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.
- Etapa 1Enviar
Chamada de API ou SDK. A tarefa entra na fila do MESH.
- Etapa 2Parear
O WorkMatcher associa a tarefa ao melhor nó disponível em menos de 100 ms.
- Etapa 3Atribuir
O nó recebe a atribuição por push via WebSocket, com polling HTTP como alternativa.
- Etapa 4Executar
O ONNX Runtime e o WebGPU executam a inferência dentro do sandbox do navegador.
- Etapa 5Validar
Os hashes dos resultados são replicados em N nós e comparados com o limite de consenso.
- 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
Síntese multimodal: texto, imagem, vídeo e 3D. FLUX.2, LTX-2.3, Hunyuan3D.
Simulações de Monte Carlo, dinâmica molecular e modelagem matemática em WebGPU.
Processamento vetorial, transformações de nuvens de pontos e extração de características em larga escala.
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.
- Etapa 1Conectar
O nó se registra pelo SDK do MESH e declara sua VRAM e sua capacidade de computação.
- Etapa 2Anunciar
Ele anuncia sua disponibilidade via WebSocket e entra no pool de disponibilidade.
- Etapa 3Receber
O WorkMatcher envia uma atribuição. O nó mantém uma concessão com um TTL de atividade.
- Etapa 4Executar
A inferência roda em um Web Worker no ONNX Runtime. A GPU fica dedicada à tarefa.
- Etapa 5Enviar
O hash do resultado e a saída são enviados, e a concessão é liberada.
- 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
