Tether 在 QVAC 上线跨平台 BitNet LoRA：移动端支持 10 分钟级微调与 1B 规模

Tether 在其 QVAC Fabric 内发布跨平台 BitNet LoRA 微调与推理框架，目标是降低训练 Microsoft BitNet（1-bit LLM）模型所需的算力与内存，并通过 BitNet LoRA 实现更低门槛的训练。 Tether 的主要主张是端侧可扩展：125M 参数模型约可在 10 分钟内完成微调；1B 参数模型约需 1 小时。同时它表示，移动端还能扩展至最高 13B 参数规模。 本次发布的关键补充在于：该框架支持异构硬件（Intel、AMD、Apple Silicon），并可在非 NVIDIA 的移动端 GPU 上进行 BitNet LoRA 微调，包括 Adreno、Mali 与 Apple Bionic——Tether 称这可能是首个在非 NVIDIA 设备上实现 1-bit LLM LoRA 微调的方案。 性能方面，Tether 给出的数据包括：移动端 GPU 上的 BitNet 推理相对 CPU 可提升 2–11 倍；显存占用相较传统 16-bit 模型最高可降低约 77.8%。Tether 认为这将减少对高端云算力与集中式基础设施的依赖，并利于联邦学习等更去中心化的训练模式。 对加密交易者而言，这更多是 AI 基础设施与开发成本的技术信号，而非直接的代币催化。对 USDT 的价格影响预计有限，但如果 BitNet LoRA 相关落地持续推进，可能强化市场对“稳定币生态与 AI 基建相关性”的叙事情绪。