Tecnologia: por dentro

O MESH encaminha automaticamente suas cargas de trabalho de IA para os nós com menor latência e maior vazão. O protocolo foi projetado para ambientes adversariais: todo resultado é validado por consenso antes da entrega.

Caminho da solicitação

Como sua tarefa é executada.

  1. Etapa 1Enviar

    Chamada de API ou SDK. A tarefa entra na fila do MESH.

  2. Etapa 2Parear

    O WorkMatcher associa a tarefa ao melhor nó disponível em menos de 100 ms.

  3. Etapa 3Atribuir

    O nó recebe a atribuição por push via WebSocket, com polling HTTP como alternativa.

  4. Etapa 4Executar

    O ONNX Runtime e o WebGPU executam a inferência dentro do sandbox do navegador.

  5. Etapa 5Validar

    Os hashes dos resultados são replicados em N nós e comparados com o limite de consenso.

  6. Etapa 6Entregar

    A saída verificada é devolvida, a tarefa é marcada como concluída e a cobrança é liquidada.

Garantias do protocolo

  • SLA de entrega

    99,7%

  • Validação de resultados

    Consenso baseado em hash com replicação configurável.

  • Tolerância a falhas

    Reatribuição automática da concessão quando um nó cai, em menos de 15 s.

  • Prova de nonce

    Nonces por tarefa impedem ataques de repetição vindos de nós adversários.

  • Bloqueio por época

    As épocas das concessões impedem a injeção de resultados obsoletos.

  • Seleção de nós

    Pontuação por latência, VRAM e utilização.

Cargas de trabalho de computação e recursos

Catálogo de modelosExecute qualquer modelo publicado nos dispositivos que você conecta.Explorar o catálogo
IA generativa

Síntese multimodal: texto, imagem, vídeo e 3D. FLUX.2, LTX-2.3, Hunyuan3D.

Computação científica

Simulações de Monte Carlo, dinâmica molecular e modelagem matemática em WebGPU.

Engenharia de dados

Processamento vetorial, transformações de nuvens de pontos e extração de características em larga escala.

Pipeline de mídia

Upscaling em tempo real para 4K/8K, estimativa de profundidade, remoção de fundo, interpolação de quadros.

Modos de execução

Único
Um único nó processa a tarefa inteira. Ideal para modelos pequenos, com o menor custo de coordenação.
Paralelo (em blocos)
A entrada é dividida em blocos, cada um atribuído a um nó diferente, e os resultados são combinados. Usado por upscalers em entradas grandes.
Fragmentado
O modelo é dividido entre N nós, cada um com um subconjunto dos pesos, comunicando-se via WebRTC. Usado pelo FLUX.2-klein, LTX-2, Wan 2.2, Hunyuan3D 2.1, TRELLIS.2-4B e ACE-Step.

Ciclo de vida do nó

Seu navegador vira um nó de computação. O ONNX Runtime Web executa a inferência diretamente na sua GPU via WebGPU: sem instalar driver, sem CLI, sem servidor.

  1. Etapa 1Conectar

    O nó se registra pelo SDK do MESH e declara sua VRAM e sua capacidade de computação.

  2. Etapa 2Anunciar

    Ele anuncia sua disponibilidade via WebSocket e entra no pool de disponibilidade.

  3. Etapa 3Receber

    O WorkMatcher envia uma atribuição. O nó mantém uma concessão com um TTL de atividade.

  4. Etapa 4Executar

    A inferência roda em um Web Worker no ONNX Runtime. A GPU fica dedicada à tarefa.

  5. Etapa 5Enviar

    O hash do resultado e a saída são enviados, e a concessão é liberada.

  6. Etapa 6Pronto

    O nó volta a se anunciar. Um heartbeat renova seu sinal de atividade a cada 30 s.

Requisitos do sistema

  • Navegador

    Chrome 113+ ou Edge 113+ (WebGPU obrigatório).

  • GPU

    Qualquer GPU compatível com WebGPU: NVIDIA, AMD, Apple Silicon, Intel Arc.

  • VRAM mínima

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

  • Largura de banda

    10 Mbps+ recomendados para a transferência de modelos ponto a ponto.

  • Armazenamento

    2–20 GB por conjunto de modelos no sistema de arquivos do navegador (OPFS).

  • Tempo de atividade

    Sem mínimo. Um dispositivo pode ser usado sempre que estiver online.

Níveis de nós

Nível 1 · 16 GB+ de VRAM
Tarefas premium · taxa 2,2×
Nível 2 · 8–15 GB de VRAM
Tarefas padrão · taxa 1,4×
Nível 3 · 4–7 GB de VRAM
Tarefas leves · taxa base
Conectar um dispositivo