Tether QVAC 推出跨平台 BitNet LoRA，於流動裝置上進行 1B 微調

Tether 在其 QVAC Fabric 內宣佈了一個跨平台的 BitNet LoRA 微調（fine-tuning）及推論框架。目標是使用 BitNet LoRA 減少訓練 Microsoft BitNet（1-bit LLM）模型所需的計算與記憶體。 Tether 聲稱具備裝置端可擴展性：125M 參數的模型可於約 10 分鐘內微調，而 1B 參數的模型約需 1 小時。其亦表示模型可在手機上擴展至 13B 參數。 此版本的重點更新包括：框架支援異構硬件（Intel、AMD、Apple Silicon），並在非 NVIDIA 的手機 GPU（包括 Adreno、Mali 及 Apple Bionic）上啟用 BitNet LoRA——Tether 稱之為首個針對 1-bit LLM LoRA 微調的非 NVIDIA 設置。 Tether 引述的效能數據包括：在手機 GPU 上的 BitNet 推論較 CPU 快 2–11×，以及相較傳統 16-bit 模型可節省約最高 ~77.8% GPU 記憶體。Tether 主張此舉可減少對高端雲端基礎設施的依賴，並支援如聯邦學習（federated learning）等去中心化訓練模式。 對加密交易員而言，這主要是與穩定幣生態系統相關的技術與 AI 基礎設施成本信號，而非直接的代幣催化劑。對 USDT 的市場影響可能有限，但若有更多部署跟進 BitNet LoRA 的宣佈，AI 敘事或能改善更廣泛的市場情緒。