Tether запускает мобильный локальный медицинский ИИ: модель объемом 1,7 миллиарда превосходит модели в 16 раз больше, полностью избавляясь от облачной зависимости

По данным мониторинга Beating, команда по исследованию искусственного интеллекта эмитента USDT Tether сегодня объявила о запуске серии медицинских языковых моделей QVAC MedPsy, специально разработанных для локализованного медицинского ИИ, предназначенного для смартфонов, носимых устройств и других устройств с низкой вычислительной мощностью. Модель может работать без облачного сервера, достигая высокой производительности за счет эффективной архитектуры, значительно превосходящей размер модели: версия с 1.7 миллиарда параметров в среднем набрала 62.62 балла по шести закрытым медицинским бенчмаркам, превзойдя Google MedGemma-4B на 11.42 балла, и победила в реальных клинических сценариях, таких как HealthBench Hard, где модель с почти в 16 раз большим количеством параметров MedGemma-27B набрала меньший балл; версия с 4 миллиардами параметров достигла еще более высокого результата — 70.54, полностью превосходя более крупные модели, при этом значительно снизив расход токенов для вывода (до 3.2 раз), и выпущена в формате квантования GGUF (около 1.2 ГБ для 1.7B), что делает ее подходящей для мобильных и периферийных устройств.

Это объявление бросает вызов традиционному предположению «больше модель — лучше производительность», сосредотачиваясь на повышении эффективности через поэтапное дообучение медицинских данных (супервизорное обучение, клинические рассуждения + усиленное обучение), обеспечивая по-настоящему локальную защиту конфиденциальности и низкую задержку при выводе. Генеральный директор Tether Паоло Ардойно отметил, что это позволяет медицинскому ИИ обрабатывать чувствительные данные прямо в больнице или на устройстве, без передачи их в облако, что снижает затраты, задержки и риски утечки данных, и может изменить инфраструктуру медицинского ИИ, способствуя распространению локальных решений по всему миру, особенно в развивающихся регионах.