تيثر تطلق الذكاء الاصطناعي الطبي المحلي على الهاتف: نموذج صغير بحجم 1.7 مليار يتفوق على نماذج أكبر بـ16 مرة، ويقضي تمامًا على الاعتماد على السحابة

وفقًا لنظام مراقبة Beating، أعلن فريق البحث في الذكاء الاصطناعي لمصدر USDT Tether اليوم عن إطلاق سلسلة نماذج اللغة الطبية QVAC MedPsy، وهي ذكاء اصطناعي طبي مخصص للأجهزة المحمولة والأجهزة القابلة للارتداء وغيرها من الأجهزة ذات القدرة الحسابية المنخفضة. لا يتطلب تشغيلها الاعتماد على الخوادم السحابية، حيث حققت أداء يفوق بكثير حجم النموذج من خلال بنية فعالة: حيث حققت نسخة تحتوي على 1.7 مليار معلمة متوسط ​​درجة 62.62 في سبع معايير طبية مغلقة، متفوقة بمقدار 11.42 نقطة على Google MedGemma-4B، وتفوقت على MedGemma-27B التي تحتوي على حوالي 16 ضعف المعلمات في سيناريوهات سريرية حقيقية مثل HealthBench Hard؛ كما أن نسخة 4B المعلمة حققت درجة أعلى بلغت 70.54، متفوقة بشكل كامل على نماذج أكبر، مع تقليل كبير في استهلاك رموز الاستنتاج (حتى 3.2 مرات)، ونشرت بصيغة GGUF المُكمَّنة (حوالي 1.2 جيجابايت لـ 1.7 مليار معلمة)، مما يجعلها مناسبة للنشر على الأجهزة المحمولة والحافة.
هذا الإصدار يتحدى الافتراض التقليدي بأن “النماذج الأكبر = أداء أفضل”، ويركز على تحسين الكفاءة من خلال التدريب الطبي المراحل (الإشراف، بيانات الاستنتاج السريري + التعلم المعزز)، لتحقيق حماية حقيقية للخصوصية المحلية واستنتاج منخفض التأخير.
قال Paolo Ardoino، المدير التنفيذي لشركة Tether، إن ذلك يمكّن الذكاء الاصطناعي الطبي من معالجة البيانات الحساسة مباشرة على الأجهزة المحلية وفي المستشفيات، دون الحاجة لنقلها إلى السحابة، مما يقلل من التكاليف والتأخير ومخاطر الخصوصية، ويأمل أن يعيد تشكيل بنية تحتية للذكاء الاصطناعي الطبي، ويدفع نحو نشره المحلي خاصة في المناطق النامية.