Teknik: under huven

MESH dirigerar automatiskt dina AI-arbetslaster till noderna med lägst latens och högst genomströmning. Protokollet är utformat för fientliga miljöer: varje resultat valideras genom konsensus före leverans.

Begärans väg

Så körs ditt jobb.

  1. Steg 1Skicka

    API-anrop eller SDK. Jobbet hamnar i MESH-kön.

  2. Steg 2Matcha

    WorkMatcher kopplar jobbet till den bästa tillgängliga noden på under 100 ms.

  3. Steg 3Tilldela

    Noden tar emot tilldelningen via WebSocket-push, med HTTP-polling som reserv.

  4. Steg 4Kör

    ONNX Runtime och WebGPU kör inferens i webbläsarens sandlåda.

  5. Steg 5Validera

    Resultathashar replikeras över N noder och kontrolleras mot konsensuströskeln.

  6. Steg 6Leverera

    Verifierad utdata returneras, jobbet markeras som klart och faktureringen regleras.

Protokollets garantier

  • Leverans-SLA

    99,7 %

  • Resultatvalidering

    Hashbaserad konsensus med konfigurerbar replikering.

  • Feltolerans

    Automatisk omtilldelning av lån när en nod faller bort, på under 15 s.

  • Nonce-bevis

    Nonces per jobb förhindrar replay-attacker från fientliga noder.

  • Epoklåsning

    Låneepoker förhindrar injicering av inaktuella resultat.

  • Nodval

    Poängsättning efter latens, VRAM och belastning.

Arbetslaster för beräkning och funktioner

ModellkatalogKör valfri publicerad modell på de enheter du ansluter.Bläddra i katalogen
Generativ AI

Multimodal syntes: text, bild, video och 3D. FLUX.2, LTX-2.3, Hunyuan3D.

Vetenskapliga beräkningar

Monte Carlo-simuleringar, molekyldynamik och matematisk modellering på WebGPU.

Datateknik

Vektorbearbetning, transformationer av punktmoln och storskalig extrahering av egenskaper.

Mediepipeline

Uppskalning till 4K/8K i realtid, djupuppskattning, borttagning av bakgrund, bildinterpolering.

Körlägen

Enkel
En nod bearbetar hela jobbet. Idealiskt för små modeller med minst samordningsomkostnad.
Parallell (rutor)
Indata delas upp i rutor som var och en tilldelas en annan nod, och resultaten slås ihop. Används av uppskalare för stora indata.
Shardad
Modellen delas upp över N noder som var och en håller en del av vikterna och kommunicerar via WebRTC. Används av FLUX.2-klein, LTX-2, Wan 2.2, Hunyuan3D 2.1, TRELLIS.2-4B och ACE-Step.

Nodens livscykel

Din webbläsare blir en beräkningsnod. ONNX Runtime Web kör inferens direkt på din GPU via WebGPU: ingen drivrutinsinstallation, inget CLI, ingen server.

  1. Steg 1Anslut

    Noden registrerar sig via MESH SDK och anger sitt VRAM och sin beräkningskapacitet.

  2. Steg 2Annonsera

    Den meddelar tillgänglighet via WebSocket och går in i tillgänglighetspoolen.

  3. Steg 3Ta emot

    WorkMatcher skickar en tilldelning. Noden håller ett lån med en TTL för livstecken.

  4. Steg 4Kör

    Inferensen körs i en Web Worker på ONNX Runtime. GPU:n förblir dedikerad till jobbet.

  5. Steg 5Skicka

    Resultathashen och utdata laddas upp och lånet släpps.

  6. Steg 6Redo

    Noden annonserar sig igen. En heartbeat förnyar dess livstecken var 30:e sekund.

Systemkrav

  • Webbläsare

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

  • GPU

    Valfri WebGPU-kompatibel GPU: NVIDIA, AMD, Apple Silicon, Intel Arc.

  • Minsta VRAM

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

  • Bandbredd

    10 Mbit/s+ rekommenderas för peer-to-peer-överföring av modeller.

  • Lagring

    2–20 GB per modelluppsättning i webbläsarens filsystem (OPFS).

  • Drifttid

    Inget minimum. En enhet kan användas närhelst den är online.

Nodnivåer

Nivå 1 · 16 GB+ VRAM
Premiumjobb · 2,2× ersättning
Nivå 2 · 8–15 GB VRAM
Standardjobb · 1,4× ersättning
Nivå 3 · 4–7 GB VRAM
Lätta jobb · grundersättning
Anslut en enhet