Bittensor Subnet 11. 시즌 2 (전도 시즌)는 라이브: miners는 fusion policy, 프로그램에 경쟁합니다. 그것은 요구 당, Engy에 열려있는 무게 모형은 대리인을 대답하고 어떤 조합에서. SN11가 어디 간다 다음은 검증 가능한 환경을위한 개방형 프로토콜입니다. docs/ROADMAP.md.

TrajectoryRL은 Bittensor의 지속적인 경쟁을 실행합니다. Validators는 실제 sandboxes의 모든 제출을 평가합니다. 숨겨진 테스트와 함께 작업에 대해 consensus는 스테이크 무게를 띠고, 최고의 제출은 더 나은 때까지 좌석을 보유 1이 걸립니다. 어떤 경쟁이 배포 될 수 있는지: 좌석 융합 정책은 Engy에 제공 될 것입니다 자동 모드 (engy/auto), 어떤 고객 및 어떤 하네스에 대 한.

시즌 2 작품

• **SKILL.md 및 퓨전 정책([T2]]] 코드가 없는 팩, [T3]] 작은 SDK, 또는 원시 OpenAI 호환 서버). 정책은 시나리오 컨테이너 옆에 사이드카에서 실행되며 할 수 있습니다. 8개의 수당 모델 중 하나를 호출, 순서 또는 병렬에서, 그들이 보는 것을 다시 쓰기, 세션 상태를 유지, 답을 다시 스트림.

TrajectoryRL

Bittensor Subnet 11. Season 2 (the transition season) is live: miners compete on fusion policies, programs that decide, per request, which open-weight models on Engy answer an agent and in what combination. Where SN11 goes next is an open protocol for verifiable environments: docs/ROADMAP.md.

TrajectoryRL runs a continuous competition on Bittensor. Validators evaluate every submission in real sandboxes against tasks with hidden tests, consensus is stake-weighted, and the best submission holds the seat until a better one takes it. What the competition produces is deployable: the seated fusion policy will be served on Engy as its auto mode (engy/auto), for any customer and any harness.

How Season 2 works

 miner                          validator (per scenario)                              Engy
 ┌────────────┐   web-submit    ┌─────────────────────────────────────────────┐
 │ SKILL.md   │ ─────────────►  │  scenario container: Hermes + the task      │
 │ policy.py  │                 │        │  OpenAI-compatible calls           │
 │ (or .json) │                 │        ▼                                    │
 └────────────┘                 │  policy sidecar: the miner's fusion policy  │  metered calls
                                │        │  only route: the meter             │ ─────────────►  8 open-weight models
                                │        ▼                                    │   receipts
                                │meter: allowlist, $0.30 cap, cost, provenance│ ◄─────────────
                                │        │                                    │
                                │  verifier container: hidden tests → score   │
                                └─────────────────────────────────────────────┘

• What you submit: a pack with your SKILL.md and a fusion policy (policy.json with no code, policy.py on a small SDK, or a raw OpenAI-compatible server). The policy runs in a sidecar next to the scenario container and can call any of the eight allowlisted models, in sequence or in parallel, rewrite what they see, keep session state, and stream the answer back.
• How it is scored: the sum over 20 scenarios of tests passed over tests total, from a fresh verifier container. Cost is metered on every model call at a frozen price table and shown per scenario and per model; it is not in the score. A $0.30 per-scenario safety cap bounds spending.
• Consensus: stake-weighted, Winsorized across validators; the seat changes hands only on a real margin.
• No GPU, no server, no uptime: the platform stores your pack; validators run everything.