§ Plattform
Zeichne einen Workflow, und er läuft auf der GPU, die schon in deinem Rechner steckt — durchs Training, durch die Zusammenarbeit, bis zur Veröffentlichung. Diese Seite ist die Karte; jede Station führt eine Ebene tiefer.
§ Kurz gesagt
01
Der Browser spricht direkt mit der Grafikkarte im Rechner vor dir — Apple, AMD, Intel oder NVIDIA, im Laptop genauso wie in der Workstation. Nichts zu installieren, kein CUDA, keine Cloud-Uhr: Training läuft dort, wo deine Daten ohnehin liegen. Hat ein Gerät keine brauchbare GPU, läuft dieselbe Arbeit langsamer weiter — und die App sagt es dir, statt es zu verschweigen.
02
Kolleginnen und Kollegen öffnen denselben Workflow und arbeiten live daran, jede und jeder am eigenen Rechner. Dass viele Geräte einen Job gemeinsam übernehmen, wenn eine Maschine nicht reicht, ist im Aufbau: dein Laptop und dein Desktop, die Rechner eines Partnerlabors oder ein offener Pool von Freiwilligen, die ungenutzte GPUs beisteuern. Zurückgeschickte Arbeit wird stichprobenartig gegen unabhängige Replikate geprüft; ein Ergebnis, das kein Replikat bestätigt, gilt als unverifiziert und wird nicht angerechnet.
03
Jedes gesicherte Ergebnis trägt genau den Workflow, die Eingaben und die Einstellungen, aus denen es entstanden ist. Ein fertiger Lauf reist schon als Link ohne Login, der seine eingefrorenen, per Hash adressierten Metriken und Abbildungen trägt; der Link, mit dem eine Kollegin — oder eine Gutachterin — einen ganzen Workflow auf der eigenen Hardware neu rechnet, mit angegebener Toleranz statt stillschweigender Annahme, wird gerade noch ins Studio eingebunden.
Du öffnest einen Tab, und die GPU, die ohnehin in deinem Rechner steckt, fängt an zu arbeiten. Du zeichnest einen Workflow; das Studio macht daraus GPU-Code und führt ihn auf dem Gerät vor dir aus — deine Daten müssen es nie verlassen, und Training ist echte Arbeit, kein Demo. Alles, womit du rechnest — Blöcke, Modelle, Viewer, Konnektoren — kommt aus dem Katalog, sobald du danach greifst; deshalb taucht neue Fähigkeit ohne Installation auf.
Jedes Ergebnis, das du festschreibst, bekommt eine zitierfähige Identität: Workflow, Eingaben, Engine-Version und der Lauf werden zu einem Link verbunden, den du in ein Paper, eine Nachricht oder ein README legen kannst. Wer heute den Link eines fertigen Laufs öffnet, sieht keinen Screenshot, sondern dessen eingefrorene, per Hash adressierte Metriken und Abbildungen, beim Öffnen geprüft; der Link, mit dem dieselbe Berechnung auf der eigenen Hardware erneut läuft, wird gerade noch ins Studio eingebunden. Und weil die ganze Plattform über einen einzigen Satz von Befehlen gesteuert wird, sind dein Klick, ein Skriptaufruf und das, was ein Assistent für dich tut, dieselben Aktionen unter denselben Garantien.
Und ein Workflow ist weder an eine Maschine noch an eine Person gebunden. Denselben gezeichneten Workflow können mehrere Menschen gleichzeitig live bearbeiten, während Daten und Berechnung jeder Person auf ihrem eigenen Gerät bleiben — und wenn eine Maschine nicht reicht, ist die Arbeit darauf gebaut, sich auf einen Geräte-Pool zu verteilen: dein Laptop und dein Desktop, die Rechner eines Partnerlabors oder eine offene Crowd, die ungenutzte GPUs beisteuert; ein Teil der zurückkommenden Ergebnisse wird auf einem zweiten Gerät erneut gerechnet und abgeglichen. Der Koordinator dafür ist gebaut und getestet; gepoolte Arbeit in echten Browsern ist im aktiven Aufbau. Ein Pool aus einem Gerät ist ein ganz normaler Solo-Lauf auf demselben Weg — nichts, was du baust, hängt also davon ab, dass jemand anderes auftaucht.
Sieben Zusagen halten alles andere an Ort und Stelle — jede in die Architektur eingebaut, die meisten automatisch überprüft.
| Parameter | Wert | Anmerkung |
|---|---|---|
| Rechnen | deine eigene GPU | Die GPU, die ohnehin in deinem Rechner steckt, macht die Arbeit — egal von welchem Hersteller, ohne Installation — und jedes Ergebnis wird gegen eine Referenz geprüft, innerhalb deklarierter Toleranzen. |
| Gemeinsam | ein Workflow, viele Geräte | Deine eigenen Geräte, die eines Partnerlabors oder eine offene Crowd sind darauf gebaut, einen Job gemeinsam zu rechnen — ein Teil der Ergebnisse auf einem zweiten Gerät gegengeprüft, in echten Browsern im aktiven Aufbau — und ein Pool aus einem Gerät ist einfach ein Solo-Lauf. |
| Fähigkeiten | kommt ohne Update | Neue Blöcke, Modelle und Viewer erscheinen in deinem Katalog, sobald sie veröffentlicht sind — nichts zu installieren und nie ein Massendownload. |
| Identität | inhaltsadressiert | Arbeit, die du festschreibst, trägt eine Identität, die du zitieren kannst — ein Link, kein Screenshot; einen ganzen Workflow daraus erneut auszuführen, wird gerade noch eingebunden. |
| Training | erstklassig | Autograd, Optimizer, Scheduler, PEFT, Mixed Precision — im Tab, nicht daneben. |
| Zugriff | Klick · Skript · Assistent | Jede Fähigkeit ist auf allen drei Wegen erreichbar, ohne Weg zweiter Klasse — eine Oberfläche, volle Parität. |
| Kosten fürs Rechnen | wird nie gezählt | Lokale Berechnung ist in jedem Tarif kostenlos — eine Regel der Architektur, keine Werbeaktion. |
Zeichnen, ausführen, trainieren, inspizieren — allein, mit voller Kraft.
Alles, was eine Person braucht, um von der leeren Canvas zu einem trainierten Modell und einem zitierfähigen Ergebnis zu kommen — mit einem Assistenten, der genau dieselben Werkzeuge hat wie du, und ohne dass etwas das Gerät verlässt, solange du es nicht sagst.
Hier hört Scellis auf, ein Werkzeug für eine Person zu sein.
Viele Menschen an einem Workflow und viele Geräte an einem Job — deine eigenen Rechner, die eines Partnerlabors oder eine offene Crowd, die ungenutzte GPUs beisteuert. Dabei bleiben Daten und Berechnung jeder Person auf ihrem eigenen Gerät, und ein Teil der zurückkommenden Ergebnisse wird anderswo erneut gerechnet und abgeglichen. Live-Co-Editing ist gebaut und getestet; die gepoolte Seite ist im Koordinator gebaut und getestet und in echten Browsern im aktiven Aufbau. Das gilt nicht nur fürs Training: Ein Parameter-Sweep, ein Monte-Carlo-Lauf oder eine Batch-Analyse bündeln sich genauso.
Keine Richtlinien — Konstruktion.
Jede Zusage unten benennt den Mechanismus, der sie hält — und geprüft wird der Mechanismus, nicht die Zusage. Wo eine Garantie eine Grenze hat, steht diese Grenze im Register der ehrlichen Grenzen, statt dass du sie selbst findest.
Die tiefste Wette: Was du hier baust, ist kein Bürger zweiter Klasse.
Inhalte, die du selbst erstellst, laufen durch dieselben Prüfungen und denselben Dispatch wie unsere — bis hinunter zu GPU-Kernels und Gradientenregeln. Und zu welchen Bedingungen jede Schicht veröffentlicht ist und was die Plattform nicht kann, steht in klarer Sprache da, nicht in einer Fußnote.
Willst du ein Gefühl dafür, führt dich der Quickstart vom leeren Tab zum ersten festgeschriebenen Lauf. Willst du die Mechanik, gehen die Docs von den Kernkonzepten bis hinunter zu der Frage, wie aus einem gezeichneten Workflow GPU-Code wird. Und willst du die Konditionen: Die Preisseite ist eine einzige Seite mit einer Regel ganz oben — lokale Berechnung wird nie gezählt, in keinem Tarif, niemals.