เทคโนโลยี: เบื้องหลังการทำงาน

MESH กำหนดเส้นทางเวิร์กโหลด AI ของคุณไปยังโหนดที่มีความหน่วงต่ำที่สุดและปริมาณงานสูงที่สุดโดยอัตโนมัติ โปรโตคอลได้รับการออกแบบสำหรับสภาพแวดล้อมที่มีผู้ไม่หวังดี: ทุกผลลัพธ์ผ่านการตรวจสอบด้วยฉันทามติก่อนส่งมอบ

เส้นทางของคำขอ

งานของคุณทำงานอย่างไร

  1. ขั้นตอนที่ 1ส่งงาน

    เรียกผ่าน API หรือ SDK แล้วงานจะเข้าสู่คิวของ MESH

  2. ขั้นตอนที่ 2จับคู่

    WorkMatcher จับคู่งานกับโหนดที่ดีที่สุดที่ว่างอยู่ภายในเวลาไม่ถึง 100 ms

  3. ขั้นตอนที่ 3มอบหมาย

    โหนดได้รับงานที่มอบหมายผ่านการพุชทาง WebSocket โดยมีการโพลทาง HTTP เป็นทางสำรอง

  4. ขั้นตอนที่ 4ประมวลผล

    ONNX Runtime และ WebGPU รันการอนุมานภายในแซนด์บ็อกซ์ของเบราว์เซอร์

  5. ขั้นตอนที่ 5ตรวจสอบ

    แฮชของผลลัพธ์ถูกทำซ้ำบน N โหนดและตรวจสอบเทียบกับเกณฑ์ฉันทามติ

  6. ขั้นตอนที่ 6ส่งมอบ

    ส่งผลลัพธ์ที่ผ่านการยืนยันกลับ ทำเครื่องหมายว่างานเสร็จสมบูรณ์ และชำระค่าบริการเรียบร้อย

การรับประกันของโปรโตคอล

  • SLA การส่งมอบ

    99.7%

  • การตรวจสอบผลลัพธ์

    ฉันทามติด้วยแฮช พร้อมการทำซ้ำที่กำหนดค่าได้

  • ความทนทานต่อความผิดพลาด

    มอบหมายสัญญาเช่าใหม่โดยอัตโนมัติเมื่อโหนดหลุด ภายในเวลาไม่ถึง 15 วินาที

  • การพิสูจน์ด้วย nonce

    nonce เฉพาะของแต่ละงานป้องกันการโจมตีแบบเล่นซ้ำจากโหนดที่ไม่หวังดี

  • การล็อก epoch

    epoch ของสัญญาเช่าป้องกันการแทรกผลลัพธ์ที่ล้าสมัย

  • การเลือกโหนด

    ให้คะแนนตามความหน่วง VRAM และอัตราการใช้งาน

เวิร์กโหลดด้านการประมวลผลและความสามารถ

แคตตาล็อกโมเดลรันโมเดลที่เผยแพร่แล้วตัวใดก็ได้บนอุปกรณ์ที่คุณเชื่อมต่อเรียกดูแคตตาล็อก
Generative AI

การสังเคราะห์หลายรูปแบบ: ข้อความ รูปภาพ วิดีโอ และ 3D เช่น FLUX.2, LTX-2.3, Hunyuan3D

การคำนวณทางวิทยาศาสตร์

การจำลองแบบมอนติคาร์โล พลวัตเชิงโมเลกุล และแบบจำลองทางคณิตศาสตร์บน WebGPU

วิศวกรรมข้อมูล

การประมวลผลเวกเตอร์ การแปลงพอยต์คลาวด์ และการสกัดฟีเจอร์ขนาดใหญ่

ไปป์ไลน์สื่อ

การขยายความละเอียด 4K/8K แบบเรียลไทม์ การประมาณความลึก การลบพื้นหลัง และการแทรกเฟรม

โหมดการประมวลผล

เดี่ยว
โหนดเดียวประมวลผลงานทั้งหมด เหมาะสำหรับโมเดลขนาดเล็กที่มีภาระการประสานงานต่ำที่สุด
ขนาน (แบ่งไทล์)
อินพุตถูกแบ่งเป็นไทล์ แต่ละไทล์ถูกมอบหมายให้โหนดต่างกัน แล้วรวมผลลัพธ์เข้าด้วยกัน ใช้โดยตัวขยายความละเอียดสำหรับอินพุตขนาดใหญ่
แบ่งชาร์ด
โมเดลถูกแบ่งไปยัง N โหนด แต่ละโหนดถือน้ำหนักบางส่วนและสื่อสารกันผ่าน WebRTC ใช้โดย FLUX.2-klein, LTX-2, Wan 2.2, Hunyuan3D 2.1, TRELLIS.2-4B และ ACE-Step

วงจรชีวิตของโหนด

เบราว์เซอร์ของคุณกลายเป็นโหนดประมวลผล ONNX Runtime Web รันการอนุมานบน GPU ของคุณโดยตรงผ่าน WebGPU: ไม่ต้องติดตั้งไดรเวอร์ ไม่ต้องใช้ CLI ไม่ต้องมีเซิร์ฟเวอร์

  1. ขั้นตอนที่ 1เชื่อมต่อ

    โหนดลงทะเบียนผ่าน MESH SDK และประกาศ VRAM และกำลังการประมวลผลของตน

  2. ขั้นตอนที่ 2ประกาศ

    โหนดประกาศความพร้อมผ่าน WebSocket และเข้าสู่พูลความพร้อมใช้งาน

  3. ขั้นตอนที่ 3รับงาน

    WorkMatcher พุชงานที่มอบหมายมา โหนดถือสัญญาเช่าพร้อม TTL ของสถานะการทำงาน

  4. ขั้นตอนที่ 4ประมวลผล

    การอนุมานทำงานใน Web Worker บน ONNX Runtime โดย GPU ทุ่มเทให้กับงานนั้น

  5. ขั้นตอนที่ 5ส่งผล

    แฮชของผลลัพธ์และเอาต์พุตถูกอัปโหลด และสัญญาเช่าถูกปล่อย

  6. ขั้นตอนที่ 6พร้อม

    โหนดประกาศความพร้อมอีกครั้ง ฮาร์ตบีตจะรีเฟรชสถานะการทำงานทุก 30 วินาที

ความต้องการของระบบ

  • เบราว์เซอร์

    Chrome 113+ หรือ Edge 113+ (ต้องมี WebGPU)

  • GPU

    GPU ใดก็ได้ที่รองรับ WebGPU: NVIDIA, AMD, Apple Silicon, Intel Arc

  • VRAM ขั้นต่ำ

    4 GB (ระดับ 3) · 8 GB (ระดับ 2) · 16 GB+ (ระดับ 1)

  • แบนด์วิดท์

    แนะนำ 10 Mbps ขึ้นไปสำหรับการถ่ายโอนโมเดลแบบเพียร์ทูเพียร์

  • พื้นที่จัดเก็บ

    2–20 GB ต่อชุดโมเดลในระบบไฟล์ของเบราว์เซอร์ (OPFS)

  • เวลาทำงาน

    ไม่มีขั้นต่ำ อุปกรณ์ใช้งานได้ทุกเมื่อที่ออนไลน์

ระดับของโหนด

ระดับ 1 · VRAM 16 GB+
งานพรีเมียม · อัตรา 2.2×
ระดับ 2 · VRAM 8–15 GB
งานมาตรฐาน · อัตรา 1.4×
ระดับ 3 · VRAM 4–7 GB
งานเบา · อัตราพื้นฐาน
เชื่อมต่ออุปกรณ์