Üç yıl önce Bittensor (TAO), esas olarak makine öğrenimi araştırma kanallarında ve ücra kripto forumlarında tartışılan, teknik bir merak konusuydu.
Bugün 2,7 milyar doların üzerinde piyasa değerine sahip, 64 aktif alt ağa ev sahipliği yapıyor ve blokzincir endüstrisinde yapay zekâ üretimini herkesin katılabildiği bir piyasa malına dönüştürmeye yönelik muhtemelen en iddialı girişimi temsil ediyor. Çoğu kripto gözlemcisinin hâlâ tam olarak ne yaptığını açıklamakta zorlanması ise birçok açıdan işin özünü oluşturuyor.
Ağ, merkezi bir yapay zekâ laboratuvarı olmadan, tescilli bir veri merkezi olmadan ve tek bir kontrol eden kurumsal varlık olmadan büyüdü. Bunun yerine, makine öğrenimi modellerinin yeni basılan TAO tokenleri için birbirleriyle rekabet ettiği, doğrulayıcıların çıktıları puanlayıp ödülleri buna göre tahsis ettiği yeni bir teşvik mimarisi üzerinde çalışıyor.
Teoride basit, pratikte ise gerçekten karmaşık olan bu mekanizma, bu yazının en baştan itibaren irdelediği şey.
TL;DR
- Bittensor, makine öğrenimi modellerinin bir doğrulayıcı ağına sağladıkları ölçülebilir bilgi değeri üzerinden TAO ödülleri kazandığı merkeziyetsiz bir yapay zekâ pazarı işletir.
- Protokol, tek parça bir ağdan, metin üretiminden protein katlanmasına ve finansal tahmine kadar farklı yapay zekâ görevlerini hedefleyen 64 uzmanlaşmış alt ağa genişlemiştir.
- 2,7 milyar dolarlık piyasa değeri ve 260 milyon doları aşan günlük işlem hacmiyle TAO, en likit yapay zekâ temalı kripto varlıklarından biri haline gelmiştir; yine de değerleme dinamikleri çoğu piyasa katılımcısı tarafından zayıf anlaşılmaktadır.
Bittensor Aslında Nedir ve Neden Anlatması Zordur?
Bittensor'un hâlâ yeterince analiz edilmemesinin en büyük nedeni, mevcut hiçbir kripto kategorisine tam olarak uymamasıdır. İşlem hacmiyle Ethereum (ETH) ile rekabet eden bir katman-1 blokzincir değildir. Sermaye verimliliğini optimize eden bir DeFi protokolü değildir. Bir NFT platformu ya da meme coin de değildir. En isabetli ifadeyle, bir substrate blokzinciri üzerine inşa edilmiş, makine zekâsı için merkeziyetsiz bir pazardır.
Jacob Robert Steeves ve Ala Shaabana tarafından yazılan ve ilk kez 2021'de dolaşıma giren orijinal teknik doküman, temel sorunu son derece net bir biçimde ortaya koyar. Yapay zekâ geliştirme; eğitim verilerini, hesaplama altyapısını ve model dağıtımını aynı anda kontrol eden az sayıda dikey entegre şirket tarafından domine edilmektedir.
Bu yoğunlaşma, yapay zekâ tarafından üretilen ekonomik değerin neredeyse tamamen bu yapılarda toplanması anlamına gelir. Bittensor'un önerdiği çözüm, yapay zekâ üretim yığınını ayrık katkılara bölmek ve her birini blokzincir yerel bir token ile fiyatlamaktır.
Bittensor'un teknik dokümanı, zekânın bant genişliği veya hesaplama gücü gibi, doğru teşvik rayları kurulduğunda piyasalar tarafından etkin şekilde fiyatlanabilecek bir emtia olarak ele alınması gerektiğini açıkça savunur.
Bittensor'un kullandığı substrate blokzinciri, Polkadot'un Substrate çerçevesi ile inşa edilmiştir; bu da ona modüler bir çalışma zamanı kazandırır ve sert çatallara gerek kalmadan yönetişim güncellemelerine izin verir. Ağdaki doğrulayıcılar, madencilerin (makine öğrenimi modelleri çalıştıranlar) çıktısını değerlendirmek için puanlama fonksiyonları çalıştırırlar. Doğrulayıcı mutabakatı, yeni basılan TAO'nun her katılımcıya nasıl akacağını belirler.
Kritik nokta, puanlamanın keyfi olmamasıdır: Kötü modelleri ödüllendirmek için birlikte hareket eden doğrulayıcılar, ekip tarafından teknik dokümanlarda resmen detaylandırılan yuma consensus adı verilen bir mekanizma aracılığıyla bizzat cezalandırılırlar.
Ayrıca Oku: Hyperliquid’s HYPE Token Near $41 With $9.7B Market Cap And Active DEX Volume
Yuma Consensus Motoru ve Madenciler Nasıl Ödeme Alıyor?
Bittensor'un ödül mantığını anlamak, yuma consensus'u anlamayı gerektirir; zira bu mekanizma, ağı daha basit iş kanıtı veya hisse kanıtı tasarımlarından ayıran temel unsurdur. Çözdüğü esas zorluk şudur: Doğrulayıcılar madencilere serbestçe ağırlık verebildiğinde, belirli madencilerle iş birliği yapıp orantısız ödülleri ele geçirme yönünde güçlü teşviklere sahip olurlar. Yuma consensus, doğrulayıcı teşviklerini, kendi ödüllerini ağ çapındaki medyan değerlendirmeye ne kadar iyi uyum sağladıklarına bağlı kılarak hizalar.
Pratikte, düşük kaliteli bir madenciyi sürekli yüksek notlayan bir doğrulayıcı, ağın üzerinde uzlaştığı medyan ağırlık matrisinden giderek uzaklaşır.
Bu sapma, doğrulayıcının emisyon payını düşürür. Resmi mekanizma, ödül azalmasının büyüklüğünün, mutabakattan uzaklıkla ölçeklendiği bir ceza fonksiyonu tanımlar. Bu durum, herhangi bir merkezi hakem gerektirmeden dürüst değerlendirmeye yönelik kendini düzelten bir baskı yaratır.
Yuma consensus kapsamında, doğrulayıcılar, ağırlık atamalarının ağın mutabakat ağırlık matrisinden saptığı her birim mesafe için daha az TAO kazanır ve bu da doğrulayıcı gelirini doğrudan değerlendirme dürüstlüğüne bağlar.
Madenciler ise yalnızca çıktı kalitesi üzerinden rekabet eder. Metin üretim alt ağında bir dil modeli çalıştıran bir madenci, bir doğrulayıcıdan bir sorgu alır, bir yanıt döndürür ve doğrulayıcı bu yanıtı kendi iç kalite kıstasına göre puanlar.
Bir madencinin tüm doğrulayıcılar genelinde topladığı toplam puan, her blokta emisyon ağırlığını belirler. Çekirdek kod tabanını sürdüren kâr amacı gütmeyen Opentensor Foundation, tam protokol yığınını açık kaynaklı hale getirmiştir; bu da herkesin emisyonların tam olarak nasıl hesaplandığını inceleyebileceği anlamına gelir.
Ayrıca Oku: Bitget CFD Volume Hits $8B Daily As Gold Drives 95% Of Gain
Tek Bir Ağdan 64 Alt Ağa: Her Şeyi Değiştiren Mimari Dönüşüm
İlk Bittensor ağı, dil modeli zekâsına odaklanan tek bir alt ağdan oluşuyordu. Her madenci bir metin tamamlama modeli çalıştırıyor ve doğrulayıcılar çıktıları birbirlerine göre puanlıyordu. Bu tasarım, konsept kanıtı olarak işe yaradı ancak kritik bir darboğaz yarattı: Ağ, aynı anda yalnızca tek tür yapay zekâ görevi için optimize edilebiliyordu ve baskın görev, en fazla hesaplama gücünü devreye alanlarca belirleniyordu.
2023 sonu itibarıyla bir dizi yönetişim önerisiyle tanıtılan alt ağ mimarisi, bunu kökten yeniden yapılandırdı.
Tek bir küresel yarışma yerine, protokol artık her birinin kendi doğrulayıcı kümesi, kendi puanlama fonksiyonu ve kendi emisyon tahsisi olan, mantıksal olarak bağımsız 1.024 alt ağa kadar destek veriyor. Alt ağlar, bir kayıt mekanizması yoluyla küresel TAO emisyonundan pay almak için teklif veriyor ve alt ağ işletmecileri madencilerinin uyması gereken kuralları tanımlıyor.
Mayıs 2026 itibarıyla, Bittensor ana ağında 64 aktif alt ağ çalışıyor; bunlar merkeziyetsiz depolamadan finansal zaman serisi tahminine, protein yapı tahmininden dağıtık metinden görsele üretime kadar değişen görevleri kapsıyor.
Bu dönüşümün ekonomik sonuçları ciddi boyutta. Her alt ağ, belirli bir tür zekâ için fiilen bir mikro pazar niteliğinde. Alt Ağ 1, orijinal metin istemleme ağı olmaya devam ediyor. Macrocosmos tarafından işletilen Alt Ağ 9, büyük dil modellerinin iş birliğine dayalı ön eğitimine odaklanıyor. Omega Labs tarafından yürütülen Alt Ağ 21 ise çoklu ortam verisini bir araya getiriyor. Görev çeşitliliği, TAO emisyonunun artık tek model mimarinin destekleyebileceğinden çok daha geniş bir yapay zekâ katkıcısı kitlesine akması anlamına geliyor. Electric Capital'in geliştirici raporu, Bittensor'u son 18 ayda kriptodaki en hızlı büyüyen geliştirici ekosistemlerinden biri olarak takip ediyor; protokolün GitHub depolarına aylık aktif katkıda bulunan sayısı yıldan yıla %200'ün üzerinde artmış durumda.
Ayrıca Oku: Pudgy Penguins’ PENGU Token Holds $616M Market Cap Despite 2% Pullback
TAO Tokenomikleri ve Bitcoin Benzeri Emisyon Takvimi
Bittensor'un token tasarımı, Bitcoin (BTC)'in arz mimarisinden kasıtlı olarak esinlenir ve bu paralellik yüzeysel değildir. TAO'nun 21 milyon tokenlik sert bir arz sınırı vardır. Emisyon takvimi yaklaşık her dört yılda bir yarılanır; en son yarılanma 2025 sonlarında gerçekleşmiş ve günlük emisyonu yaklaşık 7.200 TAO'dan 3.600 TAO civarına düşürmüştür.
Bu deflasyonist arz yörüngesi, protokol tasarımcılarının, yapay zekâ hizmetlerine olan talep arttıkça tokenin değer kazanmasını beklediği temel unsurdur.
Yazım sırasında TAO, yaklaşık 2,7 milyar dolarlık dolaşımdaki piyasa değeriyle yaklaşık 282 dolar seviyesinden işlem görüyor.
Dolaşımdaki toplam arz yaklaşık 8,9 milyon TAO civarındadır; bu da maksimum arzın yaklaşık %42'sinin basılmış olduğu anlamına gelir. Yarılanma sonrası emisyon hızı, yeni TAO basımının artık o kadar yavaş olduğu anlamına gelir ki, talepteki mütevazı artışlar bile fiyat üzerinde anlamlı yukarı yönlü baskı yaratır.
TAO'nun yarılanma sonrası günlük yaklaşık 3.600 tokenlik emisyonu, mevcut fiyatlarla piyasaya giren yıllık yeni arzın 370 milyon doların altında olduğu anlamına gelir; bu, yüz milyonlarca dolarlık günlük işlem hacmi üreten bir protokol için nispeten sıkı bir ihraç oranıdır.
Emisyon üç paydaş kategorisine bölünür. Madenciler, her bloğun emisyonunun %41'ini alır. Doğrulayıcılar %41 alır. Kalan %18 ise alt ağlarını kaydettirmek için TAO stake eden alt ağ sahiplerine gider. Bu üçlü bölüşüm, üç rolün de aynı anda ekonomik olarak sürdürülebilir kalmasını sağlamak üzere tasarlanmıştır. Kaliteli madenci çekemeyen alt ağ işletmecileri, yatırımlarına rağmen emisyon faydası elde edemez; bu da doğrudan bir teşvik oluşturur. AI görevlerinin gerçekten faydalı olmasına yönelik teşvik, yalnızca ücret toplayan boş alt ağlar oluşturmak yerine.
Also Read: Toncoin Gains 5% With $3.8B Market Cap While Telegram Ecosystem Activity Expands
Doğrulayıcılar Yapay Zekâ Çıktısını Gerçekte Nasıl Puanlıyor, Teknik Gerçeklik
Teknik gözlemcilerden Bittensor’a yönelik en yaygın eleştirilerden biri, puanlama probleminin zor olmasıdır. Bir doğrulayıcı, gerçek etiketlere erişimi olmadan bir dil modelinin çıktısının diğerinden daha iyi olup olmadığını nasıl bilebilir?
Bu önemsiz bir soru değildir ve protokolün farklı alt ağları, optimize ettikleri yapay zekâ görevinin doğasına bağlı olarak gerçekten farklı yanıtlar geliştirmiştir.
Metin tabanlı alt ağlarda doğrulayıcılar genellikle referans model puanlaması ve insan tercih vekillerinin bir kombinasyonunu kullanır. Subnet 1’i çalıştıran bir doğrulayıcı, bir sorguyu birden çok madenciye iletip yanıtları toplayabilir ve ardından bu yanıtları kendi dahili referans modeliyle puanlayabilir. Puanlar görelidir: çıktısı medyan madenciden daha iyi bulunan bir madenci pozitif puan alır.
Ön eğitim odaklı Subnet 9’da doğrulama daha nesneldir: doğrulayıcılar, bir madencinin gönderdiği model ağırlıklarının, ayrılmış bir değerlendirme veri kümesi üzerindeki ihtimaliyet (perplexity) değerini gerçekten iyileştirip iyileştirmediğini değerlendirir; bu ölçülebilir ve yeniden üretilebilir bir kıstastır.
Protein yapı tahmini veya matematiksel ispat üretimi gibi doğrulanabilir çıktılara odaklanan alt ağlar, deterministik doğrulama fonksiyonları kullanabilir ve bu da onları, tamamen öznel metin kalitesi alt ağlarına kıyasla doğrulayıcı iş birliğine (collusion) karşı daha dayanıklı kılar.
Diğer bazı alt ağlar, toplulukta “iş kanıtı (proof of work)” tarzı doğrulama olarak adlandırılan bir yaklaşımı benimsemiştir; burada çıktı, harcanan hesaplama çabasına dair kriptografik kanıtı bizzat içerir. Bu, özellikle dağıtık eğitim odaklı alt ağlar için önemlidir; madencilerin gönderdiği gradyan güncellemeleri, doğrulanabilir hesaplama araştırmalarından alınan teknikler kullanılarak dürüstçe hesaplanıp hesaplanmadığı açısından doğrulanabilir. Alt ağlar arasında doğrulama mekanizmalarındaki çeşitlilik bir kusur değil, bir özelliktir: protokolün, her bir yapay zekâ görevinin özgül doğrulama özelliklerine uygun puanlama mantığına uyum sağlayabilmesini mümkün kılar.
Also Read: Ondo Finance Jumps 13% While Real-World Asset Tokens Regain Momentum
Rekabet Ortamı, Bittensor Üzerinde Gerçekte Kimler İnşa Ediyor
Bittensor tek başına faaliyet göstermiyor. Daha geniş AI-kripto yakınsaması, merkeziyetsiz yapay zekânın nasıl çalışması gerektiğine dair farklı tezlere sahip birkaç rakip mimari ortaya çıkardı. Fetch.ai, SingularityNET ve Ocean Protocol, 2024’te Artificial Superintelligence Alliance’ı oluşturmak üzere birleşti ve kısa bir süreliğine 3 milyar doları aşan piyasa değerine sahip birleşik bir token ekosistemi yarattı.
Gensyn farklı bir yaklaşım benimsedi; tam bir pazar yeri inşa etmek yerine yalnızca model eğitimi için doğrulanabilir hesaplamaya odaklanıyor. Render Network, merkeziyetsiz GPU işleme pazarına hâkim olmaya devam ediyor; ancak yapay zekâya yönelik hedefleri daha sınırlı kalıyor.
Bittensor’u bu rakiplerden ayıran şey, teşvik mekanizmasının derinliğidir. Çoğu AI-kripto projesi token ödüllerini bir pazarlama mekanizması olarak kullanır: geliştiricilere, platformumuz üzerinde inşa etmeleri için token ödeyelim. Bittensor ise token ödüllerini bizzat üretim mekanizması olarak kullanır: tokenlar doğrudan ölçülebilir değer üreten modellere akar, bu modelleri yazan geliştiricilere değil. Bu ayrım, ağın uzun vadede sürdürebileceği yapay zekâ çıktılarının kalitesi açısından son derece önemlidir.
Platformlarında geliştirme yapan geliştiricileri ödüllendiren çoğu AI-kripto projesinin aksine, Bittensor ölçülebilir çıktı kalitesi üreten yapay zekâ modellerini bizzat ödüllendirir ve geliştirici hibeleriyle kopyalanamayacak sürekli bir performans baskısı yaratır.
Haziran 2025’te arXiv’de yayımlanan bir analiz, çeşitli merkeziyetsiz yapay zekâ teşvik tasarımlarının oyun-teorik özelliklerini inceledi ve Bittensor’un yuma mutabakatının, simüle edilmiş ortamlarda, daha basit ödül dağıtım tasarımlarına kıyasla en düşük doğrulayıcı iş birliği (collusion) oranını ürettiğini ortaya koydu.
Makale, mekanizmanın etkinliğinin, yeterince büyük ve çeşitli bir doğrulayıcı setine sahip olmaya kritik derecede bağlı olduğunu vurguladı; bu koşul, Bittensor ana ağında daha büyük alt ağlar için hâlihazırda sağlanırken, daha küçük ve emekleme aşamasındaki alt ağlar için sağlanamayabilir.
Also Read: ASTEROID Token Rallies 14% While Retail Traders Chase Space-Themed Meme Coin Narrative
Staking Ekonomisi Ve TAO’nun Ağ İçinde Nasıl Aktığı
Madenci-doğrulayıcı ihraç (emission) bölüşümünün ötesinde, Bittensor’un TAO’nun ağ içinde nasıl dolaştığını şekillendiren sofistike bir staking ekonomisi vardır. Doğrulayıcılar, mutabakat mekanizmasında oy ağırlığı kazanmak için TAO stake etmek zorundadır. Stake edilen miktar, bir doğrulayıcının dağıtabileceği ihraç payını ve dolayısıyla kendi ödüllerini maksimize etmek isteyen madenciler için o doğrulayıcının ne kadar cazip olduğunu belirler.
Bu durum, zamanla doğrulayıcı gücünü büyük TAO sahipleri arasında yoğunlaştıran bir staking silahlanma yarışına yol açar.
Doğrulayıcı altyapısı çalıştırmadan delegatör olarak katılmak için TAO sahipleri, toplulukta “hotkey delegation” olarak adlandırılan bir mekanizma aracılığıyla stake’lerini mevcut doğrulayıcılara devredebilir. Delegatörler, stake ettikleri miktarla orantılı şekilde, doğrulayıcının ihraç gelirinden pay alır; doğrulayıcılar ise rekabetçi biçimde belirledikleri bir komisyon kesintisi uygular. Taostats explorer verileri, delegasyonun 2025 boyunca ve 2026’ya kadar önemli ölçüde arttığını ve dolaşımdaki TAO’nun %65’ten fazlasının artık doğrudan ya da delegasyon yoluyla stake edilmiş olduğunu gösteriyor.
Taostats’in zincir üstü verilerine göre, dolaşımdaki TAO arzının %65’ten fazlası şu anda stake edilmiş veya devredilmiş durumda ve bu da Bittensor’u, piyasa değerine göre ilk 50 kripto varlık arasında en yüksek staking katılım oranına sahip ağlardan biri yapıyor.
Staking dinamiği, alt ağ ekonomilerini de doğrudan etkiler. Alt ağ sahiplerinin, alt ağlarını kaydetmek ve aktif statülerini sürdürmek için TAO kilitlemeleri gerekir. Gerekli mutlak TAO miktarı sabit kaldığı hâlde token fiyatları yükseldiği için bir alt ağın kayıt stake’i minimum eşik değerin altına düşerse, alt ağ kaydının silinmesi riski doğar.
Bu durum ilginç bir geri besleme döngüsü yaratır: TAO fiyatlarındaki artış, alt ağ kayıtlarını sürdürmeyi daha pahalı hâle getirir; bu da yönetişim mekanizması eşikleri buna uygun şekilde ayarlamadığı sürece aktif alt ağ sayısını azaltabilir. Opentensor Foundation, uyarlanabilir kayıt maliyetlerinin ağın bir sonraki büyük yükseltmesi için yol haritasında yer aldığını belirtmiştir.
Also Read: SkyAI Surges 106% In 24 Hours As AI Token Narrative Pulls Fresh Capital Into The Sector
Gerçek Dünya Kullanım Alanları Ve Bittensor’un Yapay Zekâsını Gerçekte Kimler Tüketiyor
Herhangi bir AI-kripto projesine yönelik adil bir sorgu, tüketim sorusudur: bu ağların ürettiği yapay zekâyı gerçekte kim kullanıyor? Teşvik mekanizması teoride zariftir; ancak ihraç ödülleri, hiçbir nihai tüketici olmadığı durumlarda bile üretimin sürmesini sağlayabilir. Bittensor’un çıktılarının gerçek uygulamalarda tüketilip tüketilmediğini anlamak, uzun vadeli değer birikimi tezini değerlendirmek açısından merkezî önemdedir.
Gerçek tüketimin en net kanıtı, haricî API arayüzüne sahip alt ağlardan gelir. Bittensor altyapısı üzerinde inşa edilmiş bir girişim olan Corcel, Bittensor madencilerine yapay zekâ çıkarım (inference) istekleri yönlendiren ve müşterilerden hem itibari para hem TAO tahsil eden herkese açık bir API sunuyor. Corcel, OpenAI veya Anthropic altyapısına bel bağlamak istemeyen bağımsız geliştiriciler, küçük yapay zekâ girişimleri ve maliyet açısından rekabetçi çıkarım arayan araştırma kurumlarını kapsayan müşteri tabanına, ağ üzerinden 50 milyonun üzerinde API çağrısı işlediğini bildirmiştir.
Bittensor’un en görünür haricî API sağlayıcısı olan Corcel, ağ üzerinden yönlendirilen 50 milyondan fazla çıkarım çağrısı bildirmiş olup, içsel ihraç çiftçiliğinin ötesinde üçüncü taraf tüketimin anlamlı ölçekte gerçekleştiğine dair somut kanıt sunuyor.
Macrocosmos tarafından yürütülen Subnet 9’un işbirlikçi ön eğitim çalışması, aşağı akış ince ayar görevlerinde haricî araştırmacıların kullandığı açıkça indirilebilir model ağırlıkları üretmiştir. Bu, önemli bir veri noktasıdır; çünkü Bittensor’un çıktılarının, yalnızca token ihraçlarını maksimize etmeye çalışan dahili doğrulayıcıları değil, bağımsız araştırmacıların da faydalı bulduğu bir kalite eşiğine ulaşabildiğini gösterir.
Ağın, daha fazla alt ağa ölçeklenirken bu haricî kalite çıtasını sürdürebilme kabiliyeti, 2026’nın geri kalanında takip edilecek en önemli ampirik sorulardan biri olacaktır.
Also Read: Coinbase's Base Ditches Optimistic Rollups, Bets $12B On ZK Proofs
Riskler, Saldırı Vektörleri Ve Bittensor’un Henüz Tam Çözmediği Zor Problemler
Bittensor üzerine yapılacak hiçbir araştırma yazısı, protokolün bilinen zafiyetleri ve çözülmemiş problemlerine dair ciddi bir değerlendirme olmadan tamamlanmış sayılmaz. Bunlardan birkaç tane vardır ve bunları küçümsemek yerine doğrudan ifade etmeye değer.
İlki ve en kalıcısı, Goodhart Yasası problemidir. Bir ölçüt hedef hâline geldiğinde, iyi bir ölçüt olma özelliğini yitirir. Bittensor üzerindeki madenciler, nihai tüketiciler için gerçekten faydalı yapay zekâ üretmek yerine doğrulayıcı puanlarını maksimize etmeye çalışırlar.
Doğrulayıcı puanlamasının opak veya zayıf kalibre edildiği alt ağlarda madenciler, temel model kalitesini iyileştirmeden, puanlama fonksiyonunu oyunlaştırmayı öğrenebilirler. Bu durum, doğrulayıcıların kullandığı belirli sorgu dağılımında puanları maksimize eden, ancak ayrılmış test setlerinde kötü performans gösteren modellerin devreye alındığı birkaç küçük alt ağda ampirik olarak gözlemlenmiştir.
Research on inanç temelli yapay zeka sistemlerinde adversaryal optimizasyon, 2024’te arXiv’de yayımlanan bir makale de dahil olmak üzere, vekil ödül sinyallerini optimize eden ajanların, ölçütü tatmin eden ancak altta yatan hedefi tatmin etmeyen davranışları rutin olarak öğrendiğini gösteriyor; bu da Bittensor’un alt ağ tasarımcılarının aktif olarak kendilerini savunmak zorunda oldukları bir risk.
İkinci büyük risk, doğrulayıcı merkezileşmesi. Konsensüste doğrulayıcı ağırlığı stake edilen TAO ile ölçeklendiği ve TAO önemli ölçüde değerlendiği için, anlamlı bir doğrulayıcı hâline gelme maliyeti keskin biçimde yükseldi.
Taostats verileri, stake miktarına göre en büyük 10 doğrulayıcının, birkaç büyük alt ağda ihraç ağırlığının orantısız bir payını kontrol ettiğini gösteriyor. Bu yoğunlaşma devam ederse, yuma konsensüsünü işbirliği ve kumpasa karşı dayanıklı kılan puanlama bakış açıları çeşitliliği zamanla aşınabilir.
Üçüncü risk ise düzenleyici nitelikte. Menkul Kıymetler ve Borsa Komisyonu (SEC), TAO’nun bir menkul kıymet teşkil edip etmediği konusunda spesifik bir rehberlik yayımlamadı; ancak TAO tuttuğunuzda stake yoluyla ihraç gelirleri elde etmeniz, token’ın yapısına daha önceki yaptırım eylemlerinde hedef alınan yatırım sözleşmeleriyle ortak özellikler kazandırıyor.
Opentensor Vakfı, protokolü yönetilen bir ürün yerine açık kaynaklı yazılım olarak yapılandırdı; bu da belirli bir hukuki yalıtım sağlıyor. Ancak Amerika Birleşik Devletleri’nde yapay zekâ ile ilişkili kripto varlıklara yönelik düzenleyici ortam, 2026’ya girerken hâlâ gerçekten belirsizliğini koruyor.
Ayrıca Oku: Trump's WLFI Strikes Back At Justin Sun With Defamation Lawsuit
Fiyat Performansı, Piyasa Yapısı ve TAO Yatırım Tezi
TAO, son iki yılda ilk 50 kripto varlık arasında en ilginç fiyat seyrine sahip token’lardan biri oldu. 2024’ün başlarında 50 doların altındaki bir fiyattan, token, yapay zekâ anlatı ivmesinin kurumsal ve bireysel sermayeyi aynı anda bu sektöre sürüklemesiyle 2024’ün sonlarında 700 doların üzerine fırladı. Ardından gelen düzeltme, 2025’in büyük bölümünde TAO’yu 200–300 dolar aralığına geri çekti ve token şu anda 2026 Mayıs ayı başı itibarıyla yaklaşık 282 dolar seviyesinde bulunuyor; 260 milyon doların üzerindeki günlük işlem hacmi ise kayda değer bir likidite derinliğine işaret ediyor.
TAO etrafındaki piyasa yapısı, çoğu ilk 50 token’dan anlamlı ölçüde farklı. Arzın %65’ten fazlası stake edildiği için, efektif dolaşımdaki arz oldukça ince. Nispeten mütevazı büyüklükteki bir alım baskısı, fiyatı her iki yönde de keskin biçimde hareket ettirebiliyor.
Bu durum, makro yapay zekâ haber akışları etrafında yüksek volatilite yaratıyor: Büyük yapay zekâ laboratuvarları atılımlar duyurduğunda ya da düzenleyici gelişmeler merkezi yapay zekâ devlerini tehdit ettiğinde, TAO daha geniş kripto piyasasına kıyasla büyüklüğü artmış hareketler sergileme eğiliminde oluyor.
TAO arzının %65’ten fazlası stake edilip aktif dolaşımdan çıkarılmışken, efektif likit arz o kadar ince ki 100 milyon dolarlık net alım baskısı, çift haneli yüzde fiyat hareketleri üretebiliyor; bu da yatırımcıların açıkça hesaba katması gereken yapısal bir volatilite sürücüsü.
TAO için kurumsal tez evrildi. Erken alıcılar bunu, yapay zekâ–kripto anlatı yakınsamasına yönelik spekülatif bir bahis olarak çerçeveliyordu. Nansen kaynaklı zincir üstü cüzdan kümeleme analizleri ve birkaç kripto fon başvurusunda TAO’nun görünmesiyle kanıtlanan daha yeni kurumsal ilgi ise, bunu, model metalaşmasının hızlanmasıyla merkezi çıkarım sağlayıcılarına anlamlı rekabet sunabilecek, merkeziyetsiz bir yapay zekâ tedarik zincirinde altyapı payı olarak çerçeveliyor. Bu tezin doğru çıkıp çıkmayacağı, ağın çıktı kalitesinin iyileşmeye devam edip etmeyeceğine ve harici tüketimin, dahili ihraç çiftçiliğinden daha hızlı büyüyüp büyümeyeceğine bağlı. Her iki koşul da şu anda doğru yönde ilerliyor, ancak hiçbiri garanti değil.
Sonrakini Oku: LUNC Price Climbs 6.5% While Terra Luna Classic Community Targets Higher Burns
Sonuç
Bittensor’un 2,7 milyar dolarlık bir ağ olarak ortaya çıkışı, hem yapay zekâ endüstrisinde hem de kripto ekosisteminde gerçekten yeni bir şeyi temsil ediyor. Kurumsal bir denetleyici olmaksızın işleyen, yapay zekâ çıktılarını gerçek zamanlı olarak bir konsensüs mekanizmasıyla fiyatlayan ve ekonomik ödülleri, öz sermaye sahipliği ya da iş sözleşmeleri yerine ölçülebilir performansa göre katkıda bulunanlara dağıtan işleyen bir makine zekâsı piyasası inşa etti. Bu özellikler, TAO’nun önümüzdeki çeyrekte ne fiyat yaparsa yapsın, mimari açıdan önemli.
Protokolün 64 alt ağa genişlemesi, onu tek görevli bir deneyden, her alt ağın kendi görevlerinin doğasına uygun doğrulama mantığını geliştirdiği çeşitli bir yapay zekâ pazar yerine dönüştürdü.
Kalan zorluklar gerçek: Kötü tasarlanmış alt ağlarda Goodhart Yasası üzerinden oyun oynanması, sinsi doğrulayıcı merkezileşmesi ve Amerika Birleşik Devletleri’ndeki çözümlenmemiş düzenleyici duruş, yatırımcıların ve geliştiricilerin dikkatle tartması gereken maddi riskler. Bunların hiçbiri Bittensor’a özgü değil, ancak hiçbiri de önemsiz değil.
Bittensor’un 2026’ya kadarki gidişatı nihai olarak şunu test edecek: Tamamen merkeziyetsiz bir üretim mekanizması, merkezi laboratuvarların sahip olduğu koordinasyon avantajları olmadan, ölçekli yapay zekâ çıktı kalitesini sürdürebilir mi? Corcel’in API tüketim verilerinden ve Macrocosmos’un herkese açık indirilebilir model ağırlıklarından gelen ampirik kanıtlar, faydalı bir kalite eşiğine ulaşabildiğini öne sürüyor. Dünyanın en iyi kaynaklara sahip yapay zekâ laboratuvarlarının çıktılarıyla rekabetçi hâle getirecek bir sınır kalite eşiğine ulaşıp ulaşamayacağı ise, protokolün bir sonraki bölümünü tanımlayacak açık soru olarak kalmaya devam ediyor.