Tether, जिसे USDT के लिए सबसे अच्छी तरह जाना जाता है, एक स्टेबलकॉइन कंपनी है, जिसने अभी-अभी एक मेडिकल एआई मॉडल जारी किया है जो आपकी जेब में फिट हो सकता है और अपने आकार से एक दर्जन गुना बड़े प्रतिद्वंद्वियों से बेहतर प्रदर्शन कर सकता है। QVAC MedPsy को आज Tether के AI रिसर्च ग्रुप द्वारा मेडिकल भाषा मॉडल की एक नई श्रेणी के रूप में लॉन्च किया गया, जो स्मार्टफोन, वियरेबल्स और एज डिवाइस पर चलने के लिए डिज़ाइन किए गए हैं — क्लाउड की आवश्यकता नहीं।

मुख्य बात: एक छोटा 1.7 बिलियन-पैरामीटर मॉडल Google के MedGemma-4B को मेडिकल बेंचमार्क पर हराने में सक्षम है, जबकि इसका आकार आधे से भी कम है। HealthBench Hard पर — OpenAI का बेंचमार्क जो 262 चिकित्सकों द्वारा मूल्यांकन की गई यथार्थवादी, बहु-मोड़ वाली क्लिनिकल बातचीत पर AI का मूल्यांकन करता है — Tether का कहना है कि उसका 1.7 बिलियन-पैरामीटर मॉडल MedGemma-27B से बेहतर प्रदर्शन करता है, जो लगभग सोलह गुना बड़ा मॉडल है।

पैरामीटर वे सभी कॉन्फ़िगरेशन और मान होते हैं जिन्हें एक मॉडल प्रशिक्षण के दौरान सीखता है। जितने अधिक पैरामीटर होते हैं, सैद्धांतिक रूप से मॉडल उतना ही बेहतर होना चाहिए।

परीक्षण सूट MedQA-USMLE तक फैला हुआ है, जो अमेरिकी मेडिकल लाइसेंसिंग परीक्षा-शैली के प्रश्नों का उपयोग करके नैदानिक ​​ज्ञान को प्रतिशत सटीकता के रूप में मापता है, और AfriMedQA तक, जो विशेष रूप से कम सेवा वाले अफ्रीकी स्वास्थ्य सेवा संदर्भों के लिए प्रदर्शन का परीक्षण करता है।

Tether के CEO पाओलो आर्डोइनो ने इन लाभों का श्रेय पैमाने के बजाय दक्षता को दिया। "QVAC MedPsy के साथ, हमारा ध्यान आकार बढ़ाने के बजाय मॉडल स्तर पर दक्षता में सुधार करना था," उन्होंने एक बयान में कहा। "हमारे 4 बिलियन मॉडल ने अपने आकार के लगभग सात गुना बड़े मॉडल के परिणामों को पीछे छोड़ दिया, जबकि प्रति प्रतिक्रिया तीन गुना कम टोकन का उपयोग किया।"

यह टोकन दक्षता दूसरी मुख्य बात है। 4B मॉडल प्रति प्रतिक्रिया औसतन लगभग 909 टोकन का उपयोग करता है, जबकि तुलनीय सिस्टम के लिए यह 2,953 है — यह 3.2 गुना कमी है। कम टोकन का मतलब कम कंप्यूट लागत, तेज़ प्रतिक्रियाएं, और सबसे महत्वपूर्ण बात, क्लाउड बैकएंड के बिना स्थानीय रूप से चलने की क्षमता है।

आर्डोइनो ने कहा, "आप मेडिकल रीजनिंग वहीं चला सकते हैं जहां डेटा पहले से मौजूद है, किसी अस्पताल प्रणाली के भीतर या किसी डिवाइस पर, संवेदनशील जानकारी को क्लाउड के माध्यम से स्थानांतरित किए बिना या बाहरी प्रोसेसिंग का इंतजार किए बिना।"

मॉडल क्वांटाइज्ड GGUF फाइलों के रूप में शिप किए जाते हैं — 1.7 बिलियन-पैरामीटर मॉडल के लिए 1.2 GB और 4 बिलियन के लिए 2.6 GB — संपीड़ित संस्करण अधिकांश बेंचमार्क प्रदर्शन को बनाए रखते हुए मानक उपभोक्ता हार्डवेयर पर फिट होते हैं। इसका मतलब है कि एक अस्पताल प्रणाली, ग्रामीण क्लिनिक, या व्यक्तिगत चिकित्सक मॉडल को पूरी तरह से डिवाइस पर चला सकता है, जिससे रोगी के रिकॉर्ड तीसरे पक्ष के क्लाउड इन्फ्रास्ट्रक्चर से दूर और HIPAA जोखिम से सुरक्षित रहेंगे।

निजता की बात कुछ लोगों के लिए एक बड़ा प्लस हो सकती है, लेकिन आज के मानकों के अनुसार भी चिकित्सा राय के लिए AI का उपयोग करना आदर्श से बहुत दूर है। फरवरी में प्रकाशित एक ऑक्सफ़ोर्ड अध्ययन में पाया गया कि LLM नियमित रूप से गलत उत्तरों, भ्रमित मार्गदर्शन और सूक्ष्म लक्षणों के खराब प्रबंधन के साथ खतरनाक चिकित्सा सलाह दे रहे हैं। शोधकर्ताओं ने इस तकनीक को पूरी तरह से खारिज करने से परहेज किया, लेकिन तर्क दिया कि AI की भूमिका "सचिव" के रूप में है, न कि "चिकित्सक" के रूप में। अनुपालन की समस्या इसे और जटिल बनाती है: आज अधिकांश मेडिकल AI रोगी डेटा को क्लाउड सर्वर के माध्यम से रूट करता है, जिससे हर बार जब कोई डॉक्टर कोई क्वेरी टाइप करता है तो HIPAA जोखिम पैदा होता है।

यह रिलीज़ पिछले एक साल से Tether के पैटर्न के अनुरूप है। पिछले महीने इसने QVAC SDK जारी किया, जो iOS, Android, Windows और Linux पर स्थानीय, ऑफ़लाइन AI ऐप्स बनाने के लिए एक ओपन-सोर्स टूलकिट है। उससे पहले, इसने QVAC Health लॉन्च किया, एक उपभोक्ता वेलनेस ऐप जो बायोमेट्रिक डेटा को पूरी तरह से डिवाइस पर रखता है। MedPsy नैदानिक ​​तर्क के लिए विशेष रूप से प्रशिक्षित पहला QVAC मॉडल है।

आज मेडिकल AI बाजार लगभग 36 बिलियन डॉलर का है, और Tether की अपनी घोषणा के अनुसार, 2033 तक यह 500 बिलियन डॉलर से अधिक तक पहुंचने का अनुमान है। मॉडल और GGUF वेट्स अब qvac.tether.io/models पर उपलब्ध हैं।