Tether Data vie tekoälyn pois pilvestä uudella 460 miljoonan parametrin näkömallillaan

Yhtiön tekoälytutkimusyksikkö QVAC julkaisi keskiviikkona VisionPsy-Nano-mallin, joka pystyy tarkastelemaan kuvia, asiakirjoja ja kaavioita ja vastaamaan kysymyksiin lähettämättä lähdemateriaalia etäjärjestelmään. Puhelin käsittelee sekä syötteen että vastauksen, minkä ansiosta ohjelmisto toimii offline-tilassa ja säilyttää tiedot laitteella.

QVAC:n mukaan Tether AI Researchin malli saavutti korkeimman kokonaispistemäärän alle 500 miljoonan parametrin visuaali-kieli-järjestelmien joukossa. Se voitti kilpailevat mallit 16:ssa 17:stä vertailutestistä.

Miten se pärjää vertailussa

Malli saavutti normalisoidun tuloksen 62,3, kun Liquid AI:n LFM2.5-VL-450M:n tulos oli 59,6 ja Hugging Facen SmolVLM2-500M:n 52,5. QVAC:n aiemman nanoVLM-460M-8k-perusmallin pisteet olivat 54,9.

Tether Data -julkaisu on saatavilla kahdessa versiossa. Vakioversio painottaa tarkkuutta, kun taas Flash-versio uhraa hieman laatua nopeampien vastausten saavuttamiseksi. QVAC:n mukaan Flash säilyttää noin 99 % täysikokoisen mallin suorituskyvystä ja tuottaa ensimmäisen tuloksensa jopa 23 kertaa nopeammin kuin SmolVLM2-500M Android-puhelimilla ja jopa 36 kertaa nopeammin iPhone 15:llä.

Vasteaika on tärkeä tekijä mobiililaitteissa. Kompakti malli voi saada hyviä tuloksia testeissä, mutta tuntua silti epäkäytännölliseltä, jos käyttäjien on odotettava, kun laite käsittelee kuvaa. Flash on suunniteltu vähentämään tätä alkuviivettä.

Tekoälyjärjestelmä tukee myös asiakirjojen analysointia ja optista merkkientunnistusta, poimien tekstiä ja rakennetta talousraporteista, vuokaavioista ja infograafeista.

QVAC:n mukaan malli päihitti samankokoiset kilpailijat keskimäärin 7,4 % visuaalisen päättelyn testeissä. Se suoriutui myös paremmin kuin yli kaksi kertaa suuremmat mallit MM-IFEval- ja POPE-testeissä, mukaan lukien Qwenin ja InternVL:n julkaisut.

Miksi pieni koko on tärkeää

Liikkuvan kuvan käsittelyn siirtäminen datakeskuksesta puhelimeen asettaa tiukkoja rajoituksia muistille, lämmönkehitykselle, akun kulutukselle ja laskentateholle. Kompaktit mallit pystyvät usein käsittelemään pelkkää tekstiä, mutta menettävät tarkkuuttaan lukiessaan tiheitä kaavioita, taulukoita tai skannattuja asiakirjoja.

QVAC:n vertailutulokset viittaavat siihen, että malli säilytti suuren osan kyvystään pysyen samalla riittävän pienikokoisena kuluttajalaitteisiin. Paikallinen käsittely tarkoittaa myös sitä, että asiakirjoja ei tarvitse ladata verkkoon, ja ohjelmisto voi jatkaa toimintaansa ilman verkkoyhteyttä.

Suunniteltu useille käyttöönottovaihtoehdoille

Kehittäjät voivat käyttää mallia Hugging Face Transformersin kautta, kvantisoidun GGUF-version kautta llama.cpp:lle tai vLLM-taustapalvelimen kautta suuremman volyymin palvelinkäyttöön.

QVAC on myös julkaissut vertailutestien konfiguraatiot VLMEvalKit-palvelun kautta, jolloin ulkopuoliset tutkijat voivat toistaa testit. Molemmat versiot käyttävät Apache 2.0 -lisenssiä, joka sallii kaupallisen käytön, muokkaamisen ja jakelun.

Osa Tetherin laajempaa tekoälystrategiaa

Tetherin toimitusjohtaja Paolo Ardoino sanoi, että julkaisu tukee yrityksen pyrkimystä kohti paikallisia, tehokkaita tekoälyjärjestelmiä.

”Luokkansa parhaan laadun ja suorituskyvyn saavuttaminen yleisissä näkötehtävissä vain 460 miljoonalla parametrilla osoittaa, että paikallisuuteen painottuva, erittäin tehokas tekoäly on toteuttamiskelpoinen tie”, Ardoino sanoi.

Malli on jatkoa useille lokakuussa 2025 julkaistuille QVAC-versioille, joihin kuuluvat muun muassa synteettiset koulutustietojoukot, alustojen välinen ohjelmistokehityspaketti sekä puhelimille ja puettaville laitteille suunnitellut lääketieteelliset mallit.

Kehittäjille julkaisu tarjoaa mahdollisuuden offline-kuvanalyysiin ilman käyttöpohjaisia API-kustannuksia. Yritykset voivat säilyttää arkaluontoisia asiakirjoja laitteella, kun taas kuluttajat voivat käyttää tekoälyominaisuuksia ilman verkkoyhteyttä. Tutkijat voivat testata yrityksen suorituskykyväitteitä itsenäisesti julkaistujen konfiguraatioiden avulla.

Tether on rahoittanut tekoälyn laajennuksensa USDT-vakaavaluuttaliiketoiminnastaan saamilla voitoilla. Se on myös investoinut tekoälyinfrastruktuuriin, bioteknologiaan ja robotiikkaan, mukaan lukien NEURA Roboticsille tehty C-sarjan sijoitus, jonka arvo on jopa 1,4 miljardia dollaria.