2026-07-29 23:37:17
TetherがQVACの公開ソース化460Mのビジョンモデルを発表。7月29日、17のベンチマーク中16で競合を上回る
テザーは7月29日の公式リリースで、同社のAIリサーチ部門QVACがVisionPsy-Nanoをオープンソース化したと発表した。VisionPsy-Nanoは、オンデバイスでの画像およびドキュメント分析を目的とした、4億5億パラメータのビジョン-言語モデルである。このモデルは正規化スコア62.3を達成し、17のベンチマークテストのうち16でLiquid AIのLFM2.5-VL-450M(59.6)およびHugging FaceのSmolVLM2-500M(52.5)を上回った。 Flashバリアントは速度を優先し、SmolVLM2-500Mと比べて約99%の性能を維持しながら、iPhone 15上で最大36倍高速な応答を提供する。また、モバイル端末でオフライン動作に対応しており、リモートサーバーにデータをアップロードせずにドキュメント分析やOCR(光学文字認識)が可能だ。両バージョンはApache 2.0ライセンスのもと、Hugging Face Transformersおよびllama.cppを通じて利用可能だ。