Tether Data tõrjub tehisintellekti pilvest välja uue 460 miljoni parameetriga nägemismudeliga

Ettevõtte tehisintellekti uurimisüksuse QVAC poolt kolmapäeval avaldatud VisionPsy-Nano suudab analüüsida pilte, dokumente ja graafikuid ning seejärel vastata küsimustele, ilma et allikmaterjali tuleks saata kaugjuhtimisega süsteemi. Telefon töötleb nii sisendit kui ka vastust, võimaldades tarkvaral töötada võrguväliselt ja hoida andmeid seadmes.

QVACi sõnul saavutas Tether AI Researchi mudel kõrgeima üldskooriga nägemis-keele süsteemide seas, millel on vähem kui 500 miljonit parameetrit. 17 võrdlustestis ületas see konkureerivaid mudeleid 16 korral.

Kuidas see teistega võrdub

Mudel saavutas normaliseeritud tulemuse 62,3, võrreldes Liquid AI mudeli LFM2.5-VL-450M 59,6-ga ja Hugging Face’i mudeli SmolVLM2-500M 52,5-ga. QVACi varasem baasmudel nanoVLM-460M-8k sai tulemuseks 54,9.

Tether Data versioon on saadaval kahes variandis. Standardversioonis on esikohal täpsus, samas kui Flash-versioon ohverdab veidi kvaliteeti kiiremate vastuste nimel. QVACi sõnul säilitab Flash umbes 99% täismudeli jõudlusest, pakkudes samal ajal esimest väljundit kuni 23 korda kiiremini kui SmolVLM2-500M Android-telefonidel ja kuni 36 korda kiiremini iPhone 15-l.

See reageerimisaeg on mobiilseadmetel oluline. Kompaktne mudel võib testides hästi esineda, kuid tunduda siiski ebapraktiline, kui kasutajad peavad ootama, kuni seade pilti töötleb. Flash on loodud selle esialgse viivituse vähendamiseks.

Tehisintellekti (AI) süsteem toetab ka dokumentide analüüsi ja optilist tähemärkide tuvastamist, eraldades teksti ja struktuuri finantsaruannetest, vooskeemidest ja infograafikatest.

QVACi sõnul ületas mudel visuaalse mõtlemise testides sarnase suurusega konkurente keskmiselt 7,4% võrra. Samuti ületas see MM-IFEval ja POPE testides enam kui kaks korda suuremaid mudeleid, sealhulgas Qwen ja InternVL väljalasked.

Miks väike mälukasutus on oluline

Pilditöötluse viimine andmekeskusest nutitelefoni seab ranged piirangud mälu, soojuse, aku kasutuse ja arvutusvõimsuse osas. Kompaktmudelid suudavad sageli töödelda lihtteksti, kuid kaotavad täpsust tihedate diagrammide, tabelite või skaneeritud dokumentide lugemisel.

QVACi võrdlustestide tulemused näitavad, et mudel säilitas suure osa sellest võimekusest, jäädes samas piisavalt väikeseks tarbijaseadmetele. Kohalik töötlemine tähendab ka seda, et dokumente ei ole vaja üles laadida ning tarkvara saab töötada ka ilma võrguühenduseta.

Loodud mitmete kasutusvõimaluste jaoks

Arendajad saavad mudelile juurde pääseda Hugging Face Transformersi kaudu, mis on kvantiseeritud GGUF-versioon llama.cpp jaoks või vLLM-tagapõhi suurema mahuga serverikasutuse jaoks.

QVAC avaldas oma võrdlustestide konfiguratsioonid ka VLMEvalKiti kaudu, võimaldades välistel teadlastel teste korrata. Mõlemad versioonid kasutavad Apache 2.0 litsentsi, mis lubab kommertskasutust, modifitseerimist ja edasilevitamist.

Osa Tetheri laiemast AI-strateegiast

Tetheri tegevjuht Paolo Ardoino ütles, et selle väljalase toetab ettevõtte püüdlusi kohalike ja tõhusate tehisintellekti süsteemide suunas.

„Kõrgeima klassi kvaliteedi ja jõudluse saavutamine üldistes nägemisülesannetes vaid 460 miljoni parameetriga tõestab, et kohalikule keskenduv ja väga tõhus tehisintellekt on elujõuline tee,“ ütles Ardoino.

Mudel järgneb mitmele QVAC-i väljalaskele, mis pärinevad 2025. aasta oktoobrist, sealhulgas sünteetilised õppimisandmekogud, platvormiülene tarkvaraarenduskomplekt ning nutitelefonidele ja kantavatele seadmetele mõeldud meditsiinimudelid.

Arendajatele pakub uus versioon võrguühenduseta pildianalüüsi ilma kasutamisel põhinevate API-kuludeta. Ettevõtted saavad hoida tundlikke dokumente seadmes, samas kui tarbijad saavad kasutada tehisintellekti funktsioone ka ilma signaalita. Teadlased saavad avaldatud konfiguratsioonide abil iseseisvalt testida ettevõtte väiteid jõudluse kohta.

Tether on rahastanud oma tehisintellekti laienemist USDT-stabiilse krüptovaluuta ärist saadud kasumiga. Samuti on ettevõte investeerinud tehisintellekti infrastruktuuri, biotehnoloogiasse ja robootikasse, sealhulgas NEURA Roboticsi C-seeria investeeringusse, mille väärtus on kuni 1,4 miljardit dollarit.