Tether Data holt KI aus der Cloud mit neuem Bildverarbeitungsmodell mit 460 Millionen Parametern

VisionPsy-Nano, das am Mittwoch von der KI-Forschungsabteilung des Unternehmens, QVAC, veröffentlicht wurde, kann Bilder, Dokumente und Diagramme analysieren und anschließend Fragen beantworten, ohne das Ausgangsmaterial an ein externes System zu senden. Das Smartphone übernimmt sowohl die Eingabe als auch die Ausgabe, sodass die Software offline arbeiten und die Daten auf dem Gerät speichern kann.

Laut QVAC erzielte das Modell von Tether AI Research die höchste Gesamtpunktzahl unter den Vision-Language-Systemen mit weniger als 500 Millionen Parametern. In 17 Benchmark-Tests schlug es konkurrierende Modelle in 16 Fällen.

Wie schneidet es ab?

Das Modell erzielte eine normalisierte Punktzahl von 62,3, verglichen mit 59,6 für das LFM2.5-VL-450M von Liquid AI und 52,5 für das SmolVLM2-500M von Hugging Face. Das frühere Basismodell „nanoVLM-460M-8k“ von QVAC erzielte 54,9 Punkte. Die Veröffentlichung von Tether Data erfolgt in zwei Versionen. Die Standardversion legt den Schwerpunkt auf Genauigkeit, während „Flash“ zugunsten schnellerer Antworten geringfügige Qualitätseinbußen in Kauf nimmt. Laut QVAC behält „Flash“ etwa 99 % der Leistung des Vollmodells bei und liefert dabei seine erste Ausgabe auf Android-Smartphones bis zu 23-mal schneller als das „SmolVLM2-500M“ und auf einem iPhone 15 sogar bis zu 36-mal schneller. Diese Reaktionszeit ist auf mobiler Hardware von entscheidender Bedeutung. Ein kompaktes Modell kann in Tests zwar gut abschneiden, sich aber dennoch als unpraktisch erweisen, wenn Nutzer warten müssen, während das Gerät ein Bild verarbeitet. „Flash“ wurde entwickelt, um diese anfängliche Verzögerung zu reduzieren. Das KI-System (Künstliche Intelligenz) unterstützt zudem die Dokumentenanalyse und die optische Zeichenerkennung (OCR) und extrahiert Text und Struktur aus Finanzberichten, Flussdiagrammen und Infografiken.

Laut QVAC übertraf das Modell bei Tests zum visuellen Schlussfolgern ähnlich große Konkurrenten um durchschnittlich 7,4 %. Außerdem schnitt es bei MM-IFEval und POPE besser ab als Modelle, die mehr als doppelt so groß waren, darunter auch Veröffentlichungen von Qwen und InternVL.

Warum der geringe Speicherbedarf wichtig ist

Die Verlagerung der Bildverarbeitung vom Rechenzentrum auf ein Smartphone bringt strenge Einschränkungen hinsichtlich Speicherplatz, Wärmeentwicklung, Akkuverbrauch und Rechenleistung mit sich. Kompakte Modelle kommen oft mit reinem Text zurecht, verlieren jedoch an Genauigkeit beim Lesen komplexer Diagramme, Tabellen oder gescannter Dokumente.

Die Benchmark-Ergebnisse von QVAC deuten darauf hin, dass das Modell einen Großteil dieser Fähigkeiten beibehalten hat und gleichzeitig klein genug für Endgeräte bleibt. Die lokale Verarbeitung bedeutet zudem, dass Dokumente nicht hochgeladen werden müssen und die Software auch ohne Netzwerkverbindung weiterarbeiten kann.

Entwickelt für verschiedene Einsatzmöglichkeiten

Entwickler können über Hugging Face Transformers, eine quantisierte GGUF-Version für llama.cpp oder ein vLLM-Backend für den Einsatz auf Servern mit höherem Durchsatz auf das Modell zugreifen.

QVAC hat zudem seine Benchmark-Konfigurationen über VLMEvalKit veröffentlicht, sodass externe Forscher die Tests wiederholen können. Beide Versionen stehen unter der Apache-2.0-Lizenz, die die kommerzielle Nutzung, Änderung und Weiterverbreitung erlaubt.

Teil der umfassenderen KI-Strategie von Tether

Paolo Ardoino, CEO von Tether, erklärte, die Veröffentlichung unterstütze das Bestreben des Unternehmens, lokale, effiziente KI-Systeme voranzutreiben. „Das Erreichen von erstklassiger Qualität und Leistung bei allgemeinen Bildverarbeitungsaufgaben mit nur 460 Millionen Parametern beweist, dass eine lokal ausgerichtete, hocheffiziente KI ein gangbarer Weg ist“, so Ardoino.

Das Modell folgt auf mehrere QVAC-Veröffentlichungen seit Oktober 2025, darunter synthetische Trainingsdatensätze, ein plattformübergreifendes Software Development Kit sowie medizinische Modelle, die für Smartphones und Wearables entwickelt wurden.

Für Entwickler bietet die Veröffentlichung eine Offline-Bildanalyse ohne nutzungsabhängige API-Kosten. Unternehmen können sensible Dokumente auf dem Gerät speichern, während Verbraucher KI-Funktionen auch ohne Netzverbindung nutzen können. Forscher können die Leistungsangaben des Unternehmens anhand der veröffentlichten Konfigurationen unabhängig überprüfen.

Tether hat seine KI-Expansion mit Gewinnen aus seinem USDT-Stablecoin-Geschäft finanziert. Außerdem hat das Unternehmen in KI-Infrastruktur, Biotechnologie und Robotik investiert, darunter eine Serie-C-Finanzierung für NEURA Robotics im Wert von bis zu 1,4 Milliarden US-Dollar.