PANews 3月21日消息，根據官方公告，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。此框架大幅降低算力與記憶體需求，使十億參數級模型可在筆電、消費級GPU 及智慧型手機上完成訓練與微調。
此方案首次實現BitNet 模型在行動裝置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 小時等級完成，甚至在手機端可擴充至13B 參數模型。
此外，該框架支援Intel、AMD 及Apple Silicon 等異構硬件，並首次實現非NVIDIA 設備上的1-bit LLM LoRA 微調。效能方面，BitNet 模型在行動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 訓練向去中心化與在地化發展，並為聯邦學習等新型應用場景提供基礎。
