Tetherovi podaci guraju AI izvan oblaka s novim vizijskim modelom od 460M parametara

Objavljen u srijedu od strane tvrtkina istraživačkog odjela za AI, QVAC, VisionPsy-Nano može analizirati slike, dokumente i grafikone te potom odgovarati na pitanja bez slanja izvornog materijala udaljenom sustavu. Telefon obrađuje i unos i odgovor, što omogućuje softveru rad izvan mreže i zadržavanje podataka na uređaju.

QVAC navodi da je model Tether AI Researcha ostvario najviši ukupni rezultat među vizijsko-jezičnim sustavima s manje od 500 milijuna parametara. Na 17 benchmarkova nadmašio je konkurentske modele u 16.

Kako se uspoređuje

Model je ostvario normalizirani rezultat od 62,3, u usporedbi s 59,6 za Liquid AI-jev LFM2.5-VL-450M i 52,5 za Hugging Faceov SmolVLM2-500M. QVAC-ov raniji osnovni model nanoVLM-460M-8k postigao je 54,9.

Izdanje Tether Data dolazi u dvije verzije. Standardna izgradnja daje prednost točnosti, dok Flash žrtvuje mali dio kvalitete radi bržih odgovora. QVAC kaže da Flash zadržava oko 99% performansi punog modela, dok pritom daje prvi izlaz do 23 puta brže od SmolVLM2-500M na Android telefonima i do 36 puta brže na iPhoneu 15.

Vrijeme odziva važno je na mobilnom hardveru. Kompaktan model može dobro proći na testiranju, ali i dalje djelovati nepraktično ako korisnici moraju čekati dok uređaj obradi sliku. Flash je dizajniran kako bi smanjio to početno kašnjenje.

Sustav umjetne inteligencije (AI) također podržava analizu dokumenata i optičko prepoznavanje znakova, izvlačeći tekst i strukturu iz financijskih izvješća, dijagrama toka i infografika.

QVAC kaže da je model nadmašio konkurente slične veličine u prosjeku za 7,4% na testovima vizualnog zaključivanja. Također je nadmašio modele više nego dvostruko veće od njega na MM-IFEval i POPE, uključujući izdanja iz Qwena i InternVL-a.

Zašto je mali otisak važan

Premještanje obrade slika iz podatkovnog centra na telefon uvodi stroga ograničenja vezana uz memoriju, toplinu, potrošnju baterije i računalnu snagu. Kompaktni modeli često dobro obrađuju običan tekst, ali gube točnost pri čitanju gustih grafikona, tablica ili skeniranih dokumenata.

Rezultati QVAC-ovih benchmarkova sugeriraju da je model zadržao velik dio te sposobnosti, a pritom ostao dovoljno malen za potrošačke uređaje. Lokalna obrada također znači da se dokumenti ne moraju učitavati, a softver može nastaviti raditi bez mrežne veze.

Izgrađeno za više opcija implementacije

Razvojni inženjeri mogu pristupiti modelu putem Hugging Face Transformersa, kvantizirane GGUF verzije za llama.cpp ili vLLM pozadinskog sustava za servere s većim opterećenjem.

QVAC je također objavio svoje benchmark konfiguracije putem VLMEvalKita, omogućujući vanjskim istraživačima da ponove testove. Obje verzije koriste licencu Apache 2.0, koja dopušta komercijalnu upotrebu, izmjene i redistribuciju.

Dio šire Tetherove AI strategije

CEO Tethera Paolo Ardoino rekao je da izdanje podržava poticaj tvrtke prema lokalnim, učinkovitim AI sustavima.

„Postizanje najbolje u klasi kvalitete i performansi na općim vizijskim zadacima sa samo 460 milijuna parametara dokazuje da je lokalno-prvo, visoko učinkovita AI održiv put“, rekao je Ardoino.

Model slijedi nekoliko QVAC izdanja koja datiraju od listopada 2025., uključujući sintetičke skupove podataka za treniranje, višeplatformski komplet za razvoj softvera i medicinske modele dizajnirane za telefone i nosive uređaje.

Za razvojne inženjere, izdanje nudi izvanmrežnu analizu slika bez API troškova temeljenih na upotrebi. Tvrtke mogu zadržati osjetljive dokumente na uređaju, dok potrošači mogu koristiti AI značajke bez signala. Istraživači mogu neovisno testirati tvrdnje tvrtke o performansama koristeći objavljene konfiguracije.

Tether je financirao svoje AI širenje profitom iz svog poslovanja sa stablecoinom USDT. Također je ulagao u AI infrastrukturu, biotehnologiju i robotiku, uključujući investiciju u Seriji C u NEURA Robotics procijenjenu na do 1,4 milijarde dolara.