Tether QVAC lanza BitNet LoRA multiplataforma para fine-tuning de 1B en móviles

Tether anunció un marco multiplataforma BitNet LoRA para ajuste fino e inferencia dentro de su QVAC Fabric. El objetivo es reducir el cómputo y la memoria necesarios para entrenar modelos Microsoft BitNet (LLM de 1-bit) usando BitNet LoRA. Tether afirma escalabilidad en dispositivo: un modelo de 125M de parámetros puede ajustarse en unos 10 minutos, mientras que uno de 1B de parámetros tarda aproximadamente 1 hora. También indica que los modelos pueden escalar hasta 13B de parámetros en móvil. Novedades clave en este lanzamiento: el marco soporta hardware heterogéneo (Intel, AMD, Apple Silicon) y habilita BitNet LoRA en GPUs móviles no NVIDIA, incluyendo Adreno, Mali y Apple Bionic—Tether lo denomina la primera configuración no NVIDIA para ajuste fino LoRA de LLMs de 1-bit. Métricas de rendimiento citadas por Tether incluyen inferencia BitNet 2–11x más rápida en GPUs móviles frente a CPU, y hasta ~77,8% menos uso de memoria GPU frente a modelos tradicionales de 16 bits. Tether argumenta que esto reduce la dependencia de infraestructura cloud de alta gama y soporta patrones de entrenamiento descentralizados como el aprendizaje federado. Para traders de criptomonedas, esto es principalmente una señal tecnológica y de coste de infraestructura AI ligada a ecosistemas de stablecoins más que un catalizador directo de tokens. El impacto de mercado sobre USDT probablemente sea limitado, pero la narrativa de IA podría mejorar el sentimiento general si se producen más despliegues tras el anuncio de BitNet LoRA.