Tether QVAC lance BitNet LoRA multiplateforme pour un fine-tuning 1B sur mobile

Tether a annoncé un framework de fine-tuning et d'inférence BitNet LoRA multiplateforme intégré à son QVAC Fabric. L'objectif est de réduire la puissance de calcul et la mémoire nécessaires pour entraîner les modèles Microsoft BitNet (LLM 1-bit) en utilisant BitNet LoRA. Tether affirme une scalabilité sur l'appareil : un modèle de 125M de paramètres peut être fine-tuné en environ 10 minutes, tandis qu'un modèle de 1B de paramètres prend environ 1 heure. La société indique également que les modèles peuvent monter jusqu'à 13B de paramètres sur mobile. Principales nouveautés de cette version : le framework prend en charge du matériel hétérogène (Intel, AMD, Apple Silicon) et permet BitNet LoRA sur des GPU mobiles non-NVIDIA, y compris Adreno, Mali et Apple Bionic—Tether le présente comme la première configuration non-NVIDIA pour le fine-tuning LoRA des LLM 1-bit. Les métriques de performance citées par Tether incluent une inference BitNet 2–11× plus rapide sur GPU mobile par rapport au CPU, et jusqu'à ~77,8% de réduction de l'utilisation mémoire GPU par rapport aux modèles 16-bit traditionnels. Tether soutient que cela réduit la dépendance aux infrastructures cloud haut de gamme et favorise des schémas d'entraînement décentralisés comme le federated learning. Pour les traders crypto, il s'agit surtout d'un signal technologique et de coût d'infrastructure AI lié aux écosystèmes de stablecoins plutôt que d'un catalyseur direct pour les tokens. L'impact sur le marché pour l'USDT est probablement limité, mais le récit autour de l'IA pourrait améliorer le sentiment général si davantage de déploiements suivent l'annonce BitNet LoRA.