Tether QVAC запускает кросс-платформенный BitNet LoRA для дообучения 1B на мобильных устройствах

Tether объявила о кросс-платформенном фреймворке BitNet LoRA для дообучения и инференса внутри своего QVAC Fabric. Цель — сократить вычисления и потребление памяти при обучении моделей Microsoft BitNet (1-битные LLM) с использованием BitNet LoRA. Tether заявляет о масштабировании на устройстве: модель с 125M параметров можно дообучить примерно за 10 минут, а модель с 1B параметров — примерно за 1 час. Также утверждается, что модели могут масштабироваться до 13B параметров на мобильных устройствах. Ключевые обновления в этом релизе: фреймворк поддерживает гетерогенное аппаратное обеспечение (Intel, AMD, Apple Silicon) и позволяет использовать BitNet LoRA на мобильных GPU не-NVIDIA, включая Adreno, Mali и Apple Bionic — Tether называет это первой не-NVIDIA конфигурацией для LoRA дообучения 1-битных LLM. Приведённые Tether показатели производительности включают 2–11x более быструю инференс BitNet на мобильных GPU по сравнению с CPU и до ~77,8% меньший расход памяти GPU по сравнению с традиционными 16-битными моделями. Tether утверждает, что это снижает зависимость от высококлассной облачной инфраструктуры и поддерживает децентрализованные схемы обучения, такие как federated learning. Для криптотрейдеров это в основном технологический сигнал и сигнал по затратам на инфраструктуру ИИ, связанный с экосистемами стейблкоинов, а не прямой катализатор для токенов. Рыночное влияние на USDT, вероятно, ограничено, но AI-нарратив может улучшить общий сентимент, если последуют дальнейшие развёртывания после объявления о BitNet LoRA.