Tether lanza una IA médica en el dispositivo que supera a los modelos de Google en pruebas de referencia

El Grupo de Investigación en IA de Tether ha lanzado QVAC MedPsy-1.7B y MedPsy-4B, modelos de lenguaje médico especializados solo en texto diseñados para ejecutarse directamente en dispositivos de bajo consumo como teléfonos inteligentes y wearables.

Según el equipo, estos modelos superan a algunos grandes sistemas de IA médica, incluido el de Google, en varias pruebas de referencia, y tienen un rendimiento comparable a sistemas mucho más grandes en tareas de razonamiento y conocimiento médico, manteniendo una ejecución local completa y privacidad.

Los sistemas tradicionales de IA en salud dependen de modelos alojados en la nube, que requieren que datos sensibles como registros de pacientes e insumos diagnósticos se transmitan a servidores externos, creando riesgos de privacidad y cumplimiento. Esta arquitectura está cada vez más bajo presión, ya que se proyecta que el sector de IA en salud crecerá de aproximadamente 36 mil millones de dólares hoy a más de 500 mil millones de dólares para 2033.

El equipo de Tether dice que QVAC MedPsy desafía el paradigma de escalado al centrarse en la eficiencia.

El modelo de 1.7B es compatible con teléfonos inteligentes. Esta versión diminuta obtuvo 62.62 en siete pruebas médicas estándar, superando a MedGemma-1.5-4B-it de Google en más de 11 puntos a pesar de ser menos de la mitad de su tamaño, según los investigadores. También superó a MedGemma 27B en tareas clínicas del mundo real como HealthBench Hard.

La versión de 4B alcanzó 70.54 en las mismas pruebas, superando a MedGemma-27B, un modelo casi siete veces más grande. Ofreció un rendimiento sólido en HealthBench, HealthBench Hard y MedXpertQA.

Estos resultados abarcan ocho conjuntos de referencia, incluyendo MedQA, MedMCQA, MMLU Health, PubMedQA, AfriMedQA, MedXpertQA y HealthBench, impulsados por un entrenamiento médico escalonado que combina supervisión, datos curados de razonamiento clínico y aprendizaje por refuerzo.

“Con QVAC MedPsy, nuestro enfoque fue mejorar la eficiencia a nivel de modelo, en lugar de aumentar el tamaño,” comentó Paolo Ardoino, CEO de Tether, sobre el lanzamiento.

Estos modelos no solo son inteligentes, sino también muy prácticos, como señalaron los investigadores. Responden rápidamente con respuestas cortas pero completas, ahorrando tiempo y batería. Están disponibles en formatos comprimidos fáciles de usar que encajan cómodamente en dispositivos móviles sin perder mucha calidad.

Técnicamente, el modelo de 4B genera respuestas en aproximadamente 909 tokens, en comparación con unos 2,953 de sistemas comparables, una reducción de 3.2 veces. El modelo de 1.7B promedia alrededor de 1,110 tokens frente a 1,901, reduciendo la salida en 1.7 veces.

Ambos modelos se lanzan en formato GGUF cuantizado, con versiones comprimidas que pesan aproximadamente 1.2 GB y 2.6 GB respectivamente.

“Esa combinación importa porque reduce directamente los requisitos de computación, la latencia y el costo. Permite que el modelo funcione localmente en hardware estándar en lugar de depender de infraestructura remota,” agregó Ardoino. “En salud, eso cambia por completo las restricciones; puedes realizar razonamiento médico donde ya existe la data, dentro de un sistema hospitalario o en un dispositivo, sin mover información sensible a la nube ni esperar procesamiento externo.”

Los modelos ya están disponibles de forma gratuita bajo una licencia abierta en Hugging Face.

                    **Divulgación:** Este artículo fue editado por Vivian Nguyen. Para más información sobre cómo creamos y revisamos contenido, consulte nuestra Política Editorial.