表现
RD 热度指数
RD 增长指数
对比
关注更新
关注列表
人物
关于covenant
Covenant 是一个去中心化 AI 训练框架。核心业务包括：Templar 客户端（提交计算任务）、Basilica 协议（连接独立算力提供方）、GRAIL（去中心化强化学习网络）。旗舰成果是 Covenant-72B——一个 720 亿参数模型，由 20 多家独立算力商和 70 多名个人贡献者在 1.2 万亿 token 上协作训练完成。
核心叙事是“主权 AI”——证明前沿模型训练不需要中心化数据中心。关键技术优势是 SparseLoCo 和 PULSE：压缩梯度更新、只传输权重增量，将带宽需求降低 100 倍以上，让普通家庭网络也能参与训练。
市场痛点有两层。第一，中心化 AI 实验室充当守门人，控制谁能开发和使用前沿模型。第二，现有去中心化网络常治理失效——少数大额代币持有者可主导决策。Covenant 用开放基础设施解决第一点，用信念机制（BIT-0011）解决第二点：所有权权重随时间衰减，除非持续锁定代币来强化，使控制权可被挑战、并与长期承诺对齐。
近半年最重要事件是 2026 年 4 月 9 日 Covenant 公开退出 Bittensor。创始人 Sam Dare 称该网络的去中心化“是个谎言”，指控联合创始人 Jacob Steeves 实际掌权，并通过暂停排放、撤销频道管理权限、单方面拆除其子网来惩罚 Covenant。公告发布后 TAO 两小时内下跌超 15%。此后 Covenant 继续在 Bittensor 之外推进去中心化 AI 工作，信念机制已在包括 SN3 在内的成熟子网上推广。该窗口期内未宣布重大技术发布。
Covenant（前身Templar）在Bittensor Subnet 3上启动去中心化预训练，通过SparseLoCo优化器与Gauntlet验证机制，迭代1B-8B模型后完成72B参数规模的Covenant-72B。该训练全程无白名单、允许动态参与，吸引超70个独立算力贡献者，并以Apache许可开源，验证了信任最小化的大规模分布式训练的可行性。
因治理与代币权力集中分歧，团队分阶段退出Bittensor，最终于2026年4月正式脱离，转向自建主权网络（Basilica、Grail等），推动去中心化AI基础设施的独立发展。
近半年（2026-03-04 至 2026-09-04），Covenant AI 在去中心化训练领域取得重大进展。团队发布了 Covenant-72B，这是一个 72B 参数的 LLM，通过普通互联网链路和无需许可的参与方式完成预训练，采用 SparseLoCo 优化器和 Gauntlet 奖励机制。这是迄今规模最大的去中心化预训练运行，性能可与集中式基线媲美。然而，随后 Covenant AI 宣布退出 Bittensor 网络，理由是与其联合创始人 Jacob Steeves 存在治理冲突，导致 TAO 代币价格下跌 15%。未来官方路线图聚焦于支持异构计算（如混合数据中心 GPU 与消费级硬件）、扩大节点参与规模、提升训练效率，并大幅增加 token 数量。长期愿景包括实现万亿参数级别的去中心化训练，并通过矿池或集群聚合小型算力贡献。
联合创始人包括Distributed State（推特：https://x.com/DistStateAndMe）、0xNero和Samuel Dare。他们的详细履历未公开。根据现有信息，未确认其他在职核心高管。