Провокація "психоісторії" Tether: друкувати $USDT для фінансування малих AI-моделей, чи зможе ця афера тебе обдурити?

Хлопче, сьогодні поговоримо про цікаву річ. Tether — це той, хто друкує $USDT, нещодавно запустив проєкт штучного інтелекту під назвою QVAC.

Ти не помилився, гігант стабільних монет раптом взявся за штучний інтелект. І одразу ж використовує наукову фантастику як теоретичну основу, називаючи себе «глибокою моделлю, що ґрунтується на принципах психологічної історії».

Що таке концепція психологічної історії? У романі Азімофа «Фундація» Гарі Шеддон за допомогою математики та статистики прогнозує поведінку людських мас, намагаючись скоротити темряву після краху імперії. Простими словами — пакує бізнес-амбіції у великі наративи.

Спостерігачі ринку зазначають, що цей хід Tether фактично є відтворенням їхньої стратегії стабільних монет у сфері штучного інтелекту.

Давайте подивимося, як Tether заробляє гроші. $USDT перетворює глобальний попит на офшорний долар у резервні активи, переважно у короткострокові американські державні облігації. За даними першого кварталу 2026 року, чистий прибуток склав 1,04 мільярда доларів, резерви — 8,23 мільярда доларів, а прямі й опосередковані володіння короткостроковими американськими облігаціями — близько 141 мільярда доларів.

Як вони ці гроші витрачають? У січні цього року Tether інвестував 8888 BTC, перетворюючи відсотковий дохід у біткоїн. Тепер вони хочуть перенести цю логіку активів у сферу AI.

Ідея дуже проста: використовувати грошовий потік стабільних монет для фінансування інфраструктури штучного інтелекту. Від приватних емітентів доларової ліквідності — до приватних розробників цифрової інфраструктури.

QVAC позиціонує себе як «безмежна стабільна інтелектуальна платформа», зосереджена на децентралізованих системах, що працюють локально. Простими словами — запускати AI локально, зберігати дані на місці, не довіряючи централізованим серверам.

Ця ідея тісно пов’язана з $USDT. Грошові потоки без дозволу, контроль над даними — у користувача, AI працює поруч, локально.

Яка ціна? Зручність. Хмарні моделі мають більшу потужність, але ризики платформи, ціноутворення, регулювання, затримки мережі, маршрутизація даних — все це мінуси. Локальні моделі AI жертвують продуктивністю, натомість отримують власність, приватність і стабільність у роботі.

Ці компроміси добре знайомі криптоспільноті. Самостійне управління — не так зручно, як через біржу, поки біржа не збанкрутує. Локальний AI — теж саме.

QVAC обрав зовсім інший шлях: можливість розгортання, приватність, низька затримка, модульність, незалежність від однієї платформи.

З технічної точки зору, він не змагається з моделями OpenAI чи Google за потужність, а прагне стати базовою операційною системою для краєвого AI.

Що таке VAC Fabric? Tether каже, що, використовуючи Vulkan і Metal, можна налаштовувати моделі на популярному споживчому обладнанні — Android, Apple, звичайні ПК. А ще застосували динамічне розбиття для обмежень пам’яті мобільних пристроїв.

Звучить круто, але головне питання — чому розробники мають користуватися цим фреймворком? Вже існує багато зрілих компонентів для відкритої AI-екосистеми: Llama, Qwen, Mistral, Gemma, DeepSeek, llama.cpp, Ollama і так далі.

QVAC робить ставку на те, що розробникам потрібен цілісний краєвий фреймворк, що через єдині інтерфейси забезпечує завантаження моделей, inference, розпізнавання мови, OCR, переклад, генерацію зображень, пошук, P2P-розповсюдження, локальне донавчання.

Це досить амбітна ставка.

Потім вони представили перший еталонний продукт — MedPsy. Це мовна модель для медичної сфери, з двома версіями: 1,7 мільярда та 4 мільярди параметрів.

Офіційні дані вражають. MedPsy-1.7B у семи медичних тестах отримала середній бал 62,62, перевершуючи Google MedGemma-1.5-4B-it із 51,20, при цьому менший розмір — менше половини. MedPsy-4B — 70,54, трохи випереджаючи MedGemma-27B-text-it із 69,95, при цьому параметрів у 7 разів менше.

Тест HealthBench показує ще більшу різницю: MedPsy-4B — 74,00, а MedGemma-27B — лише 65,00.

Якщо ці дані зможуть незалежно повторити, це доведе одне: у вузьких вертикалях легкі моделі можуть конкурувати з великими хмарними системами.

Зверніть увагу, я наголошую — «якщо».

Всі ці вражаючі результати поки що оприлюднені самим QVAC, і головне — потрібно зовнішнє підтвердження: чи немає забруднення даних, наскільки вони репрезентативні, як формуються підказки, наскільки впливає учительська модель.

Процес тренування зрозумілий: на основі моделі Tongyi Qianwen 3, багатоступінчасте контрольоване донавчання, понад 30 мільйонів синтетичних даних, використання великої моделі BaiChuan M3-235B як учителя для довгого текстового inference.

Що стосується кількісного розгортання — зроблено добре. Вже випустили версію з кількісним зжаттям GGUF, Q4_K_M зменшує розмір моделі на 69%, втрати — менше 1 балу. 4-мільярдна модель — всього 2,72 ГБ, 1,7-мільярдна — 1,28 ГБ, легко запускати локально.

Вони відкрито заявили: це лише для текстового спілкування, англійською, не для клінічної допомоги, можливі галюцинації.

Медична сфера дуже потребує локального inference. Випадки, як історії хвороб, діагностика — дані не повинні виходити за межі лікарні. Напрям MedPsy правильний, але щоб довести його ефективність, потрібні незалежні дослідження, що повторюють бенчмарки і тестують у реальних клінічних процесах.

Загалом, це баланс між зручністю та автономією.

Хмарний AI — надзвичайно зручний: користувач відкриває додаток, вводить команду, отримує результат — без турбот про вагу моделі, пам’ять пристрою, кількісні параметри. Платформа бере на себе всі складні технічні аспекти, тому швидко зростає.

QVAC ж вимагає від користувача більше відповідальності за підтримку, але натомість отримує можливість працювати офлайн, зберігати дані конфіденційно і позбавлятися залежності від API.

Головна ідея Tether — цілісна концепція: гроші ($USDT), обчислювальні ресурси (QVAC), інтелектуальні агенти — все за однією парадигмою автономного суверенітету.

Звісно, децентралізована історія не ідеальна.

inference — децентралізований: користувачі самостійно завантажують моделі, запускають локально, конфіденційні дані залишаються на пристрої. За допомогою мережевої архітектури Holepunch підтримується делеговане inference і децентралізоване розповсюдження моделей.

Але управління залишається централізованим: Tether фінансує, координує, просуває ринок, керує ключовими застосунками, моделями та SDK — все під контролем однієї компанії.

Весь екосистемний механізм ще потребує розподіленого управління у питаннях реєстрації вузлів, каналів оновлення, безпеки, допуску моделей і громадського управління.

Зараз довіра до QVAC цілком залежить від зовнішніх результатів повторення.

Якщо результати MedPsy зможуть бути незалежно підтверджені, Tether справді реалізує ідею «інтелектуальних активів у резерві»: легкі, відкриті, локально розгортаємі моделі для вузьких галузей, здатні конкурувати з великими хмарними моделями у високочутливих сферах.

Навіть якщо результати зменшаться або зворотно зміняться, інфраструктура QVAC залишиться цінною, хоча історія про модельні можливості послабшає.

Головне питання у галузі залишається тим самим: чи зможе ця система забезпечити достатню потужність і стабільність, щоб користувачі були готові прийняти додаткові витрати на підтримку і управління для автономії?

MedPsy — перша кваліфікаційна межа.

Зовнішні результати повторення визначать, чи стане QVAC частиною основного краєвого AI-ландшафту, чи залишиться лише метафорою з наукової фантастики.

Слідкуйте за мною: отримуйте актуальні аналітики та інсайти крипторинку!

#Gate广场五月交易分享 #TROLL — за два дні зростання понад 160% $BTC $ETH $SOL #Polymarket щоденні тренди