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.
- Steg 1Skicka
API-anrop eller SDK. Jobbet hamnar i MESH-kön.
- Steg 2Matcha
WorkMatcher kopplar jobbet till den bästa tillgängliga noden på under 100 ms.
- Steg 3Tilldela
Noden tar emot tilldelningen via WebSocket-push, med HTTP-polling som reserv.
- Steg 4Kör
ONNX Runtime och WebGPU kör inferens i webbläsarens sandlåda.
- Steg 5Validera
Resultathashar replikeras över N noder och kontrolleras mot konsensuströskeln.
- 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
Multimodal syntes: text, bild, video och 3D. FLUX.2, LTX-2.3, Hunyuan3D.
Monte Carlo-simuleringar, molekyldynamik och matematisk modellering på WebGPU.
Vektorbearbetning, transformationer av punktmoln och storskalig extrahering av egenskaper.
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.
- Steg 1Anslut
Noden registrerar sig via MESH SDK och anger sitt VRAM och sin beräkningskapacitet.
- Steg 2Annonsera
Den meddelar tillgänglighet via WebSocket och går in i tillgänglighetspoolen.
- Steg 3Ta emot
WorkMatcher skickar en tilldelning. Noden håller ett lån med en TTL för livstecken.
- Steg 4Kör
Inferensen körs i en Web Worker på ONNX Runtime. GPU:n förblir dedikerad till jobbet.
- Steg 5Skicka
Resultathashen och utdata laddas upp och lånet släpps.
- 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
