida que a demanda por serviços de IA cresce.
No momento da redação, TAO está sendo negociado em torno de US$ 282, com valor de mercado circulante de US$ 2,7 bilhões.
O fornecimento total em circulação está perto de 8,9 milhões de TAO, o que significa que cerca de 42% da oferta máxima já foi emitida. A taxa de emissão pós-halving faz com que a nova emissão de TAO seja lenta o suficiente para que mesmo aumentos modestos de demanda exerçam pressão de alta significativa sobre o preço.
A emissão pós-halving de aproximadamente 3.600 TAO por dia significa que o novo suprimento anualizado que entra no mercado é inferior a US$ 370 milhões aos preços atuais, uma taxa de emissão relativamente enxuta para um protocolo que gera centenas de milhões em volume diário de negociação.
A emissão é dividida entre três categorias de participantes. Mineradores recebem 41% da emissão de cada bloco. Validadores recebem 41%. Os 18% restantes vão para donos de sub-rede que fizeram stake de TAO para registrar sua sub-rede. Essa divisão em três vias é projetada para garantir que os três papéis se mantenham economicamente viáveis ao mesmo tempo. Operadores de sub-rede que não conseguem atrair mineradores de qualidade não recebem benefício de emissão apesar do stake, o que cria uma ligação direta entre a qualidade do serviço da sub-rede e sua recompensa econômica. incentivo para construir tarefas de IA genuinamente úteis em vez de sub-redes vazias que apenas coletam taxas.
Also Read: Toncoin Gains 5% With $3.8B Market Cap While Telegram Ecosystem Activity Expands
Como os Validadores Realmente Pontuam a Saída de IA, a Realidade Técnica
Uma das críticas mais comuns ao Bittensor por parte de observadores técnicos é que o problema de pontuação é difícil. Como um validador sabe se a saída de um modelo de linguagem é melhor do que a de outro sem acesso a rótulos de verdade de base?
Essa não é uma pergunta trivial, e as diferentes sub-redes do protocolo desenvolveram respostas genuinamente diferentes, dependendo da natureza da tarefa de IA que estão otimizando.
Em sub-redes baseadas em texto, os validadores normalmente usam uma combinação de pontuação por modelo de referência e proxies de preferência humana. Um validador executando a Subnet 1 pode encaminhar uma consulta para vários mineradores, coletar respostas e então pontuar essas respostas usando seu próprio modelo de referência interno. As pontuações são relativas: um minerador cuja saída é julgada melhor do que a do minerador mediano recebe pontuação positiva.
Na Subnet 9, que se concentra em pré‑treinamento, a validação é mais objetiva: os validadores avaliam se os pesos de modelo enviados por um minerador de fato melhoram a perplexidade em um conjunto de dados de avaliação reservado, um benchmark mensurável e reproduzível.
Sub-redes focadas em saídas verificáveis, como previsão de estrutura de proteínas ou geração de provas matemáticas, podem usar funções de validação determinísticas, tornando‑as mais resistentes à conluio de validadores do que sub-redes de qualidade de texto puramente subjetiva.
Outras sub-redes adotaram o que a comunidade chama de validação em estilo “prova de trabalho”, em que a própria saída contém evidência criptográfica do esforço computacional despendido. Isso é particularmente relevante para sub-redes focadas em treinamento distribuído, onde mineradores enviam atualizações de gradiente que os validadores podem verificar se foram computadas honestamente usando técnicas derivadas de verifiable computation research. A diversidade de mecanismos de validação entre as sub-redes é uma característica, não uma falha: ela permite que o protocolo adapte sua lógica de pontuação às propriedades específicas de verificação de cada tarefa de IA.
Also Read: Ondo Finance Jumps 13% While Real-World Asset Tokens Regain Momentum
O Cenário Competitivo, Quem Está De Fato Construindo no Bittensor
O Bittensor não opera em isolamento. A convergência mais ampla entre IA e cripto produziu várias arquiteturas concorrentes, cada uma com uma tese diferente sobre como a IA descentralizada deve funcionar. Fetch.ai, SingularityNET e Ocean Protocol se fundiram em 2024 para formar a Artificial Superintelligence Alliance, criando um ecossistema de tokens combinado com um valor de mercado que brevemente superou US$ 3 bilhões.
A Gensyn adotou uma abordagem diferente, focando exclusivamente em computação verificável para treinamento de modelos, em vez de construir um marketplace completo. A Render Network continua dominando o mercado descentralizado de renderização de GPU, embora suas ambições em IA permaneçam mais limitadas.
O que diferencia o Bittensor desses concorrentes é a profundidade do mecanismo de incentivos. A maioria dos projetos de IA‑cripto usa recompensas em tokens como mecanismo de marketing: pagar desenvolvedores em tokens para construírem em sua plataforma. O Bittensor usa recompensas em tokens como o próprio mecanismo de produção: os tokens fluem diretamente para os modelos que produzem valor mensurável, não para os desenvolvedores que escreveram os modelos. Essa distinção é enormemente importante para a qualidade das saídas de IA que a rede consegue sustentar ao longo do tempo.
Ao contrário da maioria dos projetos de IA‑cripto que recompensam desenvolvedores por construírem em sua plataforma, o Bittensor recompensa os próprios modelos de IA por produzirem qualidade de saída mensurável, criando uma pressão de desempenho contínua que subsídios a desenvolvedores não conseguem replicar.
Uma análise publicada no arXiv em junho de 2025 examinou as propriedades de teoria dos jogos de vários designs de incentivos para IA descentralizada e constatou que o consenso yuma do Bittensor produziu a menor taxa de conluio entre validadores em ambientes simulados, em comparação com designs mais simples de alocação de recompensas.
O artigo observou que a eficácia do mecanismo depende criticamente de ter um conjunto de validadores suficientemente grande e diverso, condição que a mainnet do Bittensor atualmente satisfaz nas sub-redes maiores, mas que pode não ser satisfeita em sub-redes menores e nascentes.
Also Read: ASTEROID Token Rallies 14% While Retail Traders Chase Space-Themed Meme Coin Narrative
A Economia de Staking e Como o TAO Flui Pela Rede
Além da divisão de emissão entre mineradores e validadores, o Bittensor tem uma economia de staking sofisticada que molda como o TAO circula pela rede. Validadores precisam fazer stake de TAO para ganhar peso de voto no mecanismo de consenso. A quantia em stake determina a proporção de emissões que um validador pode distribuir, o que por sua vez determina quão atraente esse validador é para mineradores que buscam maximizar suas próprias recompensas.
Isso cria uma corrida de armamentos de staking que gradualmente concentra o poder de validação entre grandes detentores de TAO.
Para participar como delegador sem operar infraestrutura de validador, detentores de TAO podem delegar seu stake a validadores existentes por meio de um mecanismo que a comunidade chama de “hotkey delegation”. Delegadores compartilham a receita de emissão do validador proporcionalmente ao montante em stake, menos uma comissão que os validadores estabelecem de forma competitiva. Dados do Taostats explorer mostram que a delegação cresceu substancialmente ao longo de 2025 e início de 2026, com mais de 65% do TAO em circulação agora em stake, seja diretamente ou via delegação.
Mais de 65% da oferta circulante de TAO está atualmente em stake ou delegada, de acordo com dados on‑chain da Taostats, tornando o Bittensor uma das redes com maior taxa de participação em staking entre os criptoativos top‑50 por valor de mercado.
A dinâmica de staking também afeta diretamente a economia das sub‑redes. Donos de sub‑rede precisam travar TAO para registrar sua sub‑rede e manter seu status ativo. Se o stake de registro de uma sub‑rede cair abaixo do limite mínimo porque o preço do token sobe e a quantidade absoluta de TAO exigida permanece fixa, a sub‑rede corre o risco de ser desregistrada.
Isso cria um ciclo de feedback interessante: a alta do preço de TAO torna mais caro manter registros de sub‑rede, o que pode reduzir o número de sub‑redes ativas, a menos que o mecanismo de governança ajuste os limites de forma correspondente. A Opentensor Foundation indicou que custos de registro adaptativos estão no roteiro para a próxima grande atualização da rede.
Also Read: SkyAI Surges 106% In 24 Hours As AI Token Narrative Pulls Fresh Capital Into The Sector
Casos de Uso no Mundo Real e Quem Está de Fato Consumindo a IA do Bittensor
Uma crítica justa a se fazer sobre qualquer projeto de IA‑cripto é a questão do consumo: quem está realmente usando a IA que essas redes produzem? O mecanismo de incentivos é elegante em teoria, mas recompensas de emissão podem sustentar a produção mesmo quando não há consumidor final. Entender se as saídas do Bittensor estão sendo consumidas em aplicações reais é central para avaliar sua tese de captura de valor no longo prazo.
A evidência mais clara de consumo genuíno vem de sub‑redes com interfaces de API externas. A Corcel, uma startup construída sobre a infraestrutura do Bittensor, oferece uma API pública que roteia requisições de inferência de IA para mineradores do Bittensor e cobra clientes tanto em moeda fiduciária quanto em TAO. A Corcel relatou ter processado mais de 50 milhões de chamadas de API através da rede, atendendo clientes que incluem desenvolvedores independentes, pequenas startups de IA e instituições de pesquisa que buscam inferência com custo competitivo sem depender da infraestrutura da OpenAI ou da Anthropic.
A Corcel, o provedor de API externa mais visível do Bittensor, relatou mais de 50 milhões de chamadas de inferência roteadas pela rede, fornecendo evidência concreta de que o consumo por terceiros além da simples extração de emissões internas está ocorrendo em escala significativa.
O esforço colaborativo de pré‑treinamento da Subnet 9, conduzido pela Macrocosmos, produziu pesos de modelo abertamente disponíveis para download que pesquisadores externos usaram em tarefas posteriores de fine‑tuning. Esse é um ponto de dados significativo porque demonstra que as saídas do Bittensor podem atingir um patamar de qualidade que pesquisadores independentes consideram útil, não apenas um patamar que satisfaz validadores internos otimizando por emissões de tokens.
A capacidade da rede de sustentar essa barra de qualidade externa à medida que escala para mais sub‑redes será uma das questões empíricas mais importantes a acompanhar ao longo do restante de 2026.
Also Read: Coinbase's Base Ditches Optimistic Rollups, Bets $12B On ZK Proofs
Riscos, Vetores de Ataque e os Problemas Difíceis que o Bittensor Ainda Não Resolveu Totalmente
Nenhuma pesquisa sobre o Bittensor estaria completa sem uma avaliação rigorosa das vulnerabilidades conhecidas do protocolo e dos problemas ainda não resolvidos. Existem vários, e vale a pena explicitá‑los em vez de minimizá‑los.
O primeiro e mais persistente é o problema da Lei de Goodhart. Quando uma medida se torna um alvo, ela deixa de ser uma boa medida. Mineradores no Bittensor estão otimizando para as pontuações dos validadores, não para produzir IA que seja genuinamente útil para consumidores finais.
Em sub‑redes onde a pontuação dos validadores é opaca ou mal calibrada, mineradores podem aprender a manipular a função de pontuação sem melhorar a qualidade subjacente do modelo. Isso foi observado empiricamente em várias sub‑redes menores, onde mineradores implantaram modelos que maximizam a pontuação na distribuição específica de consultas que os validadores usam, ao mesmo tempo em que têm desempenho fraco em conjuntos de teste reservados.
Research on otimização adversarial em sistemas de IA baseados em incentivos, incluindo um artigo de 2024 publicado no arXiv, demonstra que agentes que otimizam por sinais de recompensa proxy rotineiramente aprendem comportamentos que satisfazem a métrica sem satisfazer o objetivo subjacente, um risco contra o qual os designers de sub-redes da Bittensor precisam se defender ativamente.
O segundo grande risco é a centralização de validadores. Como o peso do validador no consenso escala com o TAO em stake, e como o TAO se valorizou significativamente, o custo para se tornar um validador relevante aumentou de forma acentuada.
Dados do Taostats indicam que os 10 maiores validadores por participação controlam uma fatia desproporcional do peso de emissão em várias sub-redes principais. Se essa concentração continuar, a diversidade de perspectivas de pontuação que torna o consenso yuma robusto contra conluio pode erodir ao longo do tempo.
O terceiro risco é regulatório. A Securities and Exchange Commission não emitiu orientação específica sobre se o TAO constitui um valor mobiliário, mas a estrutura do token, em que deter TAO gera renda de emissão por meio de staking, compartilha características com contratos de investimento que reguladores têm alvo em ações de fiscalização anteriores.
A Opentensor Foundation estruturou o protocolo como software de código aberto em vez de um produto gerenciado, o que fornece alguma proteção jurídica, mas o ambiente regulatório para criptoativos adjacentes à IA nos Estados Unidos permanece genuinamente indefinido à medida que nos aproximamos de 2026.
Also Read: Trump's WLFI Strikes Back At Justin Sun With Defamation Lawsuit
Desempenho de Preço, Estrutura de Mercado e a Tese de Investimento em TAO
O TAO teve uma das trajetórias de preço mais interessantes entre os criptoativos top 50 nos últimos dois anos. De um preço abaixo de US$ 50 no início de 2024, o token disparou acima de US$ 700 no final de 2024, à medida que a narrativa de IA impulsionou simultaneamente capital institucional e de varejo para o setor. A correção subsequente puxou o TAO de volta para a faixa de US$ 200–US$ 300 ao longo de boa parte de 2025, e o token atualmente está em torno de US$ 282 no início de maio de 2026, com volume diário de negociação acima de US$ 260 milhões, indicando profundidade substancial de liquidez.
A estrutura de mercado em torno do TAO é significativamente diferente da maioria dos tokens top 50. Como mais de 65% da oferta está em staking, o float efetivo é bastante reduzido. Um influxo relativamente modesto de pressão compradora pode mover o preço de forma acentuada em qualquer direção.
Isso gera alta volatilidade em torno de eventos macro de notícias de IA: quando grandes laboratórios de IA anunciam avanços ou quando desenvolvimentos regulatórios ameaçam incumbentes de IA centralizados, o TAO tende a se mover com magnitude amplificada em relação ao mercado cripto mais amplo.
Com mais de 65% da oferta de TAO em staking e removida da circulação ativa, o float líquido efetivo é pequeno o suficiente para que US$ 100 milhões em pressão compradora líquida possam produzir movimentos de preço de dois dígitos em termos percentuais, um motor estrutural de volatilidade que os investidores devem considerar explicitamente.
A tese institucional para o TAO evoluiu. Compradores iniciais o enquadravam como uma aposta especulativa na convergência da narrativa IA–cripto. O interesse institucional mais recente, evidenciado pelo aparecimento de TAO em vários registros de fundos cripto e por análises de clusterização de carteiras on-chain da Nansen, o enquadra como uma participação em infraestrutura em uma cadeia de suprimento de IA descentralizada que poderia fornecer concorrência significativa a provedores centralizados de inferência à medida que a comoditização de modelos se acelera. Se essa tese vai se provar correta depende de a qualidade de output da rede continuar melhorando e de o consumo externo crescer mais rápido do que a “farming” de emissões interna. Ambas as condições atualmente caminham na direção certa, embora nenhuma seja garantida.
Read Next: LUNC Price Climbs 6.5% While Terra Luna Classic Community Targets Higher Burns
Conclusão
O surgimento da Bittensor como uma rede de US$ 2,7 bilhões representa algo genuinamente novo tanto na indústria de IA quanto no ecossistema cripto. Ela construiu um mercado funcional para inteligência de máquina que opera sem um controlador corporativo, precifica outputs de IA em tempo real por meio de um mecanismo de consenso e distribui recompensas econômicas para contribuidores com base em desempenho mensurável, em vez de propriedade acionária ou contratos de trabalho. Essas propriedades são arquitetonicamente significativas independentemente do que o preço do TAO fará no próximo trimestre.
A expansão do protocolo para 64 sub-redes o transformou de um experimento de tarefa única em um mercado de IA diversificado, com cada sub-rede desenvolvendo sua própria lógica de validação adequada à natureza de sua tarefa.
Os desafios que permanecem são reais: exploração da Lei de Goodhart em sub-redes mal projetadas, centralização gradual de validadores e uma postura regulatória não resolvida nos Estados Unidos representam riscos materiais que investidores e desenvolvedores devem ponderar com cuidado. Nenhum deles é exclusivo da Bittensor, mas nenhum é trivial.
O que a trajetória da Bittensor até 2026 testará, em última instância, é se um mecanismo de produção totalmente descentralizado consegue sustentar qualidade de output de IA em escala sem as vantagens de coordenação de que laboratórios centralizados desfrutam. As evidências empíricas dos dados de consumo de API da Corcel e dos pesos de modelos baixados publicamente da Macrocosmos sugerem que ela pode atingir um patamar de qualidade útil. Se conseguirá alcançar um patamar de qualidade de fronteira, que a torne competitiva com os outputs dos laboratórios de IA mais bem financiados do mundo, permanece a questão em aberto que definirá o próximo capítulo do protocolo.