affine

Що таке affine?

affine — це сабнет 120 у мережі Bittensor, децентралізована мережа з підкріплювальним навчанням і «reason mining», яка платить майнерам за створення моделей міркування з відкритими вагами, здатних перемогти чинного чемпіона в наборі складних середовищ оцінювання.

Практична задача affine — не загальне постачання інференсу, а цілеспрямоване покращення здатності моделей до міркування в умовах антагоністичних стимулів: майнери подають ваги моделей, валідатори тестують претендентів проти чинного інкамбента, а винагороди концентруються на моделі, яка демонстративно покращує результати, а не на майнері, який просто обслуговує найбільшу кількість запитів.

Заявленою перевагою сабнету є саме цей турнірний цикл оцінювання, описаний у Affine GitHub repository, де майнери фіксують на ланцюгу пару «модель + ревізія» з Hugging Face, а претендент повинен перевершити чинного чемпіона в усіх налаштованих середовищах з певним відривом, перш ніж він зможе перехопити ваги сабнету. (github.com)

affine — це нішевий, але незвично помітний прикладний сабнет Bittensor, а не окремий L1 чи широка платформа смартконтрактів. Станом на кінець червня 2026 року сторонні трекери сабнетів відносили SN120 до більших альфа-ринків Bittensor: SubnetRadar розміщував його близько до верхньої частини таблиці за ринковою капіталізацією сабнетів і показував майже насичений набір UID, тоді як довідник сабнетів Bittensor описував Affine як “decentralized reasoning model evaluation”.

Ці показники слід сприймати радше як індикатори ринкової структури, а не як доказ попиту кінцевих користувачів, оскільки ринкова капіталізація сабнетів Bittensor, ліквідність і «TVL» формуються з пулів стейкінгу dTAO та експозиції на альфа-токени, а не з традиційного доходу протоколу. (subnetradar.com)

Хто і коли заснував affine?

affine, імовірно, був запущений у 2025 році: OpenTAO вказує, що SN120 зареєстрований 10 червня 2025 року, вже в пост-dTAO фазі еволюції Bittensor, коли окремі сабнети перетворилися на інвестиційні альфа‑токен‑ринкИ, а не лише на цілі для стимулів, які задають валідатори.

Публічні матеріали екосистеми пов’язують сабнет із Affine Foundation та Джейкобом Стівсом (Jacob Steeves), відомим як “Const”, співзасновником Bittensor, хоча склад операційної команди за межами цього кола не розкритий у формальній корпоративній документації. Така непрозорість є типовою для сабнетів Bittensor, але вона важлива для інституційної перевірки, оскільки технічна надійність сабнету, стимули власників і ризики управління зазвичай концентруються в невеликій групі засновників чи операторів, а не розподіляються по структурі зрілої публічної компанії. (opentao.ai)

Наратив еволюціонував від широкої концепції «ринку міркування» до більш конкретного RL‑змагання для відкритих моделей. Ранні описи наголошували на комодитизації міркування та координації ресурсів кількох сабнетів; поточний кодовий базис вужчий і краще вимірюваний, зосереджений на подачі моделей, одноразових комітментах хоткеїв, контролі плагіату, щоденних вікнах для претендентів і конкретних середовищах оцінювання, таких як SWE-INFINITE, LIVEWEB, NAVWORLD, MEMORY, DISTILL і TERMINAL. Цей зсув важливий, оскільки він відводить affine від розмитої історії про децентралізований AI у бік фальсифіковуваного механізму, заснованого на бенчмарках, хоча зворотний бік полягає в тому, що його економічна цінність і далі залежить від того, чи трансформуються ці перемоги в бенчмарках у стійкий зовнішній попит на інференс. (github.com)

Як працює мережа affine?

affine найкраще розуміти як прикладний інсентив‑шар усередині Bittensor, а не як незалежну консенсусну мережу. Він не використовує власний PoW, PoS чи DAG‑консенсус; кліринг, реєстрація, стейкінг, облік альфа й розподіл нагород виконуються через інфраструктуру Subtensor у Bittensor, тоді як розподіл роботи на рівні сабнету регулюється механізмом Yuma Consensus у Bittensor.

У Yuma Consensus валідатори подають ранжування або ваги для майнерів, а ончейн‑процес перетворює ці ранги на емісії для майнерів і валідаторів; у випадку affine цей сигнальний ранг походить з того, чи може подана модель міркування перевершити чинного чемпіона за правилами оцінювання сабнету. Bittensor Yuma Consensus documentation описує цей ширший механізм як алгоритм, що обчислює емісії для майнерів і валідаторів на основі оцінок валідаторів щодо продуктивності майнерів. (docs.learnbittensor.org)

Відмінною технічною рисою сабнету є його петля оцінювання моделей у форматі «переможець забирає все». Майнери навчають або донавчають моделі, завантажують публічні ваги на Hugging Face й фіксують одну ревізію моделі на ланцюгу; валідатори потім завантажують цю подачу, запускають її проти чемпіона й замінюють його лише тоді, коли претендент перемагає строго в кожному активному середовищі.

Affine FAQ описує одноразові комітменти, постійну недійсність за дублювання комітментів, перевірки плагіату за хешем моделі та опційне спрямування частини ваг на UID 0 як burn‑подібний запобіжник у періоди нестабільності. Операції валідаторів відносно легкі з обчислювальної точки зору, оскільки вони подають ваги й відстежують бекенд‑скоринг, а не обов’язково запускають GPU‑важкий інференс локально: validator guide зазначає, що обчислення виконується бекенд‑сервісами, а валідатори переважно завантажують ваги, застосовують конфігурацію burn і встановлюють ці ваги на ланцюгу. (github.com)

Яка токеноміка sn120?

sn120 — це сабнет‑специфічний альфа‑токен для Bittensor netuid 120; наданий Bittensor‑експлорер ідентифікує актив за адресою сабнету 120. У рамках Dynamic TAO кожен альфа‑токен сабнету має власний пул TAO/alpha і жорстку межу в 21 мільйон одиниць альфи, що дзеркалить максимум у 21 мільйон TAO, тоді як емісія слідує графіку з халвінгом, а не фіксованій повній пропозиції з моменту запуску. Dynamic TAO FAQ і Bittensor subnet documentation пояснюють, що стейкінг TAO у сабнет фактично обмінює експозицію на TAO на експозицію до альфа‑токена цього сабнету, а ціну альфи задає резервне співвідношення в пулі. Станом на кінець червня 2026 року надані дані про актив та сторонні дашборди оцінювали ринкову капіталізацію sn120 в діапазоні низьких десятків мільйонів доларів, а ціну — в діапазоні нижчих за середні «підліткових» значень у доларах, але ці величини є волатильними виходами пулів, а не стабільними фундаментальними показниками. docs.learnbittensor.org

Основна корисність sn120 — це стейкінг‑експозиція й маршрутизація емісій, а не оплата gas в окремому ланцюгу.

Користувач, який здійснює стейкінг в affine, отримує експозицію до альфа‑токена SN120 і через валідатора бере участь в економіці винагород сабнету; майнери прагнуть емісій, створюючи переможну модель міркування, валідатори заробляють на коректній оцінці та встановленні ваг, а стейкери отримують дохід через dTAO‑шар стимулів, водночас несучи ціновий ризик альфи.

Система емісій Bittensor також суттєво змінилася: документація тепер зазначає, що станом на червень 2026 року емісії повернулися до цінової моделі, яка використовує EMA‑ціни токенів сабнетів, тоді як модель потоку Taoflow, що застосовувалася з листопада 2025 до червня 2026 року, визнана застарілою. Це важливо для sn120, оскільки акумулювання вартості залежить не стільки від прямого захоплення комісій, скільки від того, чи підтримують попит на стейкінг, довіра валідаторів і сприйнята корисність моделей альфа‑ринок сабнету. (docs.learnbittensor.org)

Хто користується affine?

Спостережувана база користувачів — переважно криптонативні й інфраструктурні учасники: майнери, валідатори, стейкери та розробники, які відстежують таблицю лідерів моделей. Станом на кінець червня 2026 року SubnetRadar показував, що affine майже повністю використовує свій UID‑простір із сотнями слотів для майнерів і невеликою кількістю валідаторів, що свідчить про конкурентну участь в емісіях, але не слід плутати це зі споживчим adoption.

Фактична ончейн‑корисність проєкту полягає у створенні та оцінюванні відкритих моделей міркування; спекулятивний торговий обсяг у пулах SN120/TAO — це окреме явище, яке може домінувати в короткостроковій ринковій активності, навіть якщо базовий продукт інференсу має обмежений зовнішній дохід. Публічний кодовий базис підкреслює цю відмінність, фокусуючись на подачах майнерів, встановленні ваг валідаторами й оцінці моделей, а не на типовому SaaS‑конвеєрі клієнтів. (subnetradar.com)

Інституційне чи корпоративне впровадження залишається обмеженим і має розглядатися вкрай обережно.

Найбільш конкретна інтеграційна теза — це внутрішня сумісність у межах Bittensor: OpenTAO та матеріали, пов’язані з Affine, описують переможні моделі як такі, що розгортаються чи під’єднуються до інфраструктури інференсу на кшталт Chutes, тож розробники нижчих рівнів і творці агентів потенційно можуть споживати результати міркувань через доступ, схожий на API. Водночас дослідницький профіль SubnetRadar не показував верифікованого 30‑денного чи 90‑денного зовнішнього доходу для affine, тож наразі недостатньо публічних доказів, аби сприймати SN120 як актив із корпоративним грошовим потоком, а не як перспективний дослідницький ринок на рівні сабнету. (opentao.ai)

Які ризики й виклики стоять перед affine?

Регуляторний ризик наслідується головно від Bittensor і TAO, а не від самого affine, але така відмінність може не захистити власників альфа‑токенів сабнету, якщо регулятори США детальніше перевірятимуть ширшої мережі. В S-1/A-файлійнгу Grayscale’s Bittensor Trust зазначено, що траст має намір лістингуватися на NYSE Arca під тикером GTAO, якщо його реєстрація та процес лістингу набудуть чинності, але також розкривається, що траст наразі не стейкає свій TAO і що регуляторне схвалення не гарантоване. Попереднє розкриття ризиків Grayscale також попереджало, що ранній розподіл TAO і роль Opentensor Foundation можуть зробити ризик класифікації як цінного паперу вищим, ніж для активів, подібних до Bitcoin. Для sn120 більш безпосередній ризик централізації є операційним: невелика кількість валідаторів, сабнет, пов’язаний із засновником, керовані бекендом сервіси скорингу та правило розподілу емісії «переможець отримує все» можуть концентрувати вплив, навіть якщо процес майнінгу номінально непермісійний. sec.gov

Конкурентна загроза є двосторонньою. Усередині Bittensor affine конкурує за емісію, стейк і увагу з іншими високопрофільними сабнетами, такими як Chutes, Targon, Templar та інші мережі для навчання моделей, інференсу й оцінювання; поза Bittensor він конкурує з централізованими AI-лабораторіями та спільнотами відкритих моделей, які можуть покращувати моделі міркування без необхідності токенізованого шару стимулів.

Його механізм також економічно крихкий: якщо бенчмарки можна зманіпулювати, якщо покращення моделей не узагальнюються, якщо валідатори не підтримують достовірний скоринг або якщо стейкери переходять у сабнети з вищою дохідністю, токен alpha може швидко втратити підтримку емісії.

Травневі та червневі 2026 року зміни протоколу Bittensor, включно зі скасуванням безкоштовного owner alpha під час реєстрації сабнетів і гарячим виправленням протокол-альфа обліку Spec 413, показують, що економіка dTAO досі активно переглядається, а не функціонує як усталений монетарний дизайн. (tao.media)

Які перспективи майбутнього affine?

Перспективи affine залежать менше від зростання ціни, ніж від того, чи зможе він довести, що відкриті, змагальні RL-стимули забезпечують стійкі покращення міркування, які зовнішні користувачі дійсно захочуть споживати.

Підтверджений короткостроковий технічний курс видно в репозиторії: нові вимоги до майнерів передбачають fine-tune-моделі Qwen3.6-35B-A3B для нових сабмітів, примушують до one-shot-комітів, перевіряють розмір моделі та безпечність chat-template і покладаються на щоденні вікна challenger, які опрацьовують одну модель проти чинного лідера. На рівні протоколу червнева 2026 року документація емісій Bittensor і оновлення Spec 413 вказують на змінюване базове середовище для всіх сабнетів, включно з affine, причому емісія тепер знову прив’язана до цінових EMA-механік, а облік alpha більш жорстко обробляється під час розпуску сабнетів.

Структурна перешкода, отже, полягає не лише в поставці більшої кількості коду; affine має показати, що його середовища скорингу стійкі до перенавчання, що оцінювання під контролем валідаторів залишається достовірним, а виходи моделей міркування можуть стати корисною інфраструктурою, а не циркулярним змаганням за емісію. github.com