の公式発表によると、TetherはQVAC Fabric内のクロスプラットフォームBitNet LoRAファインチューニングフレームワークを発表し、Microsoft BitNet（1-bit LLM）のトレーニングと推論の最適化を実現した。このフレームワークは計算能力とメモリ要件を大幅に削減し、数十億パラメータレベルのモデルをノートパソコン、消費向けGPU、スマートフォンでトレーニングおよびファインチューニングできるようにする。
このソリューションは、BitNetモデルのモバイルGPU（Adreno、Mali、Apple Bionicを含む）でのファインチューニングを初めて実現した。テストでは、125Mパラメータモデルは約10分でファインチューニングが完了し、1Bモデルは約1時間で完了し、スマートフォンでは13Bパラメータモデルまで拡張可能であることが示された。
さらに、このフレームワークはIntel、AMD、Apple Siliconなどの異種ハードウェアをサポートし、非NVIDIAデバイスでの1-bit LLM LoRAファインチューニングを初めて実現した。性能面では、BitNetモデルのモバイルGPU上での推論速度はCPUと比較して2倍から11倍向上し、同時にメモリ使用量は従来の16-bitモデルと比較して最大約77.8%削減された。
Tetherは、この技術が高性能計算能力とクラウドインフラへの依存を打破し、AIトレーニングの分散化とローカル化を推進し、連合学習などの新しいアプリケーションシナリオの基盤を提供する可能性があると述べている。