Tether lance une IA médicale locale pour téléphone : un petit modèle de 1,7 milliard dépasse un modèle 16 fois plus grand, se libérant complètement de la dépendance au cloud

Selon le suivi Beating, l’équipe de recherche en IA de l’émetteur USDT Tether a annoncé aujourd’hui le lancement de la série de modèles linguistiques médicaux QVAC MedPsy, conçus spécifiquement pour les appareils mobiles, les dispositifs portables et autres terminaux à faible puissance de calcul, en tant qu’IA médicale localisée.
Elle peut fonctionner sans dépendre de serveurs cloud, grâce à une architecture efficace qui dépasse largement la performance de la taille du modèle : la version à 1,7 milliards de paramètres a obtenu en moyenne un score de 62,62 sur sept benchmarks médicaux fermés, dépassant de 11,42 points le MedGemma-4B de Google, et a surpassé le MedGemma-27B, avec près de 16 fois plus de paramètres, dans des scénarios cliniques réels tels que HealthBench Hard ;
La version à 4 milliards de paramètres a obtenu un score encore plus élevé de 70,54, surpassant globalement des modèles plus grands, tout en réduisant considérablement la consommation de tokens pour l’inférence (jusqu’à 3,2 fois), et a été publiée au format quantifié GGUF (environ 1,2 Go pour 1,7 milliards), adaptée au déploiement mobile et en edge.

Cette publication remet en question l’hypothèse traditionnelle selon laquelle « plus grand modèle = meilleure performance », en mettant l’accent sur l’amélioration de l’efficacité par un entraînement médical post-formation par étapes (supervision, données de raisonnement clinique + apprentissage par renforcement), permettant une véritable protection de la vie privée locale et une inférence à faible latence.
Le PDG de Tether, Paolo Ardoino, a déclaré que cela permettait à l’IA médicale de traiter directement les données sensibles localement dans les hôpitaux ou sur les appareils, sans transmission vers le cloud, réduisant ainsi les coûts, la latence et les risques pour la vie privée, avec le potentiel de remodeler l’infrastructure de l’IA médicale et de promouvoir la déploiement localisé dans le monde entier, notamment dans les régions en développement.