LLM çıkarımı ve ince ayar süreçlerini pahalı ve merkezi altyapı bağımlılığından kurtararak mobil cihazlardan sunuculara uzanan, gerçek anlamda cihaz üzeri çalışan birleşik bir yapay zekâ altyapısı sunan QVAC Fabric, Mobil GPU’larda dâhil olmak üzere LoRA ve instruction-tuning destekleyen bu yapı sayesinde geliştiriciler ve kurumlar, veriyi cihaz dışına çıkarmadan, internet bağlantısına gerek duymadan, ölçeklenebilir ve kişiselleştirilebilir yapay zekâ uygulamaları geliştirebiliyor.
QVAC Fabric LLM ayrıca llama.cpp ekosisteminin yeteneklerini genişleterek LLama3, Qwen3 ve Gemma3 gibi modern modeller için ince ayar desteği sunuyor. Daha önce bu ortamda desteklenmeyen bu modeller artık tüm donanım türlerinde tutarlı bir iş akışıyla ince ayar yapılabiliyor.
QVAC Fabric LLM, AMD, Intel, NVIDIA, Apple Silicon ve mobil GPU’lar dâhil olmak üzere geniş bir donanım yelpazesinde model eğitimi ve ince ayar imkânı sunarak yapay zekâ geliştirmesini tek-vendor ve bulut bağımlılığından çıkarıyor. Bu sayede kurumlar, hassas verileri dışarı açmadan, mevcut şirket içi ve tüketici sınıfı donanımlar üzerinde regülasyon uyumlu, maliyet etkin ve ihtiyaçlara özel yapay zekâ modelleri geliştirebiliyor.
“Yapay zekânın buluttan bağımsızlaşması, erişilebilirlik ve dayanıklılık için kritik bir eşik oluşturuyor”
QVAC Fabric hakkında değerlendirmelerde bulunan Tether CEO’su Paolo Ardoino şöyle dedi:
“Bu sürüm şirketin yapay zekâyı daha erişilebilir ve daha dayanıklı hâle getirme konusundaki kararlılığını gösteriyor. Yapay zekâ yalnızca büyük bulut platformlarının kontrolünde olmamalı.” dedi. “QVAC Fabric LLM, insanlara ve şirketlere güçlü modelleri kendi şartlarında, kendi donanımlarında, kendi verilerinin tam kontrolüyle çalıştırma ve ince ayar yapma özgürlüğü veriyor. Bu; mahremiyet odaklı, merkeziyetsiz, hiper ölçeklenebilir ve her yerde erişilebilir yapay zekânın geleceğidir.”
Tether Data, QVAC Fabric LLM’i Apache 2.0 lisansı altında açık kaynak olarak yayımlayarak geliştiricilere Hugging Face üzerinden çoklu platform desteği, hazır adaptörler ve hızlı ince ayar imkânı sunuyor. Bu adım, bulut bağımlılığını azaltan, düşük gecikmeli ve mahremiyet odaklı yerel yapay zekâ geliştirmeyi mümkün kılarak, merkeziyetsiz ve kullanıcı kontrolünde bir yapay zekâ ekosistemine geçişi hızlandırmayı hedefliyor.
Kaynak : 