Tether Data flytter AI bort fra skyen med ny 460M-parameter visjonsmodell

Utgitt onsdag av selskapets AI-forskningsarm, QVAC, kan VisionPsy-Nano analysere bilder, dokumenter og diagrammer, og deretter svare på spørsmål uten å sende kildematerialet til et eksternt system. Telefonen håndterer både input og respons, noe som gjør at programvaren kan fungere offline og holde data på enheten.

QVAC sier at modellen fra Tether AI Research oppnådde den høyeste samlede poengsummen blant visjon-språk-systemer med færre enn 500 millioner parametere. På tvers av 17 benchmarks slo den konkurrerende modeller i 16.

Hvordan den står seg

Modellen fikk en normalisert score på 62,3, sammenlignet med 59,6 for Liquid AIs LFM2.5-VL-450M og 52,5 for Hugging Faces SmolVLM2-500M. QVACs tidligere nanoVLM-460M-8k-basismodell scoret 54,9.

Tether Data-utgivelsen kommer i to versjoner. Standardbygg prioriterer nøyaktighet, mens Flash gir opp en liten mengde kvalitet for raskere svar. QVAC sier at Flash beholder omtrent 99 % av ytelsen til fullmodellen, samtidig som den produserer sitt første output opptil 23 ganger raskere enn SmolVLM2-500M på Android-telefoner og opptil 36 ganger raskere på en iPhone 15.

Den responstiden betyr noe på mobil maskinvare. En kompakt modell kan score bra i testing, men likevel føles upraktisk hvis brukere må vente mens enheten behandler et bilde. Flash er designet for å redusere denne innledende forsinkelsen.

Systemet for kunstig intelligens (AI) støtter også dokumentanalyse og optisk tegngjenkjenning, og henter ut tekst og struktur fra finansrapporter, flytskjemaer og infografikk.

QVAC sier at modellen slo konkurrenter i tilsvarende størrelse med et gjennomsnitt på 7,4 % på tester for visuell resonnering. Den presterte også bedre enn modeller som var mer enn dobbelt så store på MM-IFEval og POPE, inkludert utgivelser fra Qwen og InternVL.

Hvorfor den lille størrelsen betyr noe

Å flytte bildebehandling fra et datasenter til en telefon innfører strenge begrensninger knyttet til minne, varme, batteribruk og regnekraft. Kompakte modeller håndterer ofte ren tekst, men mister nøyaktighet når de skal lese tette diagrammer, tabeller eller skannede dokumenter.

QVACs benchmark-resultater tyder på at modellen bevarte mye av den kapasiteten samtidig som den forble liten nok for forbrukerenheter. Lokal prosessering betyr også at dokumenter ikke trenger å lastes opp, og programvaren kan fortsette å fungere uten nettverkstilkobling.

Bygget for flere utrullingsalternativer

Utviklere kan få tilgang til modellen gjennom Hugging Face Transformers, en kvantisert GGUF-versjon for llama.cpp eller en vLLM-backend for serverbruk med høyere volum.

QVAC publiserte også sine benchmark-konfigurasjoner gjennom VLMEvalKit, slik at eksterne forskere kan gjenta testene. Begge versjoner bruker Apache 2.0-lisensen, som tillater kommersiell bruk, modifisering og redistribusjon.

Del av Tethers bredere AI-strategi

Tether-sjef Paolo Ardoino sa at utgivelsen støtter selskapets satsing på lokale, effektive AI-systemer.

«Å oppnå best-i-klassen kvalitet og ytelse på generelle visjonsoppgaver med bare 460 millioner parametere beviser at lokal-først, svært effektiv AI er en levedyktig vei videre», sa Ardoino.

Modellen følger flere QVAC-utgivelser tilbake til oktober 2025, inkludert syntetiske treningsdatasett, et plattformuavhengig programvareutviklingssett og medisinske modeller designet for telefoner og bærbare enheter.

For utviklere tilbyr utgivelsen offline bildeanalyse uten bruksbaserte API-kostnader. Bedrifter kan holde sensitive dokumenter på enheten, mens forbrukere kan bruke AI-funksjoner uten dekning. Forskere kan uavhengig teste selskapets ytelsespåstander ved å bruke de publiserte konfigurasjonene.

Tether har finansiert sin AI-utvidelse med overskudd fra sin USDT-stablecoin-virksomhet. Selskapet har også investert i AI-infrastruktur, bioteknologi og robotikk, inkludert en Series C-investering i NEURA Robotics verdsatt til opptil 1,4 milliarder dollar.