Tether startet mobile medizinische KI auf dem Gerät: 1,7 Milliarden US-Dollar kleines Modell übertrifft 16-mal größeres Modell und eliminiert die Cloud-Abhängigkeit vollständig

Laut Überwachung von 动察 Beating hat Tether, der Herausgeber von USDT, heute die Einführung der QVAC MedPsy-Serie medizinischer Sprachmodelle durch sein KI-Forschungsteam angekündigt. Diese Modelle wurden für lokalisierte medizinische KI auf stromsparenden Geräten wie Smartphones und Wearables entwickelt. Die Modelle können ohne Cloud-Server betrieben werden und erreichen durch eine effiziente Architektur eine Leistung, die die Modellgröße deutlich übersteigt: Die Version mit 1,7 Milliarden Parametern erreichte auf sieben geschlossenen medizinischen Benchmarks eine durchschnittliche Punktzahl von 62,62 und übertraf damit Googles MedGemma-4B um 11,42 Punkte sowie das MedGemma-27B-Modell mit fast 16-mal mehr Parametern in realen klinischen Szenarien wie HealthBench Hard. Die Version mit 4 Milliarden Parametern erzielte sogar noch höhere 70,54 Punkte, übertraf umfassend größere Modelle, reduzierte signifikant den Verbrauch von Inferenz-Token (bis zu 3,2-fach) und wird in einem quantisierten GGUF-Format veröffentlicht (1,7B circa 1,2GB), wodurch sie sich für den mobilen und edge-Einsatz eignet.

Diese Veröffentlichung stellt die herkömmliche Annahme „größere Modelle = bessere Leistung“ in Frage und setzt auf Effizienz durch stufenweises medizinisches Post-Training (überwachte, klinische Inferenzdaten + Reinforcement Learning), um echten lokalen Datenschutz und Inferenz mit niedriger Latenz zu erreichen. Tether CEO Paolo Ardoino erklärte, dass so medizinische KI sensible Daten direkt vor Ort in Krankenhäusern und an Geräteendpunkten verarbeiten kann, ohne eine Übertragung in die Cloud zu benötigen, wodurch Kosten, Latenz und Datenschutzrisiken gesenkt werden. Dies könnte die Infrastruktur medizinischer KI grundlegend verändern und den lokalen Einsatz weltweit fördern, insbesondere in weniger entwickelten Regionen.