Ridges AI는 Bittensor 네트워크의 서브넷 62로 운영되는 탈중앙화 인공지능 프로젝트입니다. 이전에는 Agentao로 알려졌던 이 프로젝트는 엔드 투 엔드 소프트웨어 개발 작업을 수행하도록 설계된 자율 소프트웨어 엔지니어링 에이전트 마켓플레이스를 만드는 데 중점을 두고 있습니다. ^{[1] [2]}

개요

Ridges AI는 AI 에이전트가 복잡한 소프트웨어 엔지니어링 문제를 자율적으로 해결할 수 있는 탈중앙화 네트워크를 구축하는 것을 목표로 합니다. 이 프로젝트의 핵심은 인간 소프트웨어 엔지니어의 다면적인 역할을 더 작고 개별적인 작업으로 분해할 수 있다는 것입니다. 코드 회귀 수정, 단위 테스트 작성 또는 GitHub 문제 해결과 같은 개별 작업을 숙달하도록 특화된 AI 에이전트를 훈련하여 플랫폼은 포괄적인 엔드 투 엔드 솔루션을 제공하기 위해 출력을 집계할 수 있습니다. 이 접근 방식은 AI 기반 소프트웨어 개발을 위한 자가 유지 및 인센티브 생태계를 만들어 대규모 중앙 집중식 AI 기업의 지배에 도전하는 것을 목표로 합니다. ^{[3] [1]}

플랫폼은 참가자 간의 경쟁을 촉진하기 위해 Bittensor 네트워크에서 운영되며 암호 경제적 인센티브 메커니즘을 활용합니다. 이 시스템에서 "광부"로 알려진 네트워크 참가자는 소프트웨어 엔지니어링 작업을 완료하기 위해 경쟁하는 AI 에이전트를 운영합니다. "검증자"라고 하는 다른 참가자는 광부가 제공하는 솔루션의 품질과 효율성을 평가할 책임이 있습니다. 최고 품질의 작업을 생성하는 광부는 Bittensor의 기본 토큰인 TAO로 보상을 받습니다. 이 경쟁 프레임워크는 네트워크에서 에이전트의 기능을 지속적으로 개선하도록 설계되었습니다. 이 프로젝트의 궁극적인 목표는 자율 에이전트가 실제 소프트웨어 개발 요구 사항을 충족할 수 있는 시스템을 만드는 것이며, 프로젝트 수익은 결국 네트워크의 인센티브 배출을 유지합니다. ^{[3] [1]}

프로젝트의 주요 대표자인 Shakeel은 장기적인 비전은 제품의 실제 사용이 네트워크 보상을 결정하는 것이라고 밝혔습니다. 인터뷰에서 그는 "제품 자체가 누가 배출량을 얻을지 결정할 것입니다."라고 설명하면서 합성 벤치마크에서 사용자 참여 및 실제 애플리케이션에서 AI 생성 코드 기여의 수용을 기반으로 보상을 제공하는 모델로 전략적 전환을 알렸습니다. ^[1]

역사

원래 Agentao라는 이름의 프로젝트는 Ridges AI로 리브랜딩되어 Bittensor 네트워크의 서브넷 62로 설립되었습니다. 개발 로드맵은 초기 에이전트를 훈련하기 위한 합성 데이터 세트 수집으로 시작하여 뚜렷한 단계 또는 "에포크"로 구성됩니다. 후속 에포크는 에이전트의 기능을 확장하여 실제 GitHub 문제를 해결하고, 컨테이너화된 에이전트 마켓플레이스를 도입하고, 궁극적으로 완전 자율적인 로컬 개발 기능을 달성하는 데 중점을 둡니다. ^[1]

2025년 상반기 동안 Ridges AI는 몇 가지 주요 이정표를 달성했습니다. 2분기 초에 팀은 지속적인 통합(CI) 회귀 및 코드 생성과 관련된 작업에 대한 새로운 인센티브 메커니즘을 도입했습니다. 또한 SWE-Bench 표준에 대한 성능 벤치마크를 발표하고 서브넷 62 채굴자에게 플랫폼 액세스를 개방했습니다. 이후 API의 공개 출시와 최고 성능 채굴자의 성능을 추적하는 리더보드가 이어졌습니다. 2분기 후반에는 플랫폼이 모든 Bittensor 채굴자에 대한 액세스를 확대하고, 새로운 작업 유형을 추가하고, 상세한 성능 대시보드를 출시했습니다. ^[1]

2025년 10월에 팀은 안정성을 개선하고, 에이전트 성능의 병렬 평가를 가능하게 하고, 테스트를 위한 이중 샌드박스 환경을 구현하는 것을 목표로 플랫폼 전체를 재작성한다고 발표했습니다. 또한 이 프로젝트는 2025년 10월 30일에 첫 번째 주요 제품인 Ridges V1(Cursor/VS Code 확장 프로그램)을 출시할 계획이었습니다. 이 기간 동안 프로젝트는 SWEBench Polyglot 벤치마크에서 성능 저하를 겪었지만, 팀은 이를 통해 시스템을 빠르게 반복하고 개선할 수 있는 능력을 입증했다고 언급했습니다. ^[1]

기술

Ridges AI는 Bittensor 네트워크를 기반으로 구축되었으며, 코드베이스는 주로 Python으로 작성되었고, 데이터베이스로는 PostgreSQL, 컨테이너화에는 Docker를 사용합니다. 아키텍처는 모델에 구애받지 않도록 설계되어 다양한 대규모 언어 모델을 통합하고 오케스트레이션하여 완전한 코딩 솔루션을 생성하는 "두꺼운 에이전트 레이어"로 기능할 수 있습니다. 또한 Chutes 및 Targon과 같은 다른 Bittensor 서브넷과의 구성 가능성을 고려하여 기능 향상 및 운영 비용 절감을 목표로 합니다. ^{[4] [1]}

아키텍처 및 메커니즘

Ridges AI 생태계는 검증인과 채굴자라는 두 가지 주요 역할을 포함하는 경쟁적이고 분산화된 모델로 운영됩니다.

• 검증인은 소프트웨어 엔지니어링 문제를 생성하고 채굴자가 제출한 솔루션을 평가하는 역할을 합니다. 처음에는 이러한 문제가 상위 PyPI 패키지에서 샘플링하여 생성되었으며, 실제 GitHub 문제로 확장할 계획입니다. 검증인은 대규모 언어 모델과 테스트 케이스를 조합하여 정확성과 속도를 기준으로 제출물을 평가합니다.
• 채굴자는 이러한 문제를 해결하기 위해 경쟁하는 자율 AI 에이전트입니다. 그들은 작업을 처리하고, 딥 러닝 모델을 사용하여 솔루션 패치를 생성하고, 평가를 위해 작업을 제출합니다. 고품질의 효율적인 솔루션을 지속적으로 제공하는 채굴자는 TAO 보상을 받아 지속적인 개선을 위한 재정적 인센티브를 창출합니다.

이 메커니즘은 코딩 문제와 해당 AI 생성 솔루션의 가치 있는 데이터 세트를 생성하도록 설계되었으며, 이는 네트워크에서 모델을 추가로 훈련하고 개선하는 데 사용됩니다. ^{[3] [1]}

핵심 구성 요소

이 플랫폼은 네트워크와 작업을 관리하기 위해 함께 작동하는 여러 핵심 기술 구성 요소로 구성됩니다.

• Cerebro 모델 및 데이터 세트: 이는 서브넷의 지속적인 운영에서 생성된 중앙 구성 요소입니다. 데이터 세트는 코딩 문제와 검증된 솔루션의 지속적으로 증가하는 컬렉션입니다. Cerebro 모델은 새로운 작업의 난이도 추정, 문제 설명의 모호성 식별, 솔루션에 대한 적절한 보상 결정, 서브넷의 전반적인 인센티브 메커니즘 개선을 포함하여 여러 중요한 기능을 수행하기 위해 이 데이터로 훈련됩니다.
• 문제 라우팅 프로토콜: 이 구성 요소는 오케스트레이터 모델 역할을 합니다. 대규모의 복잡한 소프트웨어 프로젝트를 코드 생성, 버그 수정 또는 CI 회귀 감지와 같은 더 작고 관리하기 쉬운 작업으로 분해하도록 설계되었습니다. 그런 다음 이러한 개별 작업을 네트워크에서 이를 해결하는 데 가장 적합한 전문 에이전트로 라우팅합니다.
• 추론 게이트웨이: 사용자 쿼리와 네트워크에서 작동하는 다양한 AI 모델 간의 다리 역할을 하는 AI 추론 요청을 처리하고 라우팅하는 서비스입니다.
• Cave: Ridges 플랫폼과 통합되도록 설계된 로컬 개발자 대시보드로, 네트워크 참가자의 개발 및 관리 프로세스를 단순화합니다.

이러한 구성 요소는 에이전트, 검증자, 평가자 및 API 모듈을 포함하는 프로젝트의 오픈 소스 리포지토리에서 볼 수 있습니다. ^{[4] [3] [1]}

토큰 경제학

Ridges AI 서브넷의 기본 토큰은 SN62입니다. Bittensor 네트워크에서 작동하며, 주요 거래 쌍은 Subnet Tokens 거래소의 SN62/TAO입니다. 토큰 경제학은 비트코인과 동일한 최대 공급량을 갖도록 설계되었습니다. ^[2]

• 티커: SN62
• 네트워크: Bittensor
• 최대 공급량: 21,000,000 SN62
• 총 공급량 (자체 보고): 1,260,000 SN62
• 유통 공급량 (자체 보고): 1,260,000 SN62

2025년 말 기준으로 프로젝트의 자체 보고 시가 총액은 약 3,542만 달러이며, 완전 희석 가치는 약 5억 8,734만 달러입니다. ^[2]

제품 및 시장 진출 전략

Ridges AI의 초기 시장 진출 전략은 Bittensor 생태계 내 다른 채굴자들에게 서비스를 제품으로 제공하는 것이었습니다. 가치 제안은 소규모 또는 개인 채굴자들에게 "주문형 소프트웨어 엔지니어 스위트"를 제공하여 소프트웨어 유지 관리 작업을 오프로드하고 주요 채굴 운영 최적화에 자원을 집중할 수 있도록 하는 것이었습니다. ^[3]

프로젝트가 성숙해짐에 따라 제품 제공은 개별 개발자 및 오픈 소스 프로젝트를 포함한 더 넓은 시장을 대상으로 확장되었습니다.

• API: 제3자가 자율 AI 에이전트를 라이선스하고 자체 워크플로에 통합할 수 있도록 하는 애플리케이션 프로그래밍 인터페이스입니다. API는 2025년 공식 출시 전에 비공개 베타로 제공되었습니다.
• 에이전트 마켓플레이스: 사용자가 특정 요구 사항에 맞는 자율 소프트웨어 엔지니어링 에이전트의 서비스를 찾아보고 선택하고 구매할 수 있는 계획된 플랫폼입니다.
• Ridges V1 IDE 확장: AI 에이전트의 기능을 개발자의 통합 개발 환경으로 직접 가져오도록 설계된 Cursor/VS Code 확장입니다. 계획된 가격은 월 약 12달러였으며, 모델 개선에 도움이 되도록 데이터 공유에 동의하는 사용자를 위한 월 약 8달러의 선택적 티어가 있었습니다.
• 오픈 소스 통합: 이 프로젝트는 AI 에이전트가 오픈 소스 리포지토리에 직접 풀 요청을 제출할 수 있도록 하는 것을 목표로 합니다. 채굴자는 AI가 생성한 기여가 인간 유지 관리자에 의해 검토되고 병합될 때 보상을 받습니다. 팀은 이 기능의 초기 데모로 @taogod_terminal이라는 개념 증명 도구를 구축했습니다.

이 프로젝트의 재정 전략은 2026년 1월까지 이러한 제품에서 발생하는 수익이 네트워크 배출 비용을 초과하도록 하는 것을 목표로 하며, 이익은 추가 제품 개발 및 성장에 재투자됩니다. ^[1]

팀 및 자금

Ridges AI 개발은 프로젝트의 공개 GitHub 저장소에서 확인할 수 있는 기여자 팀에 의해 관리됩니다. 공식적인 역할은 명시되어 있지 않지만, 주요 기여자로는 aaron-ridges, adamridges, alex-ridges, stephen-ridges, omar-ridges 등이 있습니다. Shakeel("Shak")은 GitHub 핸들 hobbleabbas를 사용하며, 프로젝트의 주요 공개 대표자로서 비전과 진행 상황을 상세히 설명하는 인터뷰에 참여했습니다. ^{[4] [1]}

2025년 Ridges AI는 DSV 펀드로부터 30만 달러의 투자를 받았습니다. 이 투자는 2025년 8월 DSV 펀드 파트너인 Siam Kidd와 Mark Creaser가 진행한 "Revenue Search" 시리즈 인터뷰에서 공개되었습니다. ^[1]

논란과 과제

2025년 9월 말, Ridges AI 팀은 네트워크에 대한 스팸 공격을 식별하고 해결했습니다. 팀에 따르면, 조직적인 그룹이 경쟁을 저해하기 위해 시스템을 악용하고 있었습니다. 이에 대응하여 프로젝트는 중요한 정책 변경을 시행했습니다. 즉, 채굴자가 생성한 코드는 성공적으로 평가 및 검증된 후에만 오픈 소스로 공개됩니다. 이 대응책은 악의적인 행위자들이 합법적인 채굴자의 유효한 코드를 단순히 복사하여 제출함으로써 부당하게 보상을 청구하는 것을 방지하기 위해 설계되었습니다. ^[1]

프로젝트는 또한 성능 문제에 직면했습니다. SWEBench Polyglot을 포함한 혼합 세트 벤치마크에서 서브넷의 성능이 최고 88%에서 약 17-18%로 크게 떨어졌습니다. 그러나 팀의 조정과 반복 후, 성능은 2025년 10월 초까지 약 41%로 반등했습니다. 프로젝트 담당자는 이러한 빠른 회복을 팀의 민첩성과 네트워크의 자체 수정 능력의 입증으로 언급했습니다. ^[1]