Ang Tether, ang stablecoin na kumpanya na kilala sa USDT, ay naglabas lamang ng isang medikal na modelo ng AI na kasya sa iyong bulsa at maaaring higitan ang mga kalaban na higit sa isang dosenang beses ang laki nito. Inilunsad ngayon ang QVAC MedPsy mula sa AI Research Group ng Tether bilang isang bagong klase ng mga medikal na modelo ng wika na idinisenyo upang tumakbo sa mga smartphone, wearables, at edge device—hindi kailangan ng cloud.

Ang pangunahing numero: isang maliit na 1.7 bilyong-parameter na modelo na kayang talunin ang MedGemma-4B ng Google sa mga medikal na benchmark sa kabila ng pagiging mas mababa sa kalahati ng laki nito. Sa HealthBench Hard—ang benchmark ng OpenAI na sumusuri sa AI sa makatotohanang, multi-turn na mga pag-uusap sa klinika na minarkahan ng 262 doktor—sinabi ng Tether na ang 1.7 bilyong-parameter na modelo nito ay humigit sa MedGemma-27B, isang modelo na halos labing-anim na beses na mas malaki.

Ang mga parameter ay lahat ng mga configuration at halaga na natutunan ng isang modelo sa panahon ng pagsasanay. Kung mas maraming parameter, mas maganda ang modelo, sa teorya.

Ang test suite ay sumasaklaw sa MedQA-USMLE, na sumusukat sa kaalamang klinikal gamit ang mga tanong na estilo ng US medical licensing exam na minarkahan bilang porsyento ng kawastuhan, hanggang sa AfriMedQA, na sumusubok sa pagganap partikular para sa mga lugar na kulang sa serbisyong pangkalusugan sa Africa.

Ikinredito ni Tether CEO Paolo Ardoino ang mga nakamit sa kahusayan sa halip na laki. "Sa QVAC MedPsy, ang aming focus ay pagpapabuti ng kahusayan sa antas ng modelo, sa halip na palakihin ang sukat," aniya sa isang pahayag. "Ang aming 4 bilyong modelo ay humigit sa mga resulta mula sa mga modelo na halos pitong beses ang laki nito, habang gumagamit ng hanggang tatlong beses na mas kaunting token bawat tugon."

Ang kahusayan ng token na iyon ang isa pang pangunahing balita. Ang 4B na modelo ay may average na humigit-kumulang 909 tokens bawat tugon kumpara sa 2,953 para sa maihahambing na mga sistema—isang 3.2x na pagbawas. Mas kaunting tokens ay nangangahulugang mas mababang gastos sa kompyuter, mas mabilis na tugon, at mahalaga, ang kakayahang tumakbo nang lokal nang walang cloud backend.

"Maaari mong patakbuhin ang medikal na pangangatwiran kung saan umiiral na ang data, sa loob ng isang sistema ng ospital o sa isang device, nang hindi inililipat ang sensitibong impormasyon sa cloud o naghihintay ng panlabas na pagproseso," sabi ni Ardoino.

Ang mga modelo ay inilalabas bilang quantized GGUF files—1.2 GB para sa 1.7 bilyong-parameter na modelo at 2.6 GB para sa 4 bilyon—na may mga compressed na bersyon na nagpapanatili ng karamihan sa pagganap ng benchmark habang kasya sa karaniwang consumer hardware. Nangangahulugan ito na ang isang sistema ng ospital, rural clinic, o indibidwal na kliniko ay maaaring patakbuhin ang modelo nang buo sa device, pinapanatili ang mga talaan ng pasyente na malayo sa third-party cloud infrastructure at mula sa HIPAA exposure.

Ang pangako sa privacy ay maaaring isang malaking plus para sa ilang tao ngunit ang paggamit ng AI para sa mga opinyong medikal ay malayo sa perpekto kahit sa kasalukuyang mga pamantayan. Isang pag-aaral sa Oxford na inilathala noong Pebrero ang natagpuan na ang mga LLM ay regular na nagbibigay ng mapanganib na payong medikal na may maling sagot, nalilitong gabay at mahinang paghawak ng mga detalyadong sintomas. Huminto ang mga mananaliksik sa pagtanggal sa teknolohiya nang buo, ngunit iginiit na ang AI ay may papel bilang "secretary, hindi doktor." Ang problema sa pagsunod ang nagpapalala nito: Karamihan sa medical AI ngayon ay nagruruta ng data ng pasyente sa pamamagitan ng cloud servers, na lumilikha ng HIPAA exposure sa tuwing nagta-type ng query ang isang doktor.

Ang paglabas na ito ay umaayon sa pattern ng Tether sa nakaraang taon. Noong nakaraang buwan ay inilabas nito ang QVAC SDK, isang open-source na toolkit para sa pagbuo ng lokal, offline na AI apps sa iOS, Android, Windows, at Linux. Bago iyon, inilunsad nito ang QVAC Health, isang consumer wellness app na nagpapanatili ng biometric data nang buo sa device. Ang MedPsy ang unang QVAC model na partikular na sinanay para sa clinical reasoning.

Ang merkado ng medical AI ay humigit-kumulang $36 bilyon ngayon, na may mga projection na umaabot sa mahigit $500 bilyon sa 2033, ayon sa sariling anunsyo ng Tether. Ang mga modelo at GGUF weights ay available na ngayon sa qvac.tether.io/models.