AI Compute Stack for Training and Inference | Dweve Core

Assistenza per agenti di codifica e operatori. Le metriche demo sono illustrative.

Terminale, ricerca, lint, test, git e altro.

Ricorda il tuo codebase e il contesto del team.

Agenti specializzati collaborano su diversi ambiti.

Ogni passaggio è registrato con timestamp.

Politiche, controlli e test vengono sempre eseguiti.

Rivedi le diff, richiedi modifiche, approvazione finale.

Riproduci qualsiasi sessione bit per bit quando qualcosa richiede revisione.

Leggi retry.ts, individuato bug di timeout

Agenti autonomi che scrivono codice e tengono traccia

per gestire timeout di rete, risposte 5xx e condizioni idempotent-safe. Helper puro, completamente testato.

riferimento e target di determinismo rigoroso

target di distribuzione, scaffolding di sintesi

dispatcher runtime, sceglie per chiamata in base a target e policy

una definizione di operatore, kernel ottimizzati a mano per ISA. Se il tuo silicio è uscito negli ultimi otto anni, Core ha un percorso per esso.

Capacità e determinismo dichiarati per cella

Operazione diretta su infrastruttura controllata dal cliente

Un modello, più percorsi detenuti dal fornitore

la compressione vive in un altro strumento

la definizione e l'esecuzione gradualmente divergono

Una superficie operativa unica su framework, engine e compilatore. Nessuna colla esterna.

Core gira su Kera, una rappresentazione intermedia deterministica. Kera è l'IR stesso, non un wrapper su MLIR e non costruito su LLVM. La lowering a più livelli porta un grafo neurale a codice nativo specifico per l'hardware con fusione.

Un motore di training completo con training consapevole della quantizzazione, distillazione della conoscenza, precisione progressiva e training distribuito. Il motore di inferenza offre tre modalità di determinismo e serving di produzione.

Un DSL type-safe per qualsiasi architettura e qualsiasi larghezza di bit. Componi da primitive o da layer esistenti, e aggiungi i tuoi con la stessa infrastruttura di test dei built-in.

Operazioni personalizzate, stesso harness di test

Qualsiasi tipo di dato, qualsiasi larghezza di bit

Runs on ordinary computers, where supported

Una prova avviata tramite Fabric gestito può informare una successiva transizione a un'operazione Core con licenza, inclusa una proprietà licenziata fisicamente isolata. Fabric gestito di per sé non include Core.

Cosa può trasferirsi lungo il percorso di adozione

un percorso di prova, due posture operative con licenza

Obblighi sui dati dichiarati per ciascuna postura

Diritti di trasferimento solo dove contrattualmente previsti

Una distribuzione licenziata fisicamente isolata per ambienti che non possono tollerare una connessione esterna. I diritti di trasferimento tecnologico e di indipendenza sono disponibili solo dove il livello selezionato Government e Critical Infrastructure li prevede.

Deposito del codice sorgente prezzato separatamente

Opera Core con licenza sui tuoi server nel tuo data center. I tuoi operatori detengono le chiavi; il deposito del codice sorgente e i diritti sul codice sorgente restano separati a meno che l'accordo non li includa espressamente.

Costruito nei Paesi Bassi; il confine operativo è dichiarato nell'accordo

Fabric gestito è un servizio separato sulla Mesh pubblica e non include accesso a Core o operazione di Core. L'operazione diretta di Core inizia con una licenza per infrastruttura controllata dal cliente.

Prova di Fabric gestito, nessun accesso a Core

Il determinismo è un'impostazione, non un'aspirazione. La suite di test lo verifica, non è promesso a parole.

Cambia per richiesta, nessun nuovo deploy.

dispatch: stesso modello intero/fisso in ogni modalità

campionamento: temperatura 0.8, top p 0.95

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

Pieno non determinismo dove desiderato. Campionamento con temperatura, top k e top p. Lo stesso modello di dispatch con determinismo rilassato, nessun percorso di codice separato.

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

Riproducibile con lo stesso seed, seed diversi producono output diversi. Utile per test A/B, esecuzioni Monte Carlo e qualsiasi flusso di lavoro in cui si desidera una variazione controllata.

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

Instrada attraverso aritmetica dichiarata a interi e virgola fissa, eliminando la deriva aritmetica dipendente dalla piattaforma. Output bit-identici su tutti i target supportati. La modalità usata quando un contratto o un regolatore richiede riproducibilità.

Core fa i suoi calcoli in un modo più semplice e leggero rispetto alla maggior parte dell'IA. Quindi non ha bisogno di una stanza piena di chip affamati. Il computer che già possiedi è sufficiente.

Poiché funziona sulla tua macchina, le tue domande e i tuoi documenti non devono viaggiare verso un'azienda lontana. Quello che digiti rimane dove puoi vederlo.

Quando Core ti dà una risposta, può mostrare i passaggi che ha seguito per arrivarci, come un insegnante di matematica che scrive il calcolo. Non devi mai prenderla per fede.

Non tocchi mai il motore. Ma tutto ciò che senti, la velocità, la scorrevolezza, la quiete, deriva da quanto bene è stato costruito. La maggior parte dell'IA è costruita con motori comprati già pronti. Dweve ha costruito il suo, quindi funziona bene su computer normali e tiene le tue cose con te.

Core, il motore silenzioso sotto ogni prodotto Dweve

Semplice da usare, gentile con il portafoglio e tuo per sempre

Dweve è costruito nei Paesi Bassi da persone che rispondono alla legge europea. C'è una vera azienda e un vero luogo dietro il motore che stai utilizzando.

Usa molta meno elettricità rispetto all'IA che necessita di macchine enormi. Questo mantiene il prezzo basso e significa che una versione gratuita può esistere.

Quando ti dice qualcosa, può mostrarti come ci è arrivato, passo dopo passo. Se mai è incerto, lo dice, invece di indovinare e sperare.

Poiché il motore vive sul tuo dispositivo, continua a funzionare anche quando la connessione cade. Come una calcolatrice, non ha bisogno di chiamare nessuno per fare il suo lavoro.

Le tue lettere, foto e domande non vengono spedite a un computer lontano. Restano con te, in Europa, sotto le regole europee.

Non devi comprare nulla di nuovo o costoso. Se il tuo laptop può mostrarti un video, può eseguire Dweve. La parte intelligente è integrata nel motore, non in una macchina costosa.

cella di esecuzione e contratto di replay registrati

da binario a virgola mobile convenzionale

Core cambia il substrato, non l'interfaccia che già conosci.

Il determinismo rigido riproduce un risultato bit per bit, su richiesta.

La conformità viene assemblata dopo che arrivano le domande difficili.

Solo percorsi dati UE, costruiti e gestiti dai Paesi Bassi.

I dati finiscono su un hyperscaler straniero sotto legge straniera.

96% in meno di energia rispetto a uno stack GPU, le stesse risposte a una frazione del costo operativo.

Uno stack GPU generativo consuma energia a megawatt.

Cluster GPU per cui fai offerte contro gli hyperscaler.

Ricerca su edge e bit a basso consumo. Parte della storia del 96% in meno di energia.

GEMM quantizzato, notazione Q, bit plane

Inferenza quantizzata e virgola fissa deterministica.

Layer interni di training e sensibili alla precisione.

Virgola fissa ampia o esatta tramite Numerus

Contratti di determinismo e controlli di riferimento.

23 famiglie numeriche, nessun percorso FP interno

Scegli storage interno, accumulatore e policy di dispatch per operatore. L'input floating esterno viene convertito al confine prima che il compilatore abbassi il mix al target.

Ogni rappresentazione interna è un cittadino di prima classe, integrata nell'operatore piuttosto che configurata a posteriori.

Basato su Kera, deterministico per progettazione

Lo stesso lavoro, svolto da un unico motore che possiedi, invece di un mucchio di strumenti di fornitori incollati insieme.

Cinque cicli di aggiornamento, cinque superfici di sicurezza, cinque punti in cui può rompersi.

Ogni risultato può essere riprodotto e verificato.

I dati restano in Europa, su infrastrutture che controlli.

Nessuna acquisizione di GPU, nessuna guerra di offerte con gli hyperscaler.

Un contratto, una linea di supporto, un ciclo di aggiornamento.

Il formato di archiviazione non è del tipo accumulatore

Dweve Core è uno stack di calcolo AI completo per training e inferenza. La maggior parte delle piattaforme AI copre solo una parte e affida il resto ad altri fornitori. Core mantiene authoring del modello, training, inferenza, kernel, dispatch e distribuzione in un unico sistema coerente. Su carichi di lavoro binari supportati, Core consuma il 96% in meno di energia rispetto a uno stack GPU.

25 famiglie di formati numerici registrati

I sistemi parziali creano dipendenza permanente

La definizione e l'esecuzione gradualmente divergono.

La compressione vive nello strumento di qualcun altro.

Nuovo hardware, nuovo sistema di servizio, nuovo comportamento.

La roadmap del fornitore diventa la tua roadmap.

Nessun singolo sistema può spiegare il risultato.

La dipendenza persiste perché lo spazio computazionale sottostante è solo parzialmente coperto.