Tether 開源 VisionPsy-Nano 視覺語言模型,參數規模 46 億;於 7 月 29 日得分 62.3
根據 Tether 的部落格,於 7 月 29 日,Tether Data 的 AI 研究計畫 QVAC 將 VisionPsy-Nano 進行開源發布。VisionPsy-Nano 是一款緊湊的視覺—語言模型,針對邊緣部署而設計,約有 4.6 億個參數。該模型將過往需要仰賴雲端基礎設施的多模態理解能力,直接帶到行動裝置上。 VisionPsy-Nano 在截至目前測試、參數低於 5 億的所有邊緣端視覺—語言模型中,取得最高的正規化綜合分數 62.3,並在 17 項基準測試中的 16 項擊敗 Liquid AI 與 Hugging Face 等競爭者。Tether 亦發布了針對低延遲推論進行最佳化的 Flash 版本;其品質維持約為完整模型的 99%,同時顯著提升推論速度。Tether 執行長 Paolo Ardoino 表示,此次發布證明「本地優先」且高效率的 AI 是可行的道路,讓強大且具隱私性的 AI 能夠在使用者已經擁有的裝置上運行。
Gate News·07-29 12:13
