Podjetje Tether Data je kot odprtokodni projekt objavilo model za prepoznavanje slik in jezikovno obdelavo s 460 milijoni parametrov, ki je zasnovan za neposredno delovanje na pametnih telefonih, namesto da bi bil odvisen od strežnikov v oblaku.
Podjetje Tether Data z novim modelom za prepoznavanje slik s 460 milijoni parametrov izpodriva umetno inteligenco iz oblaka
NAPISAL
DELI
Ključne ugotovitve
- Podjetje Tether je 29. julija 2026 prek svoje enote QVAC kot odprtokodni projekt objavilo model za obdelavo slik z 460 milijoni parametrov.
- Model je v 16 od 17 primerjalnih testov premagal konkurente Liquid AI in Hugging Face.
- Njegova različica »Flash« je na iPhone 15 delovala do 36-krat hitreje kot SmolVLM2-500M.
VisionPsy-Nano, ki ga je v sredo objavila QVAC, raziskovalna enota podjetja za umetno inteligenco, lahko pregleduje slike, dokumente in grafe ter nato odgovarja na vprašanja, ne da bi izvorno gradivo pošiljal na oddaljeni sistem. Telefon obdeluje tako vnos kot odgovor, kar omogoča, da programska oprema deluje brez povezave in podatke hrani na napravi.
QVAC navaja, da je model podjetja Tether AI Research dosegel najvišjo skupno oceno med sistemi za prepoznavanje slik in jezikov z manj kot 500 milijoni parametrov. V 17 primerjalnih testih je premagal konkurenčne modele v 16 primerih.
Kako se primerja
Model je dosegel normalizirano oceno 62,3, v primerjavi z 59,6 za model LFM2.5-VL-450M podjetja Liquid AI in 52,5 za model SmolVLM2-500M podjetja Hugging Face. Prejšnji osnovni model nanoVLM-460M-8k podjetja QVAC je dosegel rezultat 54,9.
Izdelek Tether Data je na voljo v dveh različicah. Standardna različica daje prednost natančnosti, medtem ko različica Flash zaradi hitrejših odzivov nekoliko žrtvuje kakovost. Podjetje QVAC navaja, da različica »Flash« ohranja približno 99 % zmogljivosti celotnega modela, hkrati pa prvi izhodni rezultat prikaže do 23-krat hitreje kot model »SmolVLM2-500M« na telefonih z operacijskim sistemom Android in do 36-krat hitreje na telefonu iPhone 15.
Ta odzivni čas je pomemben na mobilni strojni opremi. Kompakten model lahko v testih doseže dobre rezultate, a se še vedno zdi nepraktičen, če morajo uporabniki čakati, medtem ko naprava obdeluje sliko. Različica »Flash« je zasnovana tako, da zmanjša to začetno zamudo.
Sistem umetne inteligence (AI) podpira tudi analizo dokumentov in optično prepoznavanje znakov ter iz finančnih poročil, diagramov poteka in infografik izvleče besedilo in strukturo.
QVAC navaja, da je model v testih vizualnega sklepanja premagal konkurente podobne velikosti v povprečju za 7,4 %. Prav tako je v testih MM-IFEval in POPE dosegel boljše rezultate od modelov, ki so več kot dvakrat večji od njega, vključno z različicami Qwen in InternVL.
Zakaj je majhna velikost pomembna
Premik obdelave slik iz podatkovnega centra na telefon prinaša stroge omejitve glede pomnilnika, toplote, porabe baterije in računske moči. Kompaktni modeli pogosto obvladajo navadno besedilo, vendar izgubijo natančnost pri branju gostih grafikonov, tabel ali skeniranih dokumentov.
Rezultati primerjalnih testov modela QVAC kažejo, da je model ohranil večino teh zmogljivosti, hkrati pa ostal dovolj majhen za potrošniške naprave. Lokalna obdelava pomeni tudi, da dokumentov ni treba nalagati, programska oprema pa lahko deluje tudi brez omrežne povezave.
Zgrajen za več možnosti uporabe
Razvijalci lahko dostopajo do modela prek Hugging Face Transformers, kvantizirane različice GGUF za llama.cpp ali vLLM-backenda za uporabo na strežnikih z večjim obsegom.
QVAC je svoje konfiguracije primerjalnih testov objavil tudi prek VLMEvalKit, kar zunanjim raziskovalcem omogoča ponovitev testov. Obe različici uporabljata licenco Apache 2.0, ki dovoljuje komercialno uporabo, spreminjanje in ponovno distribucijo.
Del širše strategije podjetja Tether na področju umetne inteligence
Izvršni direktor podjetja Tether, Paolo Ardoino, je dejal, da ta izdaja podpira prizadevanja podjetja za lokalne, učinkovite sisteme umetne inteligence.
»Doseganje vrhunske kakovosti in zmogljivosti pri splošnih nalogah vizualnega prepoznavanja z le 460 milijoni parametrov dokazuje, da je lokalno usmerjena, visoko učinkovita umetna inteligenca izvedljiva pot,« je dejal Ardoino.
Model sledi več izdajam QVAC, ki segajo v oktober 2025, vključno s sintetičnimi podatkovnimi nizi za usposabljanje, medplatformskim kompletom za razvoj programske opreme ter medicinskimi modeli, zasnovanimi za telefone in nosljive naprave.
Razvijalcem ta izdaja omogoča offline analizo slik brez stroškov API-ja, ki temeljijo na porabi. Podjetja lahko občutljive dokumente hranijo na napravi, potrošniki pa lahko uporabljajo funkcije umetne inteligence tudi brez signala. Raziskovalci lahko s pomočjo objavljenih konfiguracij samostojno preverijo trditve podjetja glede zmogljivosti.
Podjetje Tether je svojo širitev na področju umetne inteligence financiralo z dobički iz poslovanja s stabilno kriptovaluto USDT. Vlagalo je tudi v infrastrukturo umetne inteligence, biotehnologijo in robotiko, vključno z naložbo serije C v podjetje NEURA Robotics v vrednosti do 1,4 milijarde dolarjev.
Ta članek je bil iz angleščine preveden z umetno inteligenco. Izvirna angleška različica je verodostojni vir; samodejni prevodi lahko vsebujejo netočnosti, zlasti pri pravni in regulativni terminologiji.
