AI Compute Stack for Training and Inference | Dweve Core

Coding agent og operatørassistance. Demomålinger er illustrative.

Terminal, søgning, lint, test, git og mere.

Specialiserede agenter samarbejder på tværs af områder.

Hvert trin registreres med tidsstempler.

Politikker, kontroller og tests kører altid.

Gennemgå diffs, anmod om ændringer, endelig godkendelse.

Afspil enhver session bit-for-bit, når noget skal gennemgås.

Autonome agenter, der skriver kode og holder styr på kvitteringer

til at håndtere netværkstimeouts, 5xx-svar og idempotente-sikre betingelser. Ren hjælpefunktion, fuldt enhedstestet.

Deployment target, synthesis scaffolding

Runtime dispatcher, picks per call by target and policy

One operator definition, hand tuned kernels per ISA. If your silicon shipped in the last eight years, Core has a path to it.

Kapacitet og determinisme angivet pr. celle

Direkte drift på kundestyret infrastruktur

definitionen og udførelsen er langsomt uenige

Ét operatørflade på tværs af framework, engine og compiler. Ingen ekstern lim.

Core kører på Kera, en deterministisk mellemrepræsentation. Kera er selve IR'en, ikke en wrapper omkring MLIR og ikke bygget på LLVM. Multi-level lowering fører en neural graf ned til hardwarespecifik native kode med fusion.

En komplet træningsengine med quantisation-aware training, knowledge distillation, progressiv præcision og distribueret træning. Inferensengine leveres med tre determinismetilstande og production serving.

Et typesikkert DSL til enhver arkitektur og enhver bitbredde. Komponér fra primitiver eller fra eksisterende lag, og tilføj dine egne med samme testinfrastruktur som de indbyggede.

Kører på almindelige computere, hvor det understøttes

Den kan vise, hvordan den kom frem til svaret.

Kan arbejde offline, hvor det understøttes.

En proof, der startes via managed Fabric, kan danne grundlag for en senere overgang til licenseret Core-drift, herunder et fysisk isoleret licenseret miljø. Managed Fabric i sig selv inkluderer ikke Core.

Hvad der kan overføres på adoptionsvejen

én proof-vej, to licenserede driftsformer

Dataforpligtelser angivet for hver driftsform

Et fysisk isoleret licenseret miljø til miljøer, der ikke kan tåle en ekstern forbindelse. Teknologioverførsels- og uafhængighedsrettigheder er kun tilgængelige, hvor den valgte Government- og Critical Infrastructure-tier angiver dem.

Drev licenseret Core på dine egne servere i dit eget datacenter. Dine operatører har nøglerne; kildekode-escrow og kildekoderettigheder forbliver separate, medmindre aftalen udtrykkeligt inkluderer dem.

Bygget i Holland; driftsgrænse angivet i aftalen

Managed Fabric er en separat tjeneste på det offentlige Mesh og inkluderer ikke Core-adgang eller Core-drift. Direkte Core-drift begynder med en licens til kundestyret infrastruktur.

Determinisme er en indstilling, ikke en ambition. Testpakken hævder det, det loves ikke i prosa.

Skift pr. anmodning, ingen genudrulning.

dispatch: samme heltal/fast model i alle tilstande

core.infer(model, x, determinism="creative", temp=0.8)

Fuld ikke-determinisme, hvor det ønskes. Temperatur-, top k- og top p-sampling. Den samme dispatch-model med afslappet determinisme, ingen separat kodevej.

core.infer(model, x, determinism="seeded", seed=42)

Reproducerbar med samme seed, forskellige seeds giver forskellige outputs. Nyttig til A/B-testning, Monte Carlo-kørsler og enhver arbejdsgang, hvor kontrolleret variation ønskes.

core.infer(model, x, determinism="hard")

Ruter gennem erklæret heltals- og fastpunktsaritmetik, hvilket fjerner platformafhængig aritmetisk drift. Bitidentiske outputs på tværs af understøttede mål. Den tilstand, der bruges, når en kontrakt eller regulator kræver reproducerbarhed.

Core regner på en enklere og lettere måde end de fleste AI-modeller. Derfor behøver den ikke et rum fyldt med strømslugende chips. Den computer, du allerede har, er nok.

Fordi den kører på din egen maskine, behøver dine spørgsmål og dokumenter ikke at rejse til et firma langt væk. Det, du skriver, bliver, hvor du kan se det.

Når Core giver dig et svar, kan den vise de trin, den tog for at komme dertil, ligesom en matematiklærer, der skriver udregningen. Du behøver aldrig at tage det på tro.

Du rører aldrig ved motoren. Men alt, hvad du mærker, farten, glatheden, stilheden, kommer fra, hvor godt den er bygget. De fleste AI-modeller er bygget med købte motorer. Dweve byggede sin egen, så den kører godt på almindelige computere og holder dine ting hos dig.

Core, den stille motor under alle Dweve-produkter

Enkel at bruge, skånsom mod din pengepung, og din for evigt

Dweve er bygget i Holland af mennesker, der svarer til europæisk lov. Der er et rigtigt firma og et rigtigt sted bag den motor, du bruger.

Den bruger langt mindre strøm end den AI, der har brug for enorme maskiner. Det holder prisen nede og betyder, at en gratis version overhovedet kan findes.

Når den fortæller dig noget, kan den vise dig, hvordan den nåede frem til det, trin for trin. Hvis den nogensinde er usikker, siger den det i stedet for at gætte og håbe.

Fordi motoren bor på din egen enhed, bliver den ved med at virke, selv når forbindelsen falder ud. Ligesom en lommeregner behøver den ikke at ringe til nogen for at gøre sit arbejde.

Dine breve, billeder og spørgsmål bliver ikke sendt af sted til en fjern computer. De bliver hos dig, i Europa, under europæiske regler.

Du behøver ikke at købe noget nyt eller dyrt. Hvis din bærbare kan vise dig en video, kan den køre Dweve. Det smarte er bygget ind i motoren, ikke i en kostbar maskine.

model.dsl, typesikker forfatteroplevelse

eksekveringscelle og replay-kontrakt registreret

Core ændrer substratet, ikke den grænseflade, du allerede kender.

Hård determinisme afspiller et resultat bit for bit, på forespørgsel.

Compliance samles, efter at de svære spørgsmål er dukket op.

Kun EU-dataveje, bygget og drevet fra Holland.

Data lander på en udenlandsk hyperscaler under udenlandsk lov.

96 % mindre energi end en GPU-stak, de samme svar til en brøkdel af driftsomkostningen.

En generativ GPU-stak trækker strøm i megawatt-klassen.

CPU først, på servere, du allerede ejer.

GPU-klynger, du byder på mod hyperscalere.

Forskning i kanter og lave bit. En del af historien om 96 % mindre energi.

Kvantiseret inferens og deterministisk fast komma.

Intern træning og præcisionsfølsomme lag.

Bredt fast komma eller eksakt via Numerus

Determinismekontrakter og referencekontrol.

25 numeriske familier, ingen intern FP-sti

Vælg intern lagring, akkumulator og dispatch-politik per operator. Ekstern flydende input konverteres ved grænsen, før compileren sænker blandingen til målet.

Enhver intern repræsentation er en førsteklasses borger, indbygget i operatoren snarere end konfigureret bagefter.

Bygget på Kera, deterministisk af design

Det samme arbejde, udført af én motor, du ejer, i stedet for en bunke leverandørværktøjer, der er limet sammen.

Fem opgraderingscyklusser, fem sikkerhedsoverflader, fem steder, hvor det kan gå galt.

Ethvert resultat kan afspilles og kontrolleres.

Data forbliver i Europa, på infrastruktur, du kontrollerer.

Ingen GPU-indkøb, ingen budkrig med hyperscalere.

Én kontrakt, én supportlinje, én opgraderingscyklus.

Dweve Core is a complete AI compute stack for training and inference. Most AI platforms cover a slice and hand the rest to other vendors. Core keeps model authoring, training, inference, kernels, dispatch and deployment in one coherent system. On supported binary workloads, Core uses 96% less energy than a GPU stack.

Partial systems create permanent dependence

The definition and the execution slowly disagree.

Compression lives in someone else's tool.

Ny hardware, nyt serveringssystem, ny adfærd.

Leverandørens køreplan bliver din køreplan.

Intet enkelt system kan forklare resultatet.

Afhængigheden består, fordi det beregningsmæssige rum under den kun er delvist dækket.

Core holder ændringer i numerisk bredde, pakning, hardware og implementering inden for ét implementeringssystem. En algoritme bliver ikke et andet produkt, fordi den flytter fra en x86-server til ARM, en GPU, en browser eller et specialiseret mål. Operationen forbliver navngivet, inspicerbar og ejet under hele flytningen, og hver sti er registreret frem for udledt fra en formatetiket.

Implementeringsregistret spænder over mere end 2.900 operationer, 76 operationskategorier og 25 registrerede numeriske formatfamilier. Hver sti er bestemt på tværs af ni dimensioner: algoritme, datatype, bredde, pakning, akkumulator, backend, instruktionssæt, dispatcheringspolitik og determinismetilstand. Repræsentationskontrakten holder disse numeriske og fysiske valg knyttet til operationen. Visualiseringen nedenfor fastlåser de fleste af disse dimensioner, så et lille repræsentativt udsnit forbliver læsbart. Antallet beskriver et register over konkrete celler og kontrakter, ikke en påstand om, at en formatetiket eller et bredt kapacitetsmærke alene forklarer en eksekveringssti.

Hvad der bærer det, med hvilken præcision.

Hvordan det lagres, hvordan det summeres.

Hvilken sti vælges, under hvilken kontrakt.

Udsnittet er lille, fordi implementeringsregistret ikke er det.