KI-Compute-Stack für Training und Inferenz | Dweve Core

Choose the audience that matches your question

The page contains three selectable readings of the same subject.

Coding-Agent und Operator-Unterstützung. Demokennzahlen sind illustrativ.

Terminal, Suche, Lint, Test, Git und mehr.

Merkt sich Ihre Codebasis und den Teamkontext.

Spezialisierte Agenten arbeiten fachübergreifend zusammen.

Jeder Schritt wird mit Zeitstempeln aufgezeichnet.

Richtlinien, Prüfungen und Tests laufen immer.

Diffs prüfen, Änderungen anfordern, endgültige Freigabe.

Jede Sitzung bitgenau wiedergeben, wenn etwas überprüft werden muss.

retry.ts lesen, Timeout-Fehler aufgespürt

Guard extrahieren + Wiederholungen begrenzen

Autonome Agenten, die Code schreiben und Belege aufbewahren

zur Behandlung von Netzwerk-Timeouts, 5xx-Antworten und idempotent-sicheren Bedingungen. Reine Hilfsfunktion, vollständig unit-getestet.

Fähigkeit und Determiniertheit pro Zelle angegeben

Direkter Betrieb auf kundengesteuerter Infrastruktur

Ein Modell, mehrere vom Anbieter gehaltene Pfade

Kompression lebt in einem anderen Werkzeug

Definition und Ausführung weichen langsam voneinander ab

Läuft auf normalen Computern, wo unterstützt

Es kann zeigen, wie es dorthin gelangt ist.

Ihre Dinge können zu Hause bleiben, in Europa.

Ausführungszelle und Replay-Vertrag aufgezeichnet

Speicherformat ist nicht vom Akkumulatortyp

Dweve Core ist ein vollständiger KI-Compute-Stack für Training und Inferenz. Die meisten KI-Plattformen decken nur einen Teil ab und überlassen den Rest anderen Anbietern. Core hält Modellautorensystem, Training, Inferenz, Kernel, Dispatch und Bereitstellung in einem kohärenten System. Bei unterstützten binären Workloads verbraucht Core 96 % weniger Energie als ein GPU-Stack.

25 registrierte numerische Formatefamilien

Teilsysteme schaffen dauerhafte Abhängigkeit

Definition und Ausführung weichen langsam voneinander ab.

Die Kompression lebt im Werkzeug eines anderen.

Neue Hardware, neues Serving-System, neues Verhalten.

Die Roadmap des Anbieters wird zu Ihrer Roadmap.

Kein einzelnes System kann das Ergebnis erklären.

Die Abhängigkeit bleibt bestehen, weil der darunterliegende Rechenraum nur teilweise abgedeckt ist.

Die Implementierung ist der strategische Vermögenswert

Core hält Änderungen an numerischer Breite, Packing, Hardware und Bereitstellung innerhalb eines Implementierungssystems. Ein Algorithmus wird nicht zu einem anderen Produkt, nur weil er von einem x86-Server auf ARM, eine GPU, einen Browser oder ein spezialisiertes Ziel wechselt. Die Operation bleibt während des gesamten Wechsels benannt, überprüfbar und im Besitz, und jeder Pfad wird registriert statt aus einem Formatlabel abgeleitet.

Das Implementierungsregister umfasst mehr als 2.900 Operationen, 76 Operationskategorien und 25 registrierte numerische Formatfamilien. Jeder Pfad wird über neun Dimensionen bestimmt: Algorithmus, Datentyp, Breite, Packing, Akkumulator, Backend, Befehlssatz, Dispatch-Richtlinie und Determinismus-Modus. Der Darstellungsvertrag hält diese numerischen und physischen Entscheidungen an der Operation fest. Die folgende Visualisierung fixiert die meisten dieser Dimensionen, sodass ein kleiner repräsentativer Ausschnitt lesbar bleibt. Die Zahl beschreibt ein Register konkreter Zellen und Verträge, nicht die Behauptung, dass ein Formatlabel oder ein breites Fähigkeitsabzeichen allein einen Ausführungspfad erklärt.

Wie es gespeichert wird, wie es summiert wird.

Welcher Pfad gewählt wird, unter welchem Vertrag.

Die Stichprobe ist klein, weil das Implementierungsregister es nicht ist.

Ein Algorithmus übersteht jede Einschränkung

innerhalb von Core, nicht über Anbieter hinweg

Eine neue Breite, ein neues Packing, ein neuer Host oder ein neuer Vertrag kommt hinzu.

Die Maschine wählt den Pfad für die neue Zelle.

Welcher Code lief, auf welcher Maschine, wird festgehalten.

Gleicher Vermögenswert, gleicher Eigentümer, neue Bedingung.

Die erste übernommene Annahme, die Core entfernt, ist, dass ein Datentyp alles dominieren sollte.

Der Prozessor sollte genauso austauschbar sein wie der Datentyp.

Core behandelt kein Beschleuniger-Ökosystem als die Definition von KI und alles andere als einen minderwertigen Port. Seine Operationen haben skalare Referenzimplementierungen und zielspezifische Pfade über unterstützte CPU-, GPU-, FPGA-, Browser- und Deployment-Backends. Die Laufzeit wählt eine Implementierung basierend auf der verfügbaren Maschine und der Richtlinie, die der Arbeit zugeordnet ist.

Ein moderner x86-Prozessor kann seine Vektorinstruktionen nutzen. ARM und Apple Silicon können ihre nativen Pfade nutzen. NVIDIA-, AMD- und Apple-GPUs können ihre jeweiligen Backends verwenden. Browserausführung kann bei Bedarf WebAssembly oder WebGPU nutzen. Deployment-Programme können auf spezialisierte Hardware abzielen. Der Prozessor ist ein Ziel für die Operation. Er ist nicht der Eigentümer des Modells.

x86-Vektoren, native Pfade von ARM und Apple Silicon.

NVIDIA-, AMD- und Apple-GPUs auf ihren eigenen Backends.

Spezialisierte Hardware für Deployment-Programme.

Breite Zielbezeichnungen sind billig. Den echten Pfad zu besitzen ist schwerer.

Der Datentyp wurde nicht unterstützt, die Zielhardware änderte sich, und der Quantisierer benötigte eine andere Laufzeit.

Der Serving-Stack konnte das Ergebnis nicht wiedergeben. Die Beschaffung eröffnete eine weitere Lieferantenprüfung.

Der Quantisierer benötigte eine andere Laufzeit

Das Ergebnis konnte nicht wiedergegeben werden

Die Beschaffung eröffnete eine weitere Prüfung

Sie haben nicht ein Feature hinzugefügt. Sie haben ein weiteres Loch in der Maschine aufgedeckt.

Handoptimiert bedeutet, dass jemand das Ergebnis besitzt

Eine breite API ist leicht zu bewerben. Breites maschinennahes Eigentum ist viel schwerer. Core zählt eine Operation nicht als abgedeckt, nur weil eine generische Implementierung auf einem anderen Ziel kompiliert. Die unterstützten Pfade sind für ihre tatsächliche Kombination aus Operation, Darstellung, Packung, Backend und Befehlssatz implementiert und optimiert.

Binäre Matrixmultiplikation auf AVX-512 wird nicht als Gleitkomma-Matrixmultiplikation mit kleineren Werten behandelt. Gepackte Bit-Operationen verwenden die Bit-Instruktionen, die der Maschine zur Verfügung stehen. Ganzzahl- und Festkomma-Operationen verwenden das korrekte Akkumulator- und Überlaufverhalten. GPU-Pfade nutzen die Ausführungsstruktur des Ziels. Skalare Implementierungen bleiben als Referenz und universeller Boden vorhanden. Das schafft eine verantwortungsvolle Antwort auf eine einfache Frage: Welcher Code hat diese Operation auf dieser Maschine tatsächlich ausgeführt? Core kann den Pfad benennen.

Geschrieben für das, was tatsächlich berechnet wird.

Bit-Instruktionen für Bits, nicht skalierte Gleitkommazahlen.

Korrektes Überlaufverhalten, von Design.

NEON-Kernel, geschrieben für ARMs eigene Vektorarchitektur.

Dieses Eigentum muss über den Kernel hinaus und über den gesamten Modelllebenszyklus fortbestehen.

Eine Maschine von der Definition bis zur Inferenz

die Stationen, die das Modell nie verlässt

Das Modell wird in Core-Begriffen verfasst.

Trainiert für die Darstellung, die es verwenden wird.

Ausgeführt von dem System, das es trainiert hat.

Weitergeleitet an den abgestimmten Pfad für den Host.

Benchmarked und im selben Rechner wiedergegeben.

Sobald der Lebenszyklus kohärent ist, kann Variation zu einem Vertrag werden statt zu einem Zufall.

Core gibt den Vertrag des Pfads an, der tatsächlich lief. Core Native binäre, ternäre, vorzeichenbehaftete und vorzeichenlose Ganzzahl-, Festkomma-, adaptive und exakte Pfade sind rein deterministisch, wo abgedeckt, ohne Seed. Core Native Gleitkomma-, bfloat-, block-skalierte und mikroskalierte Pfade verwenden wiedergegebenes Seeding. Optionales Core auf Kera macht unterstützte Pfade in diesen Gleitkomma-Familien ebenfalls rein deterministisch.

Ein regulierter Low-Bit-, Q-Format- oder adaptiver Workflow kann bitidentische Core Native Wiedergabe verlangen. Ein Gleitkomma-Workflow kann einen festen Seed und einen vollständigen Datensatz unter Core Native verwenden. Kreatives Sampling bleibt eine separate Generierungswahl. Eine Bereitstellung, die rein deterministische bfloat-, block-skalierte, mikroskalierte oder konventionelle Gleitkomma-Ausführung erfordert, kann Core auf Kera verwenden und den Seed entfernen. Dies sind unterschiedliche erklärte Verträge für die ausgewählte Zelle, keine austauschbaren Marketingnamen für jede wiederholte Antwort.

der ausgewählte Pfad gibt an, welcher gilt

Binäre, Ganzzahl-, Q-, adaptive und exakte Pfade. Kein Seed.

Gleitkomma-, bfloat-, block-skalierte und mikroskalierte Wiedergabe.

Unterstützte Gleitkomma-Familienpfade, kein Seed erforderlich.

Wenn sich Verhalten ändert, sollte ein System die Erklärung weiterhin besitzen.

Wenn sich ein Produktionsergebnis in einem fragmentierten Stack ändert, ist die Verantwortung verteilt. Das Framework beschuldigt den Exporter. Der Exporter beschuldigt die Laufzeit. Die Laufzeit beschuldigt den Kernel. Der Kernel beschuldigt den Treiber. Der Treiber beschuldigt die Hardware. Core bringt diese Verantwortlichkeiten in ein System.

Die Modelldefinition, numerische Entscheidungen, ausgewähltes Backend, Dispatch-Pfad, Determinismus-Modus und resultierender Ausführungsdatensatz können zusammen untersucht werden. Das bedeutet nicht, dass jede externe Abhängigkeit verschwindet. Datenquellen, Anwendungen, Betriebssysteme und Hardware existieren weiterhin. Es bedeutet, dass die KI-Maschine selbst eine verantwortliche Grenze hat. Eine Überprüfung kann fragen, welche Implementierung lief, auf welchem unterstützten Ziel und unter welchem Wiedergabevertrag, ohne die Antwort aus den internen Systemen mehrerer Anbieter zusammenzusetzen.