3 月 17 日，穩定幣發行商 Tether 宣佈，其 AI 平臺 QVAC Fabric 推出全球首個面向 Microsoft BitNet（1-bit LLM）的跨平臺 LoRA 微調框架，使十億參數級語言模型能夠在普通硬件上完成訓練與推理，包括筆記本電腦、消費級 GPU 及智能手機。
官方表示，該框架顯著降低了 AI 模型訓練所需的顯存和算力門檻，支持 Intel、AMD、Apple Silicon 及多種移動 GPU（如 Adreno、Mali、Apple Bionic）。
在測試中，約 1.25 億參數 BitNet 模型 可在 Samsung S25 上約 10 分鐘完成微調；10 億參數模型 在 Samsung S25 上約 1 小時 18 分鐘完成，在 iPhone 16 上約 1 小時 45 分鐘完成，團隊甚至成功在 iPhone 16 上微調 130 億參數模型。
性能方面，BitNet 模型在移動 GPU 上的推理速度可比 CPU 提升 2 至 11 倍。同時，測試顯示 BitNet-1B 在推理與微調任務中的顯存佔用相比 16-bit 模型最高可減少 77.8%。
Paolo Ardoino 表示，此項技術旨在降低對大型雲計算與專用 AI 硬件的依賴，讓 AI 模型訓練能夠在本地設備完成，併為去中心化 AI 與聯邦學習等新模式提供基礎。
