Tether Data ने 460 मिलियन पैरामीटर वाला एक विज़न-लैंग्वेज मॉडल ओपन-सोर्स किया है, जिसे क्लाउड सर्वर पर निर्भर रहने के बजाय सीधे स्मार्टफोन पर चलाने के लिए बनाया गया है।
टेदर डेटा ने नए 460 मिलियन पैरामीटर विज़न मॉडल के साथ एआई को क्लाउड से बाहर धकेला
लेखक
शेयर
मुख्य निष्कर्ष
- Tether की QVAC इकाई ने 29 जुलाई, 2026 को 460-मिलियन-पैरामीटर वाला एक विज़न मॉडल ओपन-सोर्स किया।
- इस मॉडल ने 17 बेंचमार्क परीक्षणों में से 16 में Liquid AI और Hugging Face के प्रतिद्वंद्वियों को हराया।
- इसका फ्लैश संस्करण आईफोन 15 पर SmolVLM2-500M से 36 गुना तक तेज़ी से चला।
कंपनी की एआई रिसर्च शाखा, QVAC द्वारा बुधवार को जारी, VisionPsy-Nano छवियों, दस्तावेज़ों और चार्ट की जांच कर सकता है, फिर स्रोत सामग्री को किसी दूरस्थ सिस्टम पर भेजे बिना प्रश्नों का उत्तर दे सकता है। फोन इनपुट और प्रतिक्रिया दोनों को संभालता है, जिससे सॉफ्टवेयर ऑफ़लाइन काम कर सकता है और डेटा डिवाइस पर ही रहता है।
QVAC का कहना है कि Tether AI Research के मॉडल ने 500 मिलियन से कम पैरामीटर वाले विज़न-लैंग्वेज सिस्टम में सबसे अधिक समग्र स्कोर दर्ज किया। 17 बेंचमार्क में, इसने 16 पर प्रतिस्पर्धी मॉडलों को हराया।
यह कैसे तुलना करता है
इस मॉडल ने 62.3 का मानकीकृत स्कोर दर्ज किया, जबकि लिक्विड एआई के LFM2.5-VL-450M का स्कोर 59.6 और हगिंग फेस के SmolVLM2-500M का स्कोर 52.5 था। QVAC के पिछले nanoVLM-460M-8k बेस मॉडल ने 54.9 का स्कोर किया था।
Tether Data रिलीज़ दो संस्करणों में आती है। स्टैंडर्ड बिल्ड सटीकता को प्राथमिकता देता है, जबकि Flash तेज़ प्रतिक्रियाओं के लिए गुणवत्ता का एक छोटा सा हिस्सा त्यागता है। QVAC का कहना है कि फ्लैश, एंड्रॉइड फोन पर SmolVLM2-500M की तुलना में 23 गुना तक और iPhone 15 पर 36 गुना तक तेज़ी से अपना पहला आउटपुट उत्पन्न करते हुए, पूर्ण मॉडल के प्रदर्शन का लगभग 99% बनाए रखता है।
मोबाइल हार्डवेयर पर प्रतिक्रिया समय मायने रखता है। एक कॉम्पैक्ट मॉडल परीक्षण में अच्छा स्कोर कर सकता है, लेकिन फिर भी अव्यवहारिक लग सकता है यदि उपयोगकर्ताओं को डिवाइस द्वारा एक छवि को प्रोसेस करने के लिए इंतजार करना पड़े। फ्लैश को उस शुरुआती देरी को कम करने के लिए डिज़ाइन किया गया है।
यह कृत्रिम बुद्धिमत्ता (एआई) प्रणाली दस्तावेज़ विश्लेषण और ऑप्टिकल कैरेक्टर रिकग्निशन का भी समर्थन करती है, जो वित्तीय रिपोर्टों, फ्लोचार्ट और इन्फोग्राफिक से टेक्स्ट और संरचना निकालती है।
QVAC का कहना है कि इस मॉडल ने दृश्य तर्क परीक्षणों में समान आकार के प्रतिस्पर्धियों को औसतन 7.4% से पछाड़ दिया। इसने MM-IFEval और POPE पर अपने आकार से दोगुने से भी अधिक बड़े मॉडलों से बेहतर प्रदर्शन किया, जिसमें Qwen और InternVL के रिलीज़ भी शामिल हैं।
छोटा फ़ुटप्रिंट क्यों मायने रखता है
डेटा सेंटर से फोन पर इमेज प्रोसेसिंग को ले जाने से मेमोरी, गर्मी, बैटरी उपयोग और कंप्यूटिंग पावर पर सख्त सीमाएँ लागू होती हैं। कॉम्पैक्ट मॉडल अक्सर सादा टेक्स्ट संभालते हैं लेकिन घने चार्ट, तालिकाओं या स्कैन किए गए दस्तावेज़ों को पढ़ते समय सटीकता खो देते हैं।
QVAC के बेंचमार्क परिणाम बताते हैं कि मॉडल ने उस क्षमता का अधिकांश हिस्सा बनाए रखा, जबकि यह उपभोक्ता उपकरणों के लिए पर्याप्त छोटा रहा। स्थानीय प्रसंस्करण का यह भी मतलब है कि दस्तावेज़ों को अपलोड करने की आवश्यकता नहीं होती है, और सॉफ़्टवेयर बिना नेटवर्क कनेक्शन के काम करना जारी रख सकता है।
कई परिनियोजन विकल्पों के लिए निर्मित
डेवलपर्स हगिंग फेस ट्रांसफॉर्मर्स, llama.cpp के लिए एक क्वांटिस्ड GGUF संस्करण, या उच्च-मात्रा वाले सर्वर उपयोग के लिए एक vLLM बैकएंड के माध्यम से मॉडल तक पहुंच सकते हैं।
QVAC ने VLMEvalKit के माध्यम से अपने बेंचमार्क कॉन्फ़िगरेशन भी प्रकाशित किए हैं, जिससे बाहरी शोधकर्ताओं को परीक्षणों को दोहराने की अनुमति मिलती है। दोनों संस्करण Apache 2.0 लाइसेंस का उपयोग करते हैं, जो वाणिज्यिक उपयोग, संशोधन और पुनर्वितरण की अनुमति देता है।
टेदर की व्यापक एआई रणनीति का हिस्सा
टेदर के सीईओ पाओलो अर्डोइनो ने कहा कि यह रिलीज़ कंपनी के स्थानीय, कुशल एआई सिस्टम की ओर बढ़ने के प्रयास का समर्थन करती है।
अर्डोइनो ने कहा, "केवल 460 मिलियन पैरामीटर पर सामान्य विज़न कार्यों में सर्वश्रेष्ठ-इन-क्लास गुणवत्ता और प्रदर्शन प्राप्त करना यह साबित करता है कि लोकल-फर्स्ट, अत्यधिक कुशल एआई एक व्यवहार्य मार्ग है।"
यह मॉडल अक्टूबर 2025 से कई QVAC रिलीज़ के बाद आया है, जिसमें सिंथेटिक प्रशिक्षण डेटासेट, एक क्रॉस-प्लेटफ़ॉर्म सॉफ़्टवेयर डेवलपमेंट किट, और फ़ोन और पहनने योग्य उपकरणों के लिए डिज़ाइन किए गए मेडिकल मॉडल शामिल हैं।
डेवलपर्स के लिए, यह रिलीज़ उपयोग-आधारित एपीआई लागतों के बिना ऑफ़लाइन छवि विश्लेषण प्रदान करती है। व्यवसाय संवेदनशील दस्तावेज़ों को डिवाइस पर रख सकते हैं, जबकि उपभोक्ता बिना सिग्नल के एआई सुविधाओं का उपयोग कर सकते हैं। शोधकर्ता प्रकाशित कॉन्फ़िगरेशन का उपयोग करके कंपनी के प्रदर्शन दावों का स्वतंत्र रूप से परीक्षण कर सकते हैं।
टेदर ने अपने USDT स्टेबलकॉइन व्यवसाय से हुए मुनाफे से अपने एआई विस्तार के लिए वित्त पोषण किया है। इसने एआई इंफ्रास्ट्रक्चर, बायोटेक्नोलॉजी और रोबोटिक्स में भी निवेश किया है, जिसमें NEURA रोबोटिक्स में 1.4 बिलियन डॉलर तक के मूल्यांकन पर सीरीज़ सी निवेश भी शामिल है।
यह लेख AI का उपयोग करके अंग्रेज़ी से अनुवादित किया गया था। मूल अंग्रेज़ी संस्करण आधिकारिक स्रोत है; स्वचालित अनुवादों में अशुद्धियाँ हो सकती हैं, विशेष रूप से कानूनी और नियामक शब्दावली में।
