Tether lanzó el primer framework cross-platform de fine-tuning LoRA para modelos BitNet de Microsoft, a través de su plataforma QVAC Fabric, con el objetivo de permitir el entrenamiento e inferencia de modelos de lenguaje de hasta mil millones de parámetros en hardware de consumo masivo, incluyendo laptops, GPUs convencionales y smartphones modernos.
Este framework elimina la dependencia de infraestructura NVIDIA de nivel empresarial o servicios cloud, que hasta ahora representaban una barrera de acceso casi infranqueable para organizaciones fuera del primer nivel tecnológico.
Los benchmarks publicados por la compañía muestran que el modelo BitNet-1B consume hasta un 77,8% menos de VRAM que Gemma-3-1B en 16 bits, y que la inferencia en GPUs móviles resulta entre dos y once veces más rápida que en CPU. En un Samsung S25, el fine-tuning de un modelo de 125 millones de parámetros sobre un dataset biomédico de aproximadamente 300 documentos se completa en diez minutos. Un modelo de 1B requiere una hora y dieciocho minutos en el mismo dispositivo, mientras que el iPhone 16 permite escalar hasta modelos de 13B parámetros.
Paolo Ardoino, CEO de Tether, sostuvo que cuando el entrenamiento de modelos depende de infraestructura centralizada, la innovación se estanca y el equilibrio del ecosistema se vuelve frágil. También señaló que la compañía continuará destinando recursos para garantizar que la inteligencia artificial sea accesible localmente en cualquier dispositivo.
Disclaimer: Las Noticias Flash de Crypto Economy se elaboran a partir de fuentes oficiales y públicas verificadas por nuestro equipo editorial. Su propósito es informar de forma rápida sobre hechos relevantes del ecosistema cripto y blockchain.
Esta información no constituye asesoramiento financiero ni recomendación de inversión. Recomendamos verificar siempre los canales oficiales de cada proyecto antes de tomar decisiones relacionadas.
