Tether meluncurkan AI medis lokal di ponsel: model kecil 1,7B melampaui model besar 16 kali, benar-benar menghilangkan ketergantungan pada cloud

Menurut pemantauan Beating, tim riset AI dari penerbit USDT Tether hari ini mengumumkan peluncuran seri model bahasa medis QVAC MedPsy, yang dirancang khusus untuk perangkat dengan daya komputasi rendah seperti ponsel pintar dan perangkat wearable, sebagai AI medis lokal. Tanpa bergantung pada server cloud, model ini dapat dijalankan secara mandiri dan mencapai performa yang jauh melampaui ukuran model melalui arsitektur yang efisien: versi 1.7B parameter meraih skor rata-rata 62.62 pada tujuh benchmark medis tertutup, melampaui Google MedGemma-4B sebesar 11.42 poin, dan mengalahkan MedGemma-27B yang hampir 16 kali lebih besar dalam skenario klinis nyata seperti HealthBench Hard; versi 4B parameter mendapatkan skor lebih tinggi yaitu 70.54, secara keseluruhan melampaui model yang lebih besar, sekaligus secara signifikan mengurangi konsumsi token inferensi (hingga 3.2 kali lipat), dan dirilis dalam format kuantisasi GGUF (sekitar 1.2GB untuk versi 1.7B), cocok untuk deployment di perangkat mobile dan edge. Peluncuran ini menantang asumsi tradisional bahwa “model yang lebih besar = performa yang lebih baik”, dengan fokus pada peningkatan efisiensi melalui pelatihan medis bertahap (pengawasan, data inferensi klinis + pembelajaran penguatan), untuk mencapai perlindungan privasi lokal yang sesungguhnya dan inferensi berlatensi rendah. CEO Tether, Paolo Ardoino, menyatakan bahwa ini memungkinkan AI medis untuk memproses data sensitif langsung di rumah sakit atau perangkat secara lokal, tanpa perlu dikirim ke cloud, sehingga mengurangi biaya, latensi, dan risiko privasi, berpotensi merevolusi infrastruktur AI medis dan mendorong adopsi lokal di seluruh dunia, terutama di daerah kurang berkembang.