Tether Naglunsad ng Mobile On-Device Medical AI: $1.7B Maliit na Modelo Mas Mahusay Kaysa 16x Mas Malaking Modelo, Ganap na Inaalis ang Pagdepende sa Cloud

Ayon sa monitoring ng 动察 Beating, inihayag ng Tether, ang issuer ng USDT, ngayong araw ang paglulunsad ng QVAC MedPsy series ng medical language models na ginawa ng kanilang AI research team, na idinisenyo para sa lokal na medikal na AI sa mga low-power na device gaya ng smartphones at wearable devices. Ang mga modelong ito ay maaaring tumakbo nang hindi umaasa sa cloud servers at nakakamit ng performance na higit pa sa laki ng modelo dahil sa mabisang arkitektura: ang 1.7 billion-parameter na bersyon ay nakakuha ng average na score na 62.62 sa pitong closed medical benchmarks, nalampasan ang MedGemma-4B ng Google ng 11.42 puntos at nahigitan pa ang MedGemma-27B model na halos 16 na beses na mas malaki ang parameters sa mga totoong clinical na sitwasyon gaya ng HealthBench Hard; ang 4 billion-parameter na bersyon ay umani ng mas mataas pang score na 70.54, nalampasan ang mas malalaking modelo sa lahat ng aspeto habang napakalaki ang nabawas sa inference token consumption (hanggang 3.2 na beses) at inilabas sa quantized na GGUF format (1.7B mga 1.2GB), bagay sa mobile at edge deployment.

Hinahamon ng release na ito ang tradisyonal na paniniwala na "mas malaki ang modelo, mas maganda ang performance," at nagbibigay-diin sa efficiency sa pamamagitan ng phased medical post-training (supervised, clinical inference data + reinforcement learning) upang makamit ang tunay na lokal na privacy protection at low-latency inference. Ayon kay Tether CEO Paolo Ardoino, posible nitong pahintulutan ang medical AI na iproseso nang direkta ang sensitibong datos sa mismong hospitals at device endpoints nang hindi kailanganang ipadala sa cloud, kaya nababawasan ang gastos, latency, at privacy risks, at posibleng baguhin ang imprastruktura ng medical AI at isulong ang lokal na deployment sa buong mundo, lalo na sa mga underdeveloped na rehiyon.