Tether 發布跨平台 BitNet LoRA 框架，十億參數模型可在消費級設備完成微調

Techub News 消息，Tether 宣布推出 QVAC Fabric 中的跨平台 BitNet LoRA 微調框架，實現對 Microsoft BitNet（1-bit LLM）的訓練與推理優化。該框架顯著降低算力與內存需求，使十億參數級模型可在筆記本、消費級 GPU 及智能手機上完成訓練與微調。該方案首次實現 BitNet 模型在移動端 GPU（包括 Adreno、Mali 及 Apple Bionic）上的微調，測試顯示，125M 參數模型可在約 10 分鐘內完成微調，1B 模型約 1 小時級別完成，甚至在手機端可擴展至 13B 參數模型。此外，該框架支持 Intel、AMD 及 Apple Silicon 等異構硬體，並首次實現非 NVIDIA 裝置上的 1-bit LLM LoRA 微調。性能方面，BitNet 模型在移動 GPU 上的推理速度較 CPU 提升 2 至 11 倍，同時在顯存佔用上較傳統 16-bit 模型最高降低約 77.8%。Tether 表示，該技術有望打破對高端算力與雲端基礎設施的依賴，推動 AI 訓練向去中心化與本地化發展，並為聯邦學習等新型應用場景提供基礎。