أطلقت شركة «تيثر داتا» نموذجًا للرؤية واللغة يحتوي على 460 مليون معلمة كمشروع مفتوح المصدر، وقد صُمم هذا النموذج ليعمل مباشرةً على الهواتف الذكية بدلاً من الاعتماد على خوادم السحابة.
شركة «تيثر داتا» تخرج الذكاء الاصطناعي من السحابة بفضل نموذج رؤية جديد يضم 460 مليون معلمة
بقلم
مشاركة
النقاط الرئيسية
- قامت وحدة QVAC التابعة لشركة Tether بإتاحة نموذج رؤية يحتوي على 460 مليون معلمة كمصدر مفتوح في 29 يوليو 2026.
- تفوق النموذج على منافسيه من Liquid AI و Hugging Face في 16 من أصل 17 اختبارًا قياسيًا.
- كان أداء نسخته «Flash» أسرع بما يصل إلى 36 مرة من SmolVLM2-500M على جهاز iPhone 15.
أصدرت QVAC، ذراع أبحاث الذكاء الاصطناعي التابع للشركة، يوم الأربعاء نموذج VisionPsy-Nano الذي يمكنه فحص الصور والوثائق والرسوم البيانية، ثم الإجابة على الأسئلة دون إرسال المواد المصدرية إلى نظام بعيد. يتولى الهاتف معالجة كل من المدخلات والاستجابات، مما يسمح للبرنامج بالعمل دون اتصال بالإنترنت والاحتفاظ بالبيانات على الجهاز.
تقول QVAC إن نموذج Tether AI Research سجل أعلى درجة إجمالية بين أنظمة الرؤية واللغة التي تحتوي على أقل من 500 مليون معلمة. وفي 17 اختبارًا قياسيًا، تفوق على النماذج المنافسة في 16 منها.
كيف يقارن هذا النموذج بالآخرين
سجل النموذج درجة معيارية بلغت 62.3، مقارنة بـ 59.6 لنموذج LFM2.5-VL-450M من شركة Liquid AI و52.5 لنموذج SmolVLM2-500M من شركة Hugging Face. أما النموذج الأساسي السابق لـ QVAC، nanoVLM-460M-8k، فقد سجل 54.9.
يأتي إصدار Tether Data في نسختين. تمنح النسخة القياسية الأولوية للدقة، بينما تتنازل نسخة Flash عن قدر ضئيل من الجودة مقابل استجابات أسرع. تقول شركة QVAC إن إصدار «فلاش» يحتفظ بحوالي 99% من أداء النموذج الكامل، بينما ينتج أول مخرجاته بسرعة تصل إلى 23 ضعف سرعة نموذج «سمول في إل إم 2-500 إم» على هواتف أندرويد، وبسرعة تصل إلى 36 ضعفًا على هاتف آيفون 15.
يُعد وقت الاستجابة هذا أمرًا مهمًا على الأجهزة المحمولة. فقد يحقق النموذج المضغوط نتائج جيدة في الاختبارات، لكنه يظل غير عملي إذا اضطر المستخدمون إلى الانتظار أثناء معالجة الجهاز للصورة. وقد صُمم الإصدار «Flash» لتقليل هذا التأخير الأولي.
كما يدعم نظام الذكاء الاصطناعي (AI) تحليل المستندات والتعرف الضوئي على الأحرف، واستخراج النص والهيكل من التقارير المالية ومخططات التدفق والرسوم البيانية.
تقول شركة QVAC إن النموذج تفوق على المنافسين من نفس الحجم بمعدل 7.4% في اختبارات الاستدلال البصري. كما تفوق في الأداء على نماذج يزيد حجمها عن ضعف حجمه في اختبارات MM-IFEval وPOPE، بما في ذلك الإصدارات من Qwen وInternVL.
لماذا يُعد الحجم الصغير أمرًا مهمًا
إن نقل معالجة الصور من مركز البيانات إلى الهاتف يفرض قيودًا صارمة على الذاكرة والحرارة واستهلاك البطارية وقوة الحوسبة. غالبًا ما تتعامل النماذج المدمجة مع النص العادي، لكنها تفقد دقتها عند قراءة المخططات أو الجداول الكثيفة أو المستندات الممسوحة ضوئيًا.
تشير نتائج اختبارات الأداء القياسية لـ QVAC إلى أن النموذج حافظ على جزء كبير من تلك القدرة مع بقائه صغيرًا بما يكفي للأجهزة الاستهلاكية. كما أن المعالجة المحلية تعني أيضًا أنه لا حاجة لتحميل المستندات، ويمكن للبرنامج الاستمرار في العمل دون اتصال بالشبكة.
مصمم لخيارات نشر متعددة
يمكن للمطورين الوصول إلى النموذج من خلال Hugging Face Transformers، أو نسخة GGUF المُكمَّنة لـ llama.cpp، أو واجهة خلفية vLLM للاستخدام على خوادم ذات سعة أكبر.
كما نشرت QVAC تكوينات اختبار الأداء الخاصة بها عبر VLMEvalKit، مما يسمح للباحثين الخارجيين بتكرار الاختبارات. يستخدم كلا الإصدارين ترخيص Apache 2.0، الذي يسمح بالاستخدام التجاري والتعديل وإعادة التوزيع.
جزء من استراتيجية Tether الأوسع نطاقًا في مجال الذكاء الاصطناعي
قال باولو أردوينو، الرئيس التنفيذي لشركة Tether، إن هذا الإصدار يدعم مساعي الشركة نحو أنظمة الذكاء الاصطناعي المحلية والفعالة.
وقال أردوينو: «إن تحقيق أفضل جودة وأداء في فئتهما في مهام الرؤية العامة باستخدام 460 مليون معلمة فقط يثبت أن الذكاء الاصطناعي الذي يعتمد على الأولوية المحلية والكفاءة العالية هو مسار قابل للتطبيق».
ويأتي هذا النموذج في أعقاب عدة إصدارات من QVAC تعود إلى أكتوبر 2025، بما في ذلك مجموعات بيانات تدريب اصطناعية، ومجموعة أدوات تطوير برمجيات متعددة المنصات، ونماذج طبية مصممة للهواتف والأجهزة القابلة للارتداء.
بالنسبة للمطورين، يتيح هذا الإصدار تحليل الصور دون اتصال بالإنترنت دون تكاليف واجهة برمجة التطبيقات (API) المرتبطة بالاستخدام. يمكن للشركات الاحتفاظ بالوثائق الحساسة على الجهاز، بينما يمكن للمستهلكين استخدام ميزات الذكاء الاصطناعي دون الحاجة إلى إشارة. يمكن للباحثين اختبار ادعاءات الشركة بشأن الأداء بشكل مستقل باستخدام التكوينات المنشورة.
قامت Tether بتمويل توسعها في مجال الذكاء الاصطناعي من خلال الأرباح المحققة من أعمالها المتعلقة بالعملة المستقرة USDT. كما استثمرت في البنية التحتية للذكاء الاصطناعي، والتكنولوجيا الحيوية، والروبوتات، بما في ذلك استثمار من الفئة C في شركة NEURA Robotics تبلغ قيمته ما يصل إلى 1.4 مليار دولار.
تمت ترجمة هذه المقالة من الإنجليزية باستخدام الذكاء الاصطناعي. النسخة الإنجليزية الأصلية هي المصدر الموثوق؛ وقد تحتوي الترجمات الآلية على أخطاء، لا سيما في المصطلحات القانونية والتنظيمية.
