Společnost Tether Data vytlačuje umělou inteligenci z cloudu díky novému modelu pro zpracování obrazu s 460 miliony parametrů

VisionPsy-Nano, který ve středu zveřejnila divize QVAC zabývající se výzkumem umělé inteligence, dokáže analyzovat obrázky, dokumenty a grafy a následně odpovídat na otázky, aniž by zdrojový materiál odesílal do vzdáleného systému. Telefon zpracovává jak vstupní data, tak odpovědi, což umožňuje softwaru fungovat offline a uchovávat data přímo v zařízení.

QVAC uvádí, že model společnosti Tether AI Research zaznamenal nejvyšší celkové skóre mezi systémy pro zpracování obrazu a jazyka s méně než 500 miliony parametrů. V 17 benchmarkových testech porazil konkurenční modely v 16 z nich.

Jak si vede

Model dosáhl normalizovaného skóre 62,3, zatímco model LFM2.5-VL-450M od společnosti Liquid AI dosáhl skóre 59,6 a model SmolVLM2-500M od společnosti Hugging Face skóre 52,5. Dřívější základní model nanoVLM-460M-8k od QVAC dosáhl skóre 54,9.

Verze Tether Data je k dispozici ve dvou variantách. Standardní verze upřednostňuje přesnost, zatímco verze Flash obětuje malou část kvality ve prospěch rychlejších odpovědí. Společnost QVAC uvádí, že verze Flash si zachovává přibližně 99 % výkonu plného modelu a zároveň generuje první výstup až 23krát rychleji než model SmolVLM2-500M na telefonech s Androidem a až 36krát rychleji na iPhone 15.

Tato doba odezvy je na mobilním hardwaru důležitá. Kompaktní model může v testech dosáhnout dobrých výsledků, ale přesto se může jevit jako nepraktický, pokud uživatelé musí čekat, zatímco zařízení zpracovává obrázek. Verze Flash je navržena tak, aby toto počáteční zpoždění snížila.

Systém umělé inteligence (AI) také podporuje analýzu dokumentů a optické rozpoznávání znaků, přičemž extrahuje text a strukturu z finančních zpráv, vývojových diagramů a infografik.

Společnost QVAC uvádí, že model v testech vizuálního uvažování překonal konkurenty podobné velikosti v průměru o 7,4 %. V testech MM-IFEval a POPE také předčil modely více než dvakrát větší, včetně verzí od společností Qwen a InternVL.

Proč je malá velikost důležitá

Přesun zpracování obrazu z datového centra do telefonu s sebou nese přísná omezení týkající se paměti, tepla, spotřeby baterie a výpočetního výkonu. Kompaktní modely často zvládají prostý text, ale při čtení hustých grafů, tabulek nebo naskenovaných dokumentů ztrácejí přesnost.

Výsledky benchmarků modelu QVAC naznačují, že si model zachoval velkou část těchto schopností a zároveň zůstal dostatečně malý pro spotřebitelská zařízení. Lokální zpracování také znamená, že dokumenty není nutné nahrávat a software může pokračovat v práci i bez připojení k síti.

Navrženo pro několik možností nasazení

Vývojáři mohou k modelu přistupovat prostřednictvím Hugging Face Transformers, kvantizované verze GGUF pro llama.cpp nebo backendu vLLM pro použití na serverech s vyšším objemem dat.

QVAC také zveřejnil své benchmarkové konfigurace prostřednictvím VLMEvalKit, což umožňuje externím výzkumníkům testy zopakovat. Obě verze využívají licenci Apache 2.0, která povoluje komerční využití, úpravy a další šíření.

Součást širší strategie společnosti Tether v oblasti AI

Generální ředitel společnosti Tether Paolo Ardoino uvedl, že toto vydání podporuje snahu společnosti o lokální a efektivní systémy umělé inteligence.

„Dosažení špičkové kvality a výkonu u obecných úkolů v oblasti zpracování obrazu při pouhých 460 milionech parametrů dokazuje, že vysoce efektivní umělá inteligence s prioritou lokálního řešení je schůdnou cestou,“ řekl Ardoino.

Tento model navazuje na několik verzí QVAC vydaných od října 2025, včetně syntetických trénovacích datových sad, multiplatformní sady pro vývoj softwaru a lékařských modelů určených pro telefony a nositelná zařízení.

Vývojářům tato verze nabízí offline analýzu obrazu bez nákladů na API založených na využití. Firmy mohou uchovávat citlivé dokumenty přímo na zařízení, zatímco spotřebitelé mohou využívat funkce umělé inteligence i bez signálu. Vědci mohou pomocí zveřejněných konfigurací nezávisle ověřit tvrzení společnosti ohledně výkonu.

Společnost Tether financovala svou expanzi v oblasti umělé inteligence ze zisků ze svého podnikání se stabilní kryptoměnou USDT. Investovala také do infrastruktury umělé inteligence, biotechnologií a robotiky, včetně investice série C do společnosti NEURA Robotics v hodnotě až 1,4 miliardy dolarů.