Tether запускает мобильный медицинский AI на устройстве: малая модель стоимостью $1,7 млрд превосходит модель, которая в 16 раз больше, полностью устраняя зависимость от облака

Согласно данным мониторинга 动察 Beating, эмитент USDT, компания Tether, сегодня объявила о запуске серии медицинских языковых моделей QVAC MedPsy, разработанных их исследовательской командой по ИИ, предназначенных для локализованного медицинского ИИ на устройствах с низким энергопотреблением, таких как смартфоны и носимые устройства. Эти модели могут работать без необходимости обращения к облачным серверам и обеспечивают производительность, значительно превышающую размер модели, благодаря эффективной архитектуре: версия с 1,7 миллиарда параметров достигла средней оценки 62,62 по семи закрытым медицинским бенчмаркам, что на 11,42 балла выше, чем у модели MedGemma-4B от Google, а также превзошла модель MedGemma-27B, которая содержит почти в 16 раз больше параметров, в реальных клинических сценариях, таких как HealthBench Hard; версия с 4 миллиардами параметров показала еще более высокий результат — 70,54 балла, превзойдя более крупные модели по всем показателям и значительно снизив потребление токенов на инференс (до 3,2 раза), а также была выпущена в квантованном формате GGUF (1,7B примерно 1,2 ГБ), что делает её пригодной для мобильного и edge-развертывания.

Этот выпуск бросает вызов традиционному предположению «крупнее модель = лучше производительность», делая упор на эффективность через поэтапное медицинское дообучение (под контролем, с использованием клинических инференс-данных и обучения с подкреплением) для достижения настоящей локальной защиты конфиденциальности и низкой задержки инференса. Генеральный директор Tether Паоло Ардоино отметил, что это позволяет медицинскому ИИ обрабатывать чувствительные данные непосредственно на месте — в больницах и на конечных устройствах — без необходимости передачи в облако, тем самым снижая затраты, задержки и риски для конфиденциальности, что потенциально может изменить инфраструктуру медицинского ИИ и способствовать глобальному локальному развертыванию, особенно в слаборазвитых регионах.