Tether QVAC เปิดตัว BitNet LoRA ข้ามแพลตฟอร์มสำหรับการปรับแต่ง 1B บนมือถือ

Tether ประกาศกรอบงาน BitNet LoRA ข้ามแพลตฟอร์มสำหรับการปรับจูน (fine-tuning) และการอนุมาน ภายใน QVAC Fabric ของบริษัท เป้าหมายคือการลดการใช้คอมพิวต์และหน่วยความจำที่ต้องใช้ในการฝึกโมเดล Microsoft BitNet (LLM แบบ 1-bit) โดยใช้ BitNet LoRA Tether อ้างความสามารถในการขยายบนอุปกรณ์: โมเดล 125M พารามิเตอร์สามารถปรับจูนได้ในประมาณ 10 นาที ขณะที่โมเดล 1B พารามิเตอร์ใช้เวลาประมาณ 1 ชั่วโมง นอกจากนี้ยังระบุว่าโมเดลสามารถขยายได้สูงสุดถึง 13B พารามิเตอร์บนมือถือ การอัปเดตสำคัญในรุ่นนี้: กรอบงานรองรับฮาร์ดแวร์แบบผสม (Intel, AMD, Apple Silicon) และเปิดใช้งาน BitNet LoRA บน GPU มือถือที่ไม่ใช่ NVIDIA รวมถึง Adreno, Mali และ Apple Bionic — Tether เรียกว่านี่คือการตั้งค่า non-NVIDIA ครั้งแรกสำหรับการปรับจูน LoRA ของ LLM แบบ 1-bit มาตรการประสิทธิภาพที่ Tether อ้างรวมถึงการอนุมาน BitNet เร็วขึ้น 2–11 เท่าบน GPU มือถือเมื่อเทียบกับ CPU และการใช้หน่วยความจำ GPU น้อยลงสูงสุดประมาณ ~77.8% เทียบกับโมเดล 16-bit แบบดั้งเดิม Tether ให้เหตุผลว่าสิ่งนี้ลดการพึ่งพาโครงสร้างพื้นฐานคลาวด์ระดับสูงและสนับสนุนรูปแบบการฝึกแบบกระจายเช่น federated learning สำหรับเทรดเดอร์คริปโต นี่เป็นสัญญาณด้านเทคโนโลยีและต้นทุนโครงสร้างพื้นฐาน AI ที่เชื่อมโยงกับระบบนิเวศของสเตเบิลคอยน์ มากกว่าจะเป็นตัวกระตุ้นโดยตรงสำหรับโทเค็น ผลกระทบต่อตลาดต่อ USDT น่าจะจำกัด แต่เรื่องราว AI อาจช่วยปรับปรุงความเชื่อมั่นโดยรวมได้หากมีการปรับใช้ตามมาหลังประกาศ BitNet LoRA