Stel je voor dat je een briljant idee hebt voor een nieuw AI-model. Je gaat zitten om het te trainen en stuit meteen op een muur. De GPU's die je nodig hebt kosten duizenden dollars per uur, de wachtlijst in de cloud loopt op tot maanden, en drie bedrijven bepalen in feite wie er mag meedoen. Die poortwachterij is het probleem dat Gensyn AI wil oplossen. Het project zet overtollige rekenkracht van machines over de hele wereld om in één groot gedeeld trainingsnetwerk, en gebruikt cryptografie om te bewijzen dat elke taak eerlijk is uitgevoerd. De eigen token, genoteerd op LBank als AIGENSYN, zorgt ervoor dat het hele systeem blijft draaien.
Hieronder leggen we uit wat Gensyn doet, hoe het onder de motorkap werkt, en waarom mensen dit project al geruime tijd nauwlettend volgen, nog voordat het werd gelanceerd.
Gensyn noemt zichzelf "het netwerk voor machine-intelligentie." Dat is een chique manier om te zeggen dat het AI een plek geeft om te leven die niet eigendom is van één bedrijf. Iedereen met een vrije GPU thuis, een ongebruikte server in een datacenter, of zelfs een krachtige gaming-pc kan die hardware verhuren aan mensen die AI-modellen moeten trainen. De matchmaking, betalingen en bewijs van werk gebeuren allemaal op een aangepaste blockchain die bovenop Ethereum is gebouwd.
De token die je op beurzen ziet als AIGENSYN is dezelfde als $AI op het officiële contract. Andere naam, dezelfde munt. Waarom twee namen? Gewoon "AI" is een populaire ticker die veel projecten willen, dus langere versies zoals AIGENSYN verschijnen op lijsten om het duidelijk te houden. De token wordt gebruikt door houders om in het netwerk te staken, te betalen voor trainingsklussen, beloningen te verdienen voor het verifiëren van werk en te stemmen over wijzigingen in het protocol.
Het verhaal achter Gensyn is een korte omweg waard. Twee medeoprichters, Ben Fielding en Harry Grieve, ontmoetten elkaar in 2020 bij een acceleratorprogramma in het Verenigd Koninkrijk. Ben had jaren besteed aan het bestuderen van hoe netwerken van kleine AI-agenten elkaar kunnen trainen; zijn proefschrift richtte zich op "zwerm"-methoden. Harry kwam uit de financiële sector en was gefascineerd door hoe computercapaciteit stilletjes de duurste hulpbron in de technologie was geworden. Ze wedden, ver voordat ChatGPT een bekende naam was, dat de toekomst van AI niet zou worden beperkt door ideeën, maar door wie de GPU’s bezit. Dus besloten ze een alternatief te bouwen.
Stel je dit voor: je vraagt een vreemde aan de andere kant van de wereld om jouw AI-model te trainen op hun GPU. Ze voeren de taak uit, sturen je het resultaat terug en brengen je kosten in rekening voor het werk. Hoe weet je zeker dat ze niet hebben bespaard, het resultaat hebben vervalst of kosten in rekening hebben gebracht voor compute die ze nooit hebben uitgevoerd? Dat is het vertrouwensprobleem dat Gensyn moest oplossen voordat dit nuttig kon zijn.
De oplossing is een systeem dat het team Trustless Verifiable ML noemt. Het vereist niet dat je de medewerker vertrouwt. In plaats daarvan gebruikt het een mix van wiskunde en economische prikkels om valsspelen veel duurder te maken dan het werk goed doen. Het hele trainingsproces opnieuw uitvoeren alleen om het te controleren zou het doel ondermijnen, dus het netwerk controleert kleine willekeurige delen van het werk. Alles wat verdacht is, wordt gemarkeerd en de medewerker die probeerde het systeem te manipuleren verliest echt geld.
Gensyn organiseert deelnemers in drie rollen, een beetje zoals een scheidsrechtersysteem in de sport:
Het slimme deel is de wiskunde. Iedereen die betrapt wordt op liegen verliest meer dan hij ooit kan winnen door te valsspelen, dus wordt eerlijkheid de rationele keuze. Geen centrale autoriteit beslist wie gelijk heeft; de regels en het geld doen dat.
Wanneer je voor het eerst hoort over gedecentraliseerde AI-computing, lijkt de uitdaging te liggen in het vinden van genoeg GPU's. Dat is het niet. Reserve-GPU's zijn overal. Het moeilijke is bewijzen dat iemand die je nooit hebt ontmoet je taak eerlijk heeft uitgevoerd, zonder hen het werk opnieuw te laten doen zodat je het kunt verifiëren. Dat Gensyn dat probleem oplost, is wat het hele idee mogelijk maakt.
Onder de motorkap verdeelt Gensyn de puzzel van gedecentraliseerde AI in vier onderdelen die samenpassen:
Onder deze vier lagen ligt een aangepaste blockchain (technisch een Ethereum-rollup) die is afgestemd op AI-werklasten. Als je de diepgaande technische uitleg wilt, beschrijft de protocoldocumentatie van het team dit in detail. Er is ook een component genaamd de Agent eXchange Layer, wat gewoon een versleutelde telefoonlijn is die AI-agenten en ML-pijplijnen in staat stelt rechtstreeks met elkaar te communiceren. Dat detail wordt erg belangrijk zodra je stopt met AI te zien als een hulpmiddel dat je gebruikt en begint te denken aan AI als iets dat zelfstandig koopt, verkoopt en beslissingen neemt.
Gensyn lanceerde een openbare testnet in maart 2025, en het eerste wat ze lieten zien was iets genaamd RL Swarm. Het idee was simpel maar gaaf. Duizenden mensen zouden een stuk software downloaden, een node draaien vanaf hun eigen computer, en samen helpen om een gedeeld AI-model na te trainen. Elke deelnemer kreeg een trackrecord op de blockchain zodat bijdragen eerlijk konden worden gecrediteerd. RL Swarm breidde later uit tot een omgeving genaamd CodeZero, waar de swarm programmeerproblemen aanpakte met drie roltypes: Oplossers, Voorstellenmakers en Beoordelaars.
Die fase werd afgerond in april 2026 toen het team de hoofdnet aanzette. RL Swarm werd gepauzeerd zodat het netwerk zijn energie kon richten op zijn eerste echte productie-app. Een week later ging de $AI-token live, en op 1 mei 2026 ging een koop-en-verbrand mechanisme van start dat protocolkosten gebruikt om tokens permanent uit circulatie te halen, waardoor de tokenvoorraad nauwer gekoppeld wordt aan hoeveel het netwerk daadwerkelijk wordt gebruikt.
Delphi is de eerste grote app die draait op het Gensyn-mainnet, en het is een frisse kijk op iets dat al bestond: voorspellingsmarkten. De twist is dat in plaats van menselijke jury's of traditionele orakels, AI-modellen de winnaar bepalen.
Dit is hoe het werkt. Je ziet een vraag die je interesseert, bijvoorbeeld "Zal Bitcoin aan het eind van het jaar boven de $200.000 sluiten?" Je koopt een ja- of nee-positie. Andere mensen doen hetzelfde, en de prijs beweegt op basis van vraag en aanbod. Wanneer de deadline bereikt is, leest een AI-model dat door de marktmaker is gekozen een resolutieprompt, bekijkt het bewijs en bepaalt de uitkomst. Fondsen worden automatisch afgerekend.
Een paar details die het waard zijn om te weten:
Gensyn heeft ook een Agentic Trading Toolkit uitgebracht die AI-agenten laat browsen op Delphi, transacties laten uitvoeren en portefeuilles herbalanceren met natuurlijke taal. Dus Delphi is niet alleen een plek waar mensen op de toekomst gokken. Het is een plek waar bots stilletjes hetzelfde doen, mogelijk sneller dan jij de pagina kunt verversen.
Elke token heeft zijn taak, en AIGENSYN ($AI) heeft er meerdere. Weten wat elk doet helpt verklaren waarom de token een nut heeft dat verder gaat dan alleen iets om mee te handelen:
De totale voorraad is vastgezet op 10 miljard. Ongeveer 1,3 miljard daarvan (ongeveer 13%) waren in omloop bij de lancering, waarbij de rest volgens een schema in de komende jaren wordt vrijgegeven. Het contract bevindt zich op Ethereum, waar ook de rollup van Gensyn uiteindelijk wordt afgehandeld.
Het grootste deel van de AI-training ter wereld vindt stilletjes plaats in de datacenters van ongeveer drie of vier hyperscale cloudbedrijven. Die opzet werkt meestal, totdat je kijkt naar wie er buitengesloten wordt. Onafhankelijke onderzoekers, kleinere startups en iedereen buiten de cloud-kopende binnenkring worden geconfronteerd met lange wachttijden, hoge prijzen en contracten die ze eigenlijk niet kunnen controleren. De keuze wie het volgende grote AI-model bouwt, komt vaak neer op wie de GPU-rekening kan betalen.
Gensyn is een poging om die wiskunde te veranderen. Door wereldwijd overtollige hardware te bundelen, te bewijzen dat het werk correct wordt gedaan, en iedereen (inclusief AI-agents zelf) de token te laten vasthouden, verlaagt het de drempel om een serieus model te trainen. Of het netwerk nu de grote cloudproviders uiteindelijk vervangt of niet, het experiment is belangrijk. Het wijst op een nabije toekomst waarin AI-agents hun eigen economie hebben. Hun eigen markt, hun eigen manier om te verdienen, hun eigen afwikkelingslaag. Traditionele fintech was niet gebouwd voor software die zijn eigen transacties ondertekent, maar een keten zoals die van Gensyn zou dat kunnen zijn.
Een evenwichtige kijk op elk project omvat de onderdelen die niet gegarandeerd werken. Bij Gensyn zijn de openstaande vragen reëel:
Gensyn is een van de meer geloofwaardige pogingen om serieuze AI-infrastructuur te combineren met on-chain coördinatie. Of het de standaard thuisbasis wordt voor machine-intelligentie in de komende jaren hangt af van echt gebruik, niet van mooie whitepapers. Als je wilt volgen hoe gedecentraliseerde AI zich in de praktijk ontwikkelt, is dit een van de meest interessante projecten om nu te volgen.
