Tether запускає мобільний локальний медичний AI: 1,7-мільярдна мала модель перевищує у 16 разів більшу модель, повністю позбавляючись залежності від хмари

За даними моніторингу Beating, команда досліджень штучного інтелекту Tether, емітента USDT, сьогодні оголосила про запуск серії медичних мовних моделей QVAC MedPsy, спеціально розроблених для локалізованого медичного ШІ на смартфонах, носимих пристроях та інших низькомірних кінцевих пристроях. Не потрібно залежати від хмарних серверів для роботи, завдяки ефективній архітектурі досягається продуктивність, що значно перевищує розмір моделі: версія з 1,7 мільярдами параметрів у середньому набрала 62,62 балів за шість закритих медичних бенчмарків, перевищуючи Google MedGemma-4B на 11,42 бали, і перемогла у реальних клінічних сценаріях, таких як HealthBench Hard, модель MedGemma-27B з майже в 16 разів більшою кількістю параметрів; версія з 4 мільярдами параметрів має ще вищий бал — 70,54, повністю перевищуючи більш великі моделі, при цьому значно зменшуючи споживання токенів для обчислень (до 3,2 разів), і випущена у форматі кількісного GGUF (приблизно 1,2 ГБ для 1,7 млрд.), що підходить для мобільних та крайових розгортань. Це випуск кидає виклик традиційній ідеї «більша модель = краща продуктивність», зосереджуючись на підвищенні ефективності через поетапне додаткове навчання (контрольоване, з клінічними даними для логіки та підкріплене навчанням з підсиленням), забезпечуючи справжню локальну приватність та низьку затримку обчислень. Генеральний директор Tether Паоло Ардойно зазначив, що це дозволяє медичному ШІ обробляти чутливі дані безпосередньо в лікарнях або на пристроях, без передачі до хмари, що знижує витрати, затримки та ризики приватності, і має потенціал переосмислити інфраструктуру медичного ШІ, сприяючи поширенню локалізованих розгортань у світі, особливо в країнах з недостатнім розвитком.