Teknologi: under panseret

MESH ruter AI-arbeidsbelastningene dine automatisk til nodene med lavest forsinkelse og høyest gjennomstrømning. Protokollen er laget for fiendtlige miljøer: hvert resultat valideres ved konsensus før det leveres.

Forespørselens vei

Slik kjører jobben din.

  1. Trinn 1Send inn

    API-kall eller SDK. Jobben havner i MESH-køen.

  2. Trinn 2Match

    WorkMatcher kobler jobben til den beste tilgjengelige noden på under 100 ms.

  3. Trinn 3Tildel

    Noden mottar tildelingen via WebSocket-push, med HTTP-polling som reserve.

  4. Trinn 4Kjør

    ONNX Runtime og WebGPU kjører inferens i nettleserens sandkasse.

  5. Trinn 5Valider

    Resultat-hasher replikeres på tvers av N noder og kontrolleres mot konsensusterskelen.

  6. Trinn 6Lever

    Verifisert utdata returneres, jobben merkes som fullført, og faktureringen gjøres opp.

Protokollgarantier

  • Leverings-SLA

    99,7 %

  • Resultatvalidering

    Hash-basert konsensus med konfigurerbar replikering.

  • Feiltoleranse

    Automatisk ny tildeling av lease når en node faller ut, på under 15 s.

  • Nonce-bevis

    Nonce per jobb hindrer gjentakelsesangrep fra fiendtlige noder.

  • Epokelåsing

    Lease-epoker hindrer at utdaterte resultater injiseres.

  • Nodevalg

    Poengsetting etter forsinkelse, VRAM og utnyttelse.

Arbeidsbelastninger for beregning og funksjoner

ModellkatalogKjør en hvilken som helst publisert modell på enhetene du kobler til.Bla gjennom katalogen
Generativ AI

Multimodal syntese: tekst, bilde, video og 3D. FLUX.2, LTX-2.3, Hunyuan3D.

Vitenskapelig databehandling

Monte Carlo-simuleringer, molekylærdynamikk og matematisk modellering på WebGPU.

Datateknikk

Vektorbehandling, transformasjoner av punktskyer og storskala uttrekking av egenskaper.

Mediepipeline

Oppskalering i 4K/8K i sanntid, dybdeestimering, fjerning av bakgrunn, bildeinterpolering.

Kjøremoduser

Enkel
Én node behandler hele jobben. Ideelt for små modeller med minst mulig koordineringskostnad.
Parallell (fliser)
Inndataene deles opp i fliser som tildeles hver sin node, og resultatene slås sammen. Brukes av oppskalerere på store inndata.
Shardet
Modellen deles på N noder, som hver har en del av vektene og kommuniserer over WebRTC. Brukes av FLUX.2-klein, LTX-2, Wan 2.2, Hunyuan3D 2.1, TRELLIS.2-4B og ACE-Step.

Nodens livssyklus

Nettleseren din blir en beregningsnode. ONNX Runtime Web kjører inferens direkte på GPU-en din via WebGPU: ingen driverinstallasjon, ingen CLI, ingen server.

  1. Trinn 1Koble til

    Noden registrerer seg via MESH-SDK-et og oppgir VRAM og beregningskapasitet.

  2. Trinn 2Annonser

    Den melder tilgjengelighet over WebSocket og går inn i tilgjengelighetspoolen.

  3. Trinn 3Motta

    WorkMatcher sender en tildeling. Noden holder en lease med en TTL for liveness.

  4. Trinn 4Kjør

    Inferensen kjører i en Web Worker på ONNX Runtime. GPU-en er dedikert til jobben.

  5. Trinn 5Send inn

    Resultat-hashen og utdataene lastes opp, og leasen frigis.

  6. Trinn 6Klar

    Noden annonserer seg på nytt. Et hjerteslag fornyer livenessen hvert 30. sekund.

Systemkrav

  • Nettleser

    Chrome 113+ eller Edge 113+ (krever WebGPU).

  • GPU

    En hvilken som helst WebGPU-kompatibel GPU: NVIDIA, AMD, Apple Silicon, Intel Arc.

  • Minimum VRAM

    4 GB (nivå 3) · 8 GB (nivå 2) · 16 GB+ (nivå 1).

  • Båndbredde

    10 Mbps+ anbefales for overføring av modeller mellom likemenn.

  • Lagring

    2–20 GB per modellsett i nettleserens filsystem (OPFS).

  • Oppetid

    Ingen minstekrav. En enhet kan brukes når den er pålogget.

Nodenivåer

Nivå 1 · 16 GB+ VRAM
Premiumjobber · 2,2× sats
Nivå 2 · 8–15 GB VRAM
Standardjobber · 1,4× sats
Nivå 3 · 4–7 GB VRAM
Lette jobber · grunnsats
Koble til en enhet