Spoločnosť Tether Data vytláča umelú inteligenciu z cloudu vďaka novému modelu pre spracovanie obrazu s 460 miliónmi parametrov

VisionPsy-Nano, ktorý v stredu uviedla na trh výskumná divízia spoločnosti zameraná na umelú inteligenciu QVAC, dokáže analyzovať obrázky, dokumenty a grafy a následne odpovedať na otázky bez odosielania zdrojového materiálu do vzdialeného systému. Telefón spracováva aj vstupné údaje, aj odpovede, čo umožňuje softvéru fungovať offline a uchovávať údaje priamo v zariadení.

Podľa QVAC dosiahol model spoločnosti Tether AI Research najvyššie celkové skóre spomedzi systémov spájajúcich vizuálne a jazykové spracovanie s menej ako 500 miliónmi parametrov. V 17 porovnávacích testoch porazil konkurenčné modely v 16 prípadoch.

Ako si vedie

Model dosiahol normalizované skóre 62,3, v porovnaní s 59,6 u modelu LFM2.5-VL-450M od Liquid AI a 52,5 u modelu SmolVLM2-500M od Hugging Face. Predchádzajúci základný model nanoVLM-460M-8k od spoločnosti QVAC dosiahol skóre 54,9.

Verzia Tether Data je k dispozícii v dvoch verziách. Štandardná verzia uprednostňuje presnosť, zatiaľ čo verzia Flash obetuje malú časť kvality v prospech rýchlejších odpovedí. Spoločnosť QVAC uvádza, že verzia Flash si zachováva približne 99 % výkonu plnohodnotného modelu, pričom prvý výstup generuje až 23-krát rýchlejšie ako model SmolVLM2-500M na telefónoch s operačným systémom Android a až 36-krát rýchlejšie na zariadení iPhone 15.

Táto doba odozvy je na mobilnom hardvéri dôležitá. Kompaktný model môže v testoch dosiahnuť dobré výsledky, ale stále sa môže javiť ako nepraktický, ak používatelia musia čakať, kým zariadenie spracuje obrázok. Verzia Flash je navrhnutá tak, aby znížila toto počiatočné oneskorenie.

Systém umelej inteligencie (AI) tiež podporuje analýzu dokumentov a optické rozpoznávanie znakov, pričom extrahuje text a štruktúru z finančných správ, vývojových diagramov a infografík.

Podľa spoločnosti QVAC tento model v testoch vizuálneho uvažovania prekonal konkurentov podobnej veľkosti v priemere o 7,4 %. V testoch MM-IFEval a POPE tiež prekonal modely, ktoré boli viac ako dvakrát väčšie, vrátane verzií od spoločností Qwen a InternVL.

Prečo je malá veľkosť dôležitá

Presun spracovania obrazu z dátového centra do telefónu so sebou prináša prísne obmedzenia týkajúce sa pamäte, tepla, spotreby batérie a výpočtového výkonu. Kompaktné modely často zvládajú spracovanie čistého textu, ale strácajú presnosť pri čítaní hustých grafov, tabuliek alebo naskenovaných dokumentov.

Výsledky benchmarku QVAC naznačujú, že model si zachoval veľkú časť týchto schopností a zároveň zostal dostatočne malý pre spotrebiteľské zariadenia. Lokálne spracovanie tiež znamená, že dokumenty nie je potrebné nahrať a softvér môže pokračovať v práci aj bez sieťového pripojenia.

Vytvorené pre viacero možností nasadenia

Vývojári majú prístup k modelu prostredníctvom Hugging Face Transformers, kvantizovanej verzie GGUF pre llama.cpp alebo backendu vLLM pre použitie na serveroch s vyšším objemom.

QVAC tiež zverejnil svoje konfigurácie benchmarkov prostredníctvom VLMEvalKit, čo umožňuje externým výskumníkom zopakovať testy. Obidve verzie používajú licenciu Apache 2.0, ktorá povoľuje komerčné využitie, úpravy a redistribúciu.

Súčasť širšej stratégie spoločnosti Tether v oblasti umelej inteligencie

Generálny riaditeľ spoločnosti Tether Paolo Ardoino uviedol, že toto vydanie podporuje snahu spoločnosti o lokálne a efektívne systémy umelej inteligencie.

„Dosiahnutie špičkovej kvality a výkonu pri všeobecných úlohách v oblasti videnia pri iba 460 miliónoch parametrov dokazuje, že vysoko efektívna umelá inteligencia s prioritou lokálneho riešenia je životaschopnou cestou,“ povedal Ardoino.

Tento model nadväzuje na niekoľko verzií QVAC z októbra 2025, vrátane syntetických trénovacích dátových súborov, multiplatformovej sady na vývoj softvéru a medicínskych modelov určených pre telefóny a nositeľné zariadenia.

Pre vývojárov táto verzia ponúka offline analýzu obrázkov bez nákladov na API založených na využívaní. Firmy môžu uchovávať citlivé dokumenty priamo v zariadení, zatiaľ čo spotrebitelia môžu využívať funkcie umelej inteligencie aj bez signálu. Výskumníci môžu nezávisle overiť tvrdenia spoločnosti o výkone pomocou zverejnených konfigurácií.

Spoločnosť Tether financovala svoju expanziu v oblasti umelej inteligencie zo ziskov z obchodovania so stabilnou menou USDT. Investovala tiež do infraštruktúry umelej inteligencie, biotechnológií a robotiky, vrátane investície série C do spoločnosti NEURA Robotics v hodnote až 1,4 miliardy dolárov.