Score

Що таке Score?

Score, також відома як sn44 або Score Vision, — це підмережа Bittensor, яка застосовує децентралізовані інcenтиви машинного навчання до комп’ютерного зору, спочатку перетворюючи футбольні та інші відеопотоки на структуровані машинно-читані дані, такі як розташування гравців, трекінг м’яча, геометрія поля, детекція об’єктів і контекст подій.

Проблема, яку вона вирішує, — це не загальні «AI‑обчислення», а вужче й комерційно значуще вузьке місце відеоанотації: перетворення великих обсягів сирих відеоматеріалів на точні мітки достатньо швидко й дешево, щоб бути корисними для спортивної аналітики, моніторингу безпеки, роздрібних операцій, логістики та інших середовищ із великою кількістю камер.

Її заявлена конкурентна перевага — це поєднання інcenтивного ринку майнерів і валідаторів Bittensor з легковагими методами валідації, включно з фільтрацією кадрів, перевірками поля/ключових точок, геометричними тестами у стилі гомографії та семантичною перевіркою на базі CLIP, які покликані уникнути витрат на повторний повний прогін моделей комп’ютерного зору по кожному поданому кадру.

У власному репозиторії GitHub Score Vision описується як децентралізований фреймворк комп’ютерного зору, що спочатку фокусується на розпізнаванні ігрових станів (Game State Recognition) у футболі, тоді як поточна сторінка підмережі Bittensor характеризує sn44 як фреймворк, у якому майнери локально обробляють відео, а валідатори оцінюють результати за допомогою гібридних візуальних і геометричних перевірок. (github.com)

Ринкову позицію Score найкраще розуміти як спеціалізовану прикладну підмережу Bittensor, а не як базовий блокчейн-рівень або широку платформу смарт‑контрактів.

Станом на кінець червня 2026 року публічні ринкові екрани розміщували Score у сегменті середньої капіталізації серед ліквідних токенів підмереж Bittensor, а не серед найбільших криптомереж; нещодавня вибірка CoinGecko показувала, що Score займала місця приблизно в нижній частині топ‑500 за ринковою капіталізацією, тоді як лайв‑перегляд підмереж на Bittensor.ai демонстрував підмережу з повним набором із 256/256 нейронів, дев’ятьма валідаторами, кількома тисячами холдерів, видимих на Taostats, і приблизно 131 000 TAO‑еквіваленту TVL у знімку пулу підмережі. Ці показники слід розглядати як ринкові та стейкінгові індикатори на певний момент часу, а не як доказ стійкого попиту з боку кінцевих користувачів. З аналітичної точки зору масштаби Score все ще незначні порівняно з централізованими постачальниками комп’ютерного зору та усталеними гравцями на ринку спортивних даних, але всередині Bittensor вона відносно диференційована, оскільки націлена на вимірюваний зовнішній результат — моделі комп’ютерного зору й відео‑лейбли — а не на суто спекулятивну гру з емісіями. (coingecko.com)

Хто і коли заснував Score?

Score, схоже, публічно з’явилася у 2024 році, під час пост‑ChatGPT‑розширення наративів про AI‑інфраструктуру та раннього циклу токенів підмереж Bittensor.

Корпоративна присутність проєкту вказує, що Score - Subnet 44 була заснована у 2024 році та базується в Нью‑Йорку, тоді як запис підмережі Bittensor показує, що sn44 була зареєстрована ончейн у вересні 2024 року. Атрибуція засновників дещо варіюється в публічних матеріалах, але найпослідовніше згадуються імена Максім Себті (Maxime Sebti), Тім Калич (Tim Kalic) та Найджел Грант (Nigel Grant); документація SIRE ідентифікує Максіма Себті як співзасновника та CEO Score Technologies, Тіма Калича як співзасновника та CTO, а Найджела Гранта як співзасновника та Chief Revenue Officer, тоді як у LinkedIn Тім Калич значиться як співзасновник та CTO Score - Subnet 44 і Manako Labs. Операційна юридична особа часто описується як Score Technologies або пов’язана з Vision Research Foundation, а Manako Labs пізніше стала помітним комерційним інтерфейсом, побудованим поверх підмережі. (linkedin.com)

Наратив проєкту з моменту запуску істотно змінився. Ранні матеріали спільноти навколо Score були ближчі до спортивного трейдингу, спортивної аналітики та онбордингу футбольної спільноти, тоді як поточне позиціонування ширше: «відкритий, бездозвільний (permissionless) шар комп’ютерного зору», здатний тренувати й оцінювати невеликі, задачно‑специфічні моделі комп’ютерного зору для реальних мереж камер.

Тезис про Game State Recognition у футболі залишається важливим, оскільки спортивні відео дають щільні, високовартісні розмічені дані та зрозумілий комерційний ринок, але новіший фреймінг Manako зміщує Score у бік корпоративних сценаріїв «physical AI», таких як сповіщення про вхід у заборонені зони, детекція об’єктів на заправках, детекція транспортних засобів/людей та операційний моніторинг, розгорнутий на периферії (edge). Ця еволюція стратегічно логічна, адже чиста спортивна аналітика — нішевий ринок із укоріненими гравцями, тоді як корпоративна камерна аналітика значно більша, але вона також підвищує ризик виконання: Score має довести, що може узагальнитися поза футболом, не втрачаючи строгості валідації, яка зробила початковий дизайн підмережі цілісним. (kucoin.com)

Як працює мережа Score?

Score не запускає власний блокчейн із proof‑of‑work, proof‑of‑stake чи DAG‑консенсусом. Це прикладна підмережа, що працює на L1 Subtensor в екосистемі Bittensor, де релевантним «консенсусом» для Score є процес Yuma Consensus із вагуванням за стейком у Bittensor, а не окремий механізм виробництва блоків. У Bittensor підмережі — це інcenтивні маркетплейси: майнери виконують визначене AI‑завдання, валідатори оцінюють якість цієї роботи, а Yuma Consensus перетворює подані валідаторами вагові оцінки на емісії для майнерів і валідаторів.

У документації Bittensor зазначено, що Yuma Consensus працює ончейн у Subtensor і розраховує емісії майнерів та валідаторів на основі рейтингів ефективності майнерів від валідаторів, з використанням обрізання (clipping), зваженого за стейком, для зменшення змови або ненадійного скорингу. Для sn44 це означає, що модель безпеки частково успадкована від ланцюга Bittensor, а частково залежить від того, наскільки валідатори Score можуть надійно відрізняти високоякісний вивід комп’ютерного зору від низькоякісних або ворожих сабмітів. (docs.learnbittensor.org)

Технічно архітектура Score — це система з трьома ролями: майнери отримують відео‑ чи імідж‑завдання і локально запускають детекцію об’єктів, трекінг або спеціалізований інференс моделей; валідатори вибірково відбирають та оцінюють вихід майнерів; власник підмережі підтримує дизайн завдань, параметри інcenтивів і загальне здоров’я мережі.

Вирізняльною особливістю є підхід до валідації. Замість того, щоб валідовувати кожен кадр за допомогою дорогого повного інференсу моделей, Score використовує фільтровані кадри, семантичні перевірки, правдоподібність ключових точок та геометрії поля, похибку репроєкції та метрики на кшталт GS‑HOTA для оцінки асоціацій детекцій, щоб ефективно апроксимувати якість.

Ранні матеріали Score акцентували футбольні кліпи, детекцію гравців і м’яча, екстракцію ліній поля та 30‑секундні відрізки матчів; новіші матеріали наголошують на дистиляції моделей та легковагових навичках комп’ютерного зору, розгорнутих на периферії. Це технічно правдоподібно, але створює центральну напругу: чим більше Score розширюється до довільних корпоративних задач комп’ютерного зору, тим складніше підтримувати єдину надійну схему валідації, і тим сильніше підмережа залежить від ретельного дизайну бенчмарків, а не просто від додавання більшої кількості майнерів. (github.com)

Яка токеноміка sn44?

sn44 — це альфа‑токен у моделі Dynamic TAO Bittensor, тож його механіка пропозиції та вартості відрізняється від звичайного ERC‑20 із фіксованою алокаційною таблицею. У FAQ щодо Dynamic TAO Bittensor зазначено, що кожен альфа‑токен підмережі має хард‑кап у 21 мільйон і слідує графіку халвінгів, тоді як документація з емісій пояснює, що специфічні для підмереж альфа‑токени емитуються майнерам, валідаторам, стейкерам і творцям підмереж. Станом на кінець червня 2026 року сторонні ринкові сторінки вказували приблизно 4–5 мільйонів SN44 в обігу та ринкову капіталізацію в діапазоні від високих $30 млн до низьких $40 млн, тоді як наданий користувачем знімок активу оцінював ринкову капіталізацію близько $42,4 млн, а ціну токена — у діапазоні кількох доларів за одиницю. Структурно sn44 є інфляційним доти, доки емісії зменшуються через халвінги й загальна пропозиція наближається до капу; це не модель токена з основним акцентом на спалення, хоча реєстраційні витрати в Bittensor та протокольні механізми можуть впливати на потоки TAO/альфи навколо участі в підмережах. docs.learnbittensor.org

Приріст вартості походить із попиту на стейкінг, економіки майнерів і валідаторів та ринкової оцінки того, чи виробляє підмережа цінний вивід комп’ютерного зору. У Dynamic TAO користувач, що стейкає в майнінгову підмережу, фактично обмінює TAO на альфу цієї підмережі та стейкає цю альфу до валідатора; вихідна вартість при анстейкінгу залежить від співвідношення альфи до TAO у пулі. Червнева 2026 року документація з емісій Bittensor важлива, оскільки в ній зазначено, що мережа повернулася до цінової моделі розподілу TAO‑емісій між підмережами після періоду моделі, заснованої на потоках (flow‑based) з листопада 2025 до червня 2026, що означає, що ціни токенів підмереж і ковзні середні знову впливають на частку емісій.

Для Score зокрема знімок на Bittensor.ai наприкінці червня показував 18% частку власника та розподіл емісій між майнерами, валідаторами/стейкерами та власником, із дуже високим відображуваним річним відсотковим доходом зі стейкінгу (APY), який слід інтерпретувати як волатильний вихід емісій, а не як стабільну дохідність. В економічних термінах холдери sn44 страхують рефлексивну систему: корисні моделі та зовнішній попит можуть виправдовувати припливи стейку й емісій, але емісії без попиту, що сплачує комісії, можуть розмивати частку холдерів і винагороджувати короткострокову ротацію капіталу замість стійкої мережевої корисності. (docs.learnbittensor.org)

Хто користується Score?

Ключова відмінність полягає між активністю токена та використанням продукту. Ончейн‑трейдинг токена Score, кількість холдерів, кількість валідаторів і staking TVL показують, що актив має ринкову участь, але ці метрики не доводять, що підприємства чи спортивні команди платять за результати візійних моделей.

Реальну корисність краще оцінювати за активністю задач, бенчмарками моделей, майнерськими змаганнями та комерційними застосунками, побудованими на сабнеті. Публічні матеріали Score визначають спортивну аналітику, трансляції, беттинг, скаутинг і коучинг як початкові цільові ринки, тоді як більш пізні публічні комунікації описують ширші комп’ютер-візійні напрями, такі як детекція людей, детекція транспортних засобів, виявлення пожежі та моніторинг автозаправних станцій.

Станом на середину 2026 року найбільш переконливий патерн використання полягає не в тому, що роздрібні користувачі взаємодіють безпосередньо зі sn44, а в тому, що білдери використовують сабнет як децентралізований бекенд для відкриття нових моделей і дистиляції моделей. (github.com)

Найбільш конкретний сигнал щодо впровадження на рівні підприємств — це Manako Labs. У квітні 2026 року Manako оголосила про альянс з PwC France and Maghreb, заявивши, що PwC France спиратиметься на Business Operations World Model від Manako, побудовану на Score - Subnet 44, щоб допомагати організаціям перетворювати наявні мережі камер на системи операційної аналітики. У червні 2026 року матеріал CryptoBriefing, передрукований KuCoin, повідомив, що Manako запустила платформу візійних AI-агентів на базі Score Subnet 44 у мережі Bittensor, з інтерфейсом no-code, моделями, що запускаються на CPU, edge-обробкою, сповіщеннями в Slack і заявленими інвестиціями в TaoWeave на $1 млн для експансії в Північній Америці. Це суттєві комерційні сигнали, але це не те саме, що аудійований дохід, утримання клієнтів або метрики розгортання на рівні великих підприємств. Скептичне прочитання полягає в тому, що Score має перспективні канали дистрибуції через Manako та дотичні до PwC консалтингові канали, але все ще має розкрити сильніші докази повторних клієнтів, платних навантажень і пропускної здатності, вимірюваної в опрацьованих годинах відео з камер або прийнятих модельних задачах. (manako.ai)

Які ризики та виклики стоять перед Score?

Регуляторний ризик Score є непрямим, але реальним. У публічних джерелах, що переглядалися, не видно жодного відомого активного судового позову регуляторів безпосередньо проти Score чи sn44, але sn44 успадковує ширшу невизначеність навколо TAO, токенів сабнетів Bittensor, стейкінгу та емісійно-орієнтованих цифрових активів. Подана Grayscale реєстраційна форма Bittensor Trust S-1 прямо обговорює ризик того, що TAO може бути визнано цінним папером, і зазначає, що SEC або суд можуть зайняти протилежну позицію, навіть якщо спонсор вважає TAO не цінним папером. Це важливо для sn44, оскільки alpha-токени ще тісніше пов’язані з активністю творців сабнету, дизайном емісії, потоками стейкінгу та очікуваннями щодо продуктивних управлінських зусиль. Другий основний ризик — централізація. Сторінка Bittensor.ai у знімку кінця червня показувала лише дев’ять валідаторів на sn44, частку власника в 18%, вимкнені налаштування commit-reveal і liquid-alpha, а також статус здоров’я, який описував сабнет як занедбаний, одночасно показуючи відсутність GitHub-комітів за попередні 30 днів і останній коміт приблизно 200 днів тому. Деякі з цих позначок можуть відставати від офчейн-розробки, але інституційні інвестори мають розглядати концентрацію валідаторів, дискрецію власника, застарілі репозиторії та непрозоре управління задачами як суттєві пункти для due diligence. sec.gov

Конкурентний ризик також є значним. У спортивній аналітиці Score економічно конкурує з чинними постачальниками спортивних даних і відеоаналізу — від постачальників у стилі Opta до клубних аналітичних стеків, систем трекінгу для трансляцій і спеціалізованих провайдерів комп’ютерного зору, яким не потрібні криптостимули. В enterprise-сегменті комп’ютерного зору він конкурує з хмарними AI-платформами, edge-AI вендорами, інструментами на кшталт Roboflow, open-source моделями та пропрієтарними вертикальними рішеннями, вбудованими в софт для безпеки, ритейлу, логістики й промисловості. Модель децентралізованого сабнету може бути перевагою за витратами й відкриттям талантів, якщо вона стабільно забезпечує кращі моделі, але вона також може бути повільнішою в продуктуванні, ніж централізований вендор з прямими циклами зворотного зв’язку від клієнтів, SLA, закупівельними командами та комплаєнс-контролями. Токен додає ще одну загрозу: якщо емісійні винагороди привабливіші за зовнішній дохід, майнери й валідатори можуть оптимізувати під механіку нагород, а не під результати для клієнтів, створюючи розрив між активністю сабнету й економічно корисним виходом. medium.com

Які перспективи розвитку Score?

Перспективи Score менше залежать від динаміки ціни й більше від того, чи зможе проєкт перетворити переконливу технічну нішу на тиражовану комерційну інфраструктуру.

Підтверджена дорожня карта в публічних матеріалах GitHub окреслювала послідовність на 2025 рік — від розпізнавання ігрових ситуацій (Game State Recognition) і валідації на базі VLM до запуску в mainnet, validation з участю людини (human-in-the-loop), дашбордів, action spotting, генерації описів подій (event captioning), інтеграційних API, додаткових видів спорту, інструментів для розробників і крос-доменних застосунків.

До середини 2026 року публічний наратив зсунувся в бік enterprise-аналітики з камер, що працює через Manako, і дистиляції невеликих спеціалізованих моделей, тоді як сам Bittensor зазнав важливих змін токеноміки, включно з поверненням у червні 2026 року до емісії, прив’язаної до ціни.

Найважливіші віхи далі мають радше практичний, ніж промоційний характер: оновлений open-source розробницький цикл, прозоріша телеметрія валідаторів і майнерів, аудійовані бенчмарки моделей, публічна документація API, докази платних навантажень і надійна система валідації для задач поза футболом. (github.com)

Структурна перешкода полягає в тому, що Score має довести, що сабнет — це щось більше, ніж субсидований емісією майданчик змагань моделей.

Якщо Manako та подібні застосунки зможуть послідовно спрямовувати реальні enterprise-задачі комп’ютерного зору в sn44, бенчмаркувати результати майнерів, розгортати компактні моделі на edge-рівні та демонструвати переваги за вартістю чи точністю порівняно з централізованими інструментами, тоді Score матиме захищену роль як нативний для Bittensor ринок праці в комп’ютерному зорі. Якщо ні, актив ризикує оцінюватися переважно як левереджована ставка на спекуляції навколо сабнетів Bittensor, з обмеженим розривом між ліквідністю токена та реальним product-market fit. Жоден ціновий прогноз не є доречним; релевантне питання полягає в тому, чи зможе sn44 підтримувати високу якість валідації, децентралізувати контроль і перетворювати дані з камер на затребувану зовнішнім ринком інфраструктуру раніше, ніж централізовані платформи комп’ютерного зору ліквідують розрив у показниках ціна–ефективність.