Tether QVAC lança BitNet LoRA multiplataforma para fine-tuning de 1B em mobile

A Tether anunciou uma estrutura BitNet LoRA multiplataforma para fine-tuning e inferência dentro do seu QVAC Fabric. O objetivo é reduzir o cálculo e a memória necessários para treinar modelos Microsoft BitNet (LLM de 1-bit) usando BitNet LoRA. A Tether afirma escalabilidade no dispositivo: um modelo de 125M de parâmetros pode ser fine-tuned em cerca de 10 minutos, enquanto um modelo de 1B de parâmetros leva aproximadamente 1 hora. Diz também que os modelos podem escalar até 13B de parâmetros em mobile. Principais novidades deste lançamento: a estrutura suporta hardware heterogêneo (Intel, AMD, Apple Silicon) e habilita BitNet LoRA em GPUs móveis não-NVIDIA, incluindo Adreno, Mali e Apple Bionic—A Tether afirma ser a primeira configuração não-NVIDIA para fine-tuning LoRA de LLMs de 1-bit. Métricas de desempenho citadas pela Tether incluem inferência BitNet 2–11x mais rápida em GPUs móveis em comparação com CPU, e até ~77,8% menos uso de memória GPU versus modelos tradicionais de 16 bits. A Tether argumenta que isso reduz a dependência de infraestrutura cloud de alto nível e apoia padrões de treinamento descentralizado como federated learning. Para traders de cripto, isto é principalmente um sinal tecnológico e de custo de infraestrutura de IA ligado a ecossistemas de stablecoin, em vez de um catalisador direto de token. O impacto de mercado sobre o USDT provavelmente será limitado, mas a narrativa de IA pode melhorar o sentimento geral se houver mais implantações após o anúncio do BitNet LoRA.