Score

O que é o Score?

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

O problema que ele aborda não é “cômputo de IA” genérico, mas sim o gargalo mais estreito e comercialmente relevante da anotação de vídeo: converter grandes volumes de filmagens brutas em rótulos precisos com rapidez e custo suficientes para serem úteis em análise esportiva, monitoramento de segurança, operações de varejo, logística e outros ambientes intensivos em câmeras.

Sua alegada vantagem competitiva é a combinação do mercado de incentivos miner–validador do Bittensor com métodos de validação leves, incluindo filtragem de frames, verificações de campo/pontos‑chave, testes geométricos ao estilo homografia e verificação semântica baseada em CLIP, desenhados para evitar o custo de reexecutar a inferência de visão completa em cada frame enviado.

O próprio repositório GitHub do projeto descreve o Score Vision como um framework de visão computacional descentralizada focado inicialmente em Game State Recognition no futebol, enquanto a atual página do subnet Bittensor caracteriza o sn44 como um framework no qual miners processam vídeo localmente e validators pontuam os resultados por meio de verificações visuais e geométricas híbridas. (github.com)

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

No fim de junho de 2026, telas de mercado público colocavam o Score na faixa de mid‑cap entre os tokens de subnets Bittensor líquidos, em vez de entre as maiores redes cripto; o rastreamento recente do CoinGecko mostrava o Score classificado por volta da faixa dos 500 em capitalização de mercado de criptomoedas, 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 staking em um determinado momento, 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 comparativamente 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?

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

A presença corporativa do projeto lista Score - Subnet 44 como fundado em 2024 e sediado em Nova York, enquanto o registro do subnet no Bittensor mostra o sn44 registrado on‑chain em setembro de 2024. A atribuição de fundadores varia ligeiramente entre os materiais públicos, mas os nomes mais consistentes são Maxime Sebti, Tim Kalic e Nigel Grant; a documentação 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 mais tarde se tornando uma interface comercial visível construída sobre o subnet. (linkedin.com)

A narrativa do projeto mudou de forma significativa desde o lançamento. Os primeiros materiais comunitários sobre o Score eram mais próximos de previsão esportiva, análise esportiva e onboarding da 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 tarefa para redes de câmeras do mundo real.

A tese de Game State Recognition no futebol continua importante porque filmagens esportivas oferecem dados rotulados densos e de alto valor e um mercado comercial claro, mas o enquadramento mais recente da Manako desloca o Score para 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 dispositivos de borda. 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 tornou 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 no Subtensor L1 do Bittensor, em que o “consenso” relevante para o Score é o processo de Yuma Consensus ponderado por stake do Bittensor, e não um mecanismo autônomo 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 dados pelos validators, com clipping ponderado por stake projetado para reduzir pontuações colusivas ou pouco confiáveis. Para o sn44, isso significa que o modelo de segurança é herdado em parte da chain do Bittensor e em parte depende de se os validators do Score conseguem 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 localmente detecção de objetos, rastreamento ou inferência de modelos especializados; validators amostram e avaliam as saídas dos miners; e o proprietário do subnet mantém o design das tarefas, parâmetros de incentivos e a saúde geral da rede.

A característica distintiva é a abordagem de validação. Em vez de validar cada frame com inferência de modelo completo e cara, o Score usa frames filtrados, verificações semânticas, plausibilidade de pontos‑chave e 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 jogador‑bola, extração de linhas do campo e segmentos de partida de 30 segundos; materiais mais novos enfatizam distilação de modelos e habilidades de visão leves, implantáveis em dispositivos de borda. Isso é tecnicamente plausível, mas cria uma tensão central: quanto mais o Score se expande para tarefas de visão corporativa arbitrárias, mais difícil se torna manter um único regime de validação robusto, e mais o subnet passa a depender de um design cuidadoso de benchmarks em vez de simplesmente adicionar mais miners. (github.com)

Quais são os tokenomics do sn44?

sn44 é um token alfa sob o modelo Dynamic TAO do Bittensor, portanto sua mecânica de oferta e valor difere de um ERC‑20 convencional com uma tabela de alocação fixa. O FAQ do Dynamic TAO do Bittensor afirma que cada token alfa de subnet tem um hard cap de 21 milhões e segue um cronograma de halving, enquanto a documentação de emissões explica que tokens alfa específicos de subnets são emitidos para miners, validators, stakers e criadores do subnet. No fim de junho de 2026, páginas de mercado de terceiros indicavam aproximadamente 4–5 milhões de SN44 em circulação e uma capitalização de mercado na faixa de 30 e poucos a 40 e poucos milhões de dólares, enquanto o snapshot de ativos fornecido pelo usuário colocava a capitalização de mercado em torno de US$ 42,4 milhões e o token na faixa de dígitos únicos altos em dólares. Estruturalmente, o sn44 é inflacionário até que as emissões diminuam por meio dos halvings e a oferta se aproxime do teto; ele não é primariamente um modelo de token de queima, embora custos de registro no Bittensor e mecanismos em nível de protocolo possam afetar os fluxos TAO/alfa relacionados à participação em subnets. docs.learnbittensor.org

A captura de valor vem da demanda por staking, da economia miner–validator e da avaliação do mercado sobre 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 alfa desse subnet e aplica esse alfa em stake a um validator; o valor de saída então depende da razão alfa‑para‑TAO no pool no momento do unstaking. A documentação de emissões do Bittensor de junho de 2026 é importante porque diz que a rede havia retornado a 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 dos tokens de subnets e suas médias móveis voltam a influenciar a fatia de emissões.

Para o Score especificamente, o snapshot de fim de junho em Bittensor.ai mostrava uma parte de 18% para o proprietário e emissões divididas entre miners, validators/stakers e o owner, com um APY de staking exibido muito alto que deve ser interpretado como um output volátil de emissões, e não como um yield estável. Em termos econômicos, holders de sn44 estão subscrevendo um sistema reflexivo: modelos úteis e demanda externa podem justificar entradas de stake e emissões, mas emissões sem demanda pagante em taxas podem diluir holders e recompensar rotação de capital de curto prazo em vez de utilidade de rede duradoura. (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 saídas 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 no subnet. Os materiais públicos da Score identificam análise esportiva, transmissão, 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 incêndios e monitoramento de postos de combustível.

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

O sinal de adoção mais concreto voltado a 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 se apoiaria no Business Operations World Model da Manako, com tecnologia da Score - Subnet 44, para ajudar organizações a transformar redes de câmeras existentes em sistemas de inteligência operacional. Em junho de 2026, uma matéria do CryptoBriefing distribuída pela KuCoin informou que a Manako havia lançado uma plataforma de agentes de IA de visão alimentada pela Score Subnet 44 da Bittensor, com interface no-code, modelos executáveis em CPU, processamento em edge, 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 empresarial. Uma leitura cética é que a Score tem uma distribuição promissora por meio de canais de consultoria próximos à Manako e 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 analisadas, um processo ativo de regulador especificamente contra a Score ou a sn44, mas a sn44 herda a incerteza mais ampla em torno de TAO, tokens de subnets da Bittensor, staking e ativos digitais movidos por emissões. O formulário S-1 do Bittensor Trust da Grayscale discute explicitamente o risco de que a TAO possa ser considerada um valor mobiliário e observa que a SEC ou um tribunal podem adotar uma visão contrária, mesmo quando o patrocinador considera que TAO não é um valor mobiliário. Isso importa para a sn44 porque os tokens alfa são ainda mais estreitamente 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 Bittensor.ai mostrava apenas nove validadores na sn44 em seu snapshot de final de junho, uma fatia de 18% para o owner, configurações de commit-reveal e liquid-alpha desativadas e um rótulo de saúde que descrevia o subnet como abandonado, além de não exibir commits no GitHub nos 30 dias anteriores e um último commit aproximadamente 200 dias antes. Alguns desses rótulos podem atrasar em relação ao desenvolvimento off-chain, mas investidores institucionais devem tratar concentração de validadores, discricionariedade do owner, repositórios obsoletos e governança opaca de tarefas como itens relevantes 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 fornecedores de dados esportivos ao estilo Opta, stacks analíticos de clubes, sistemas de rastreamento de transmissão e provedores especializados de visão computacional que não precisam de incentivos cripto. Em visão para empresas, ela compete com plataformas de IA em nuvem, fornecedores de edge-AI, ferramentas ao estilo Roboflow, modelos open-source e soluções proprietárias verticais embutidas em softwares de segurança, varejo, logística e indústria. O modelo de subnet descentralizado pode ser uma vantagem de custo e descoberta de talentos se ele de fato conseguir captar modelos melhores, mas também pode ser mais lento para se transformar em produto do que um fornecedor centralizado com loops diretos de feedback de clientes, acordos de nível de serviço, equipes de compras 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 atividade no subnet e output economicamente útil. medium.com

Qual É a Perspectiva Futura para a Score?

A perspectiva da Score depende menos do desempenho de preço e mais da capacidade de converter um nicho técnico crível em infraestrutura comercial recorrente.

O roadmap verificado nos materiais públicos do GitHub delineou uma sequência para 2025, partindo de Game State Recognition e validação baseada em VLM até o deployment em mainnet, validação com humanos no loop, dashboards, detecção de ações, legendagem de eventos, APIs de integração, esportes adicionais, ferramentas para desenvolvedores e aplicações cross-domain.

Em meados de 2026, a narrativa pública havia avançado em direção à inteligência de câmeras para empresas com tecnologia Manako e à destilação de pequenos modelos específicos de 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: renovação do desenvolvimento open-source, telemetria mais clara de validadores e miners, benchmarks de modelos auditados, documentação pública de APIs, evidências de workloads pagas e um framework de validação robusto para tarefas fora do 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 semelhantes conseguirem, de forma consistente, direcionar problemas reais de visão empresarial para a sn44, aferir os outputs dos miners, implantar modelos compactos na edge e demonstrar vantagens de custo ou acurácia sobre 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 na especulação com subnets da Bittensor, com pouca separação entre a liquidez do token e o real product-market fit. Nenhuma previsão de preço é justificável; a questão relevante é se a sn44 conseguirá sustentar validação de alta qualidade, descentralizar o controle e transformar dados de câmeras em infraestrutura demandada externamente antes que plataformas centralizadas de visão fechem a diferença de custo-eficiência.