AI Compute Stack for Training and Inference | Dweve Core

Assistência de agente de codificação e operador. As métricas de demonstração são ilustrativas.

Terminal, pesquisa, lint, testes, git e mais.

Lembra-se da sua base de código e do contexto da equipa.

Agentes especializados colaboram em diferentes áreas.

Cada passo é registado com carimbos de data e hora.

Políticas, verificações e testes são sempre executados.

Revise diffs, peça alterações, aprovação final.

Repita qualquer sessão bit a bit quando algo precisar de revisão.

Agentes autónomos que escrevem código e mantêm registos

para lidar com timeouts de rede, respostas 5xx e condições seguras para idempotência. Helper puro, totalmente testado por unidades.

referência e alvo de determinismo rígido

alvo de implementação, andaime de síntese

distribuidor em tempo de execução, escolhe por chamada conforme alvo e política

uma definição de operador, kernels ajustados à mão por ISA. Se o seu silicon foi lançado nos últimos oito anos, a Core tem um caminho para ele.

Capacidade e determinismo declarados por célula

Operação direta em infraestrutura controlada pelo cliente

Um modelo, vários caminhos detidos pelo fornecedor

a definição e a execução discordam lentamente

Uma superfície de operador única em todo o framework, o motor e o compilador. Sem cola externa.

O Core funciona em Kera, uma representação intermédia determinística. Kera é o próprio IR, não um wrapper em torno de MLIR e não construído em LLVM. A redução multinível leva um grafo neural até código nativo específico do hardware com fusão.

Um motor de treino completo com treino consciente da quantização, destilação de conhecimento, precisão progressiva e treino distribuído. O motor de inferência oferece três modos de determinismo e serviço de produção.

Um DSL type safe para qualquer arquitetura e qualquer largura de bits. Componha a partir de primitivas ou de camadas existentes, e adicione as suas com a mesma infraestrutura de testes que as incorporadas.

Ops personalizados, mesmo harness de testes

Qualquer tipo de dados, qualquer largura de bits

Funciona em computadores comuns, onde for suportado

Pode funcionar offline, onde for suportado.

As suas coisas podem ficar em casa, na Europa.

Uma prova iniciada através do Fabric gerido pode informar uma transição posterior para operação licenciada do Core, incluindo um ambiente licenciado fisicamente isolado. O próprio Fabric gerido não inclui o Core.

O que pode ser transferido ao longo do percurso de adoção

um percurso de prova, duas posturas operacionais licenciadas

Deveres de dados indicados para cada postura

Direitos de transferência apenas quando contratados

Uma implementação licenciada fisicamente isolada para ambientes que não toleram uma ligação externa. Os direitos de transferência de tecnologia e independência estão disponíveis apenas onde o nível selecionado de Governo e Infraestruturas Críticas os indicar.

Opere o Core licenciado nos seus próprios servidores no seu próprio centro de dados. Os seus operadores detêm as chaves; o depósito do código-fonte e os direitos sobre o código-fonte permanecem separados, salvo se o acordo os incluir expressamente.

Construído nos Países Baixos; limite operacional indicado no acordo

O Fabric gerido é um serviço separado na Mesh pública e não inclui acesso ao Core nem operação do Core. A operação direta do Core começa com uma licença para infraestrutura controlada pelo cliente.

Prova do Fabric gerido, sem acesso ao Core

Determinismo é uma definição, não uma aspiração. A suíte de testes afirma-o, não é prometido em prosa.

despacho: mesmo modelo inteiro/fixo em todos os modos

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

Não determinismo total onde desejado. Amostragem por temperatura, top k e top p. O mesmo modelo de despacho com determinismo relaxado, sem caminho de código separado.

semente: 42, a mesma semente dá o mesmo resultado

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

Reproduzível com a mesma semente, sementes diferentes produzem resultados diferentes. Útil para testes A/B, execuções de Monte Carlo e qualquer fluxo de trabalho onde se deseje variação controlada.

hash de saída: estável em todos os alvos

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

Roteia através de aritmética inteira e de ponto fixo declarada, eliminando a deriva aritmética dependente da plataforma. Saídas bit idênticas em todos os alvos suportados. O modo usado quando um contrato ou regulador exige reprodutibilidade.

A Core faz as contas de uma forma mais simples e leve do que a maioria da IA. Por isso, não precisa de uma sala cheia de chips famintos. O computador que já tem é suficiente.

Como funciona na sua própria máquina, as suas perguntas e documentos não têm de viajar para uma empresa distante. O que escreve fica onde pode vê-lo.

Quando a Core lhe dá uma resposta, pode mostrar os passos que deu para lá chegar, como um professor de matemática a escrever a conta. Nunca tem de acreditar sem ver.

Nunca toca no motor. Mas tudo o que sente, a velocidade, a suavidade, o silêncio, vem de como foi bem construído. A maioria da IA é construída com motores comprados prontos. A Dweve construiu o seu próprio, por isso funciona bem em computadores normais e mantém as suas coisas consigo.

Core, o motor silencioso por baixo de cada produto Dweve

Simples de usar, leve para a carteira e seu para sempre

A Dweve é construída nos Países Baixos por pessoas que respondem perante a lei europeia. Há uma empresa real e um lugar real por trás do motor que está a utilizar.

Utiliza muito menos eletricidade do que a IA que precisa de máquinas enormes. Isso mantém o preço baixo e significa que uma versão gratuita pode existir de todo.

Quando lhe diz algo, pode mostrar-lhe como chegou lá, passo a passo. Se alguma vez não tiver a certeza, diz isso, em vez de adivinhar e esperar.

Como o motor vive no seu próprio dispositivo, continua a funcionar mesmo quando a ligação cai. Como uma calculadora, não precisa de telefonar a ninguém para fazer o seu trabalho.

As suas cartas, fotos e perguntas não são enviadas para um computador distante. Ficam consigo, na Europa, sob regras europeias.

Não precisa de comprar nada novo ou caro. Se o seu portátil consegue mostrar um vídeo, pode executar a Dweve. A parte inteligente está incorporada no motor, não numa máquina cara.

célula de execução e contrato de repetição registados

12 famílias de alvos, referência escalar

A Core muda o substrato, não a interface que já conhece.

O determinismo rigoroso reproduz um resultado bit a bit, a pedido.

A conformidade é montada depois de chegarem as perguntas difíceis.

Caminhos de dados apenas na UE, construídos e operados a partir dos Países Baixos.

Os dados chegam a um hyperscaler estrangeiro sob lei estrangeira.

96% menos energia do que uma stack GPU, as mesmas respostas a uma fração do custo operacional.

Uma stack GPU generativa consome energia aos megawatts.

CPU primeiro, em servidores que já possui.

Clusters GPU pelos quais licita contra hyperscalers.

Pesquisa de ponta e de bits baixos. Parte da história dos 96% menos energia.

GEMM quantizado, notação Q, plano de bits

Inferência quantizada e ponto fixo determinístico.

Treino interno e camadas sensíveis à precisão.

Contratos de determinismo e verificações de referência.

25 famílias numéricas, sem caminho FP interno

Escolha armazenamento interno, acumulador e política de expedição por operador. A entrada flutuante externa converte-se no limite antes de o compilador reduzir a mistura ao alvo.

Cada representação interna é um cidadão de primeira classe, incorporada no operador em vez de configurada a posteriori.

Construído sobre Kera, determinístico por design

O mesmo trabalho, feito por um motor que é seu, em vez de uma pilha de ferramentas de fornecedores coladas umas às outras.

Cinco ciclos de atualização, cinco superfícies de segurança, cinco sítios onde pode falhar.

Cada resultado pode ser reproduzido e verificado.

Os dados permanecem na Europa, em infraestrutura que controla.

Sem aquisição de GPUs, sem guerra de licitações com hyperscalers.

Um contrato, uma linha de apoio, um ciclo de atualização.

O formato de armazenamento não é do tipo acumulador

O Dweve Core é uma pilha de computação de IA completa para treino e inferência. A maioria das plataformas de IA cobre uma parte e entrega o resto a outros fornecedores. O Core mantém a criação de modelos, o treino, a inferência, os kernels, a distribuição e a implementação num sistema coerente. Em cargas de trabalho binárias suportadas, o Core utiliza 96% menos energia do que uma pilha com GPU.

25 famílias de formatos numéricos registados

Em cargas de trabalho binárias suportadas.

Os sistemas parciais criam dependência permanente

A definição e a execução discordam lentamente.

A compressão vive na ferramenta de outra pessoa.

Novo hardware, novo sistema de serviço, novo comportamento.

O roadmap do fornecedor torna-se o seu roadmap.

Nenhum sistema único consegue explicar o resultado.

A dependência persiste porque o espaço computacional subjacente está apenas parcialmente coberto.