Technologia: pod maską
MESH automatycznie kieruje Twoje obciążenia AI do węzłów o najniższych opóźnieniach i najwyższej przepustowości. Protokół został zaprojektowany z myślą o środowiskach wrogich: każdy wynik jest walidowany konsensusem przed dostarczeniem.
Ścieżka żądania
Jak działa Twoje zadanie.
- Krok 1Wysłanie
Wywołanie API lub SDK. Zadanie trafia do kolejki MESH.
- Krok 2Dopasowanie
WorkMatcher w czasie krótszym niż 100 ms łączy zadanie z najlepszym dostępnym węzłem.
- Krok 3Przydział
Węzeł otrzymuje przydział przez push WebSocket, a zapasowo przez odpytywanie HTTP.
- Krok 4Wykonanie
ONNX Runtime i WebGPU wykonują wnioskowanie wewnątrz piaskownicy przeglądarki.
- Krok 5Walidacja
Skróty wyników są replikowane na N węzłów i porównywane z progiem konsensusu.
- Krok 6Dostarczenie
Zweryfikowany wynik zostaje zwrócony, zadanie jest oznaczane jako ukończone, a rozliczenie zamykane.
Gwarancje protokołu
- SLA dostarczania
99,7%
- Walidacja wyników
Konsensus oparty na skrótach z konfigurowalną replikacją.
- Odporność na awarie
Automatyczne ponowne przydzielenie dzierżawy, gdy węzeł się rozłączy, w czasie krótszym niż 15 s.
- Dowód nonce
Nonce dla każdego zadania zapobiegają atakom typu replay ze strony wrogich węzłów.
- Blokowanie epok
Epoki dzierżaw zapobiegają wstrzykiwaniu nieaktualnych wyników.
- Wybór węzła
Ocena na podstawie opóźnienia, VRAM i wykorzystania.
Obciążenia obliczeniowe i możliwości
Synteza multimodalna: tekst, obraz, wideo i 3D. FLUX.2, LTX-2.3, Hunyuan3D.
Symulacje Monte Carlo, dynamika molekularna i modelowanie matematyczne na WebGPU.
Przetwarzanie wektorów, transformacje chmur punktów i wielkoskalowa ekstrakcja cech.
Skalowanie 4K/8K w czasie rzeczywistym, estymacja głębi, usuwanie tła, interpolacja klatek.
Tryby wykonywania
- Pojedynczy
- Jeden węzeł przetwarza całe zadanie. Idealny dla małych modeli, z najniższym narzutem koordynacji.
- Równoległy (kafelkowy)
- Dane wejściowe są dzielone na kafelki, każdy przydzielany innemu węzłowi, a wyniki są scalane. Używany przez narzędzia skalujące przy dużych danych wejściowych.
- Shardowany
- Model jest dzielony na N węzłów, z których każdy przechowuje podzbiór wag i komunikuje się przez WebRTC. Używany przez FLUX.2-klein, LTX-2, Wan 2.2, Hunyuan3D 2.1, TRELLIS.2-4B i ACE-Step.
Cykl życia węzła
Twoja przeglądarka staje się węzłem obliczeniowym. ONNX Runtime Web wykonuje wnioskowanie bezpośrednio na Twoim GPU przez WebGPU: bez instalowania sterowników, bez CLI, bez serwera.
- Krok 1Połączenie
Węzeł rejestruje się przez SDK MESH i deklaruje swoją pamięć VRAM i moc obliczeniową.
- Krok 2Ogłoszenie
Ogłasza dostępność przez WebSocket i wchodzi do puli dostępności.
- Krok 3Odbiór
WorkMatcher wypycha przydział. Węzeł utrzymuje dzierżawę z TTL żywotności.
- Krok 4Wykonanie
Wnioskowanie działa w Web Workerze na ONNX Runtime. GPU pozostaje dedykowane zadaniu.
- Krok 5Przesłanie
Skrót wyniku i wynik są przesyłane, a dzierżawa jest zwalniana.
- Krok 6Gotowość
Węzeł ponownie ogłasza dostępność. Heartbeat odświeża jego żywotność co 30 s.
Wymagania systemowe
- Przeglądarka
Chrome 113+ lub Edge 113+ (wymagane WebGPU).
- GPU
Dowolny GPU obsługujący WebGPU: NVIDIA, AMD, Apple Silicon, Intel Arc.
- Minimalna VRAM
4 GB (poziom 3) · 8 GB (poziom 2) · 16 GB+ (poziom 1).
- Przepustowość
Zalecane 10 Mb/s+ dla transferu modeli peer-to-peer.
- Pamięć
2–20 GB na zestaw modeli w systemie plików przeglądarki (OPFS).
- Czas działania
Bez minimum. Urządzenie jest użyteczne, gdy tylko jest online.
Poziomy węzłów
- Poziom 1 · 16 GB+ VRAM
- Zadania premium · stawka 2,2×
- Poziom 2 · 8–15 GB VRAM
- Zadania standardowe · stawka 1,4×
- Poziom 3 · 4–7 GB VRAM
- Zadania lekkie · stawka bazowa
