Tether Data ผลักดัน AI ให้ออกจากคลาวด์ด้วยโมเดลวิชันใหม่ขนาด 460 ล้านพารามิเตอร์

เผยแพร่เมื่อวันพุธโดยหน่วยวิจัย AI ของบริษัท, QVAC, VisionPsy-Nano สามารถตรวจสอบภาพ เอกสาร และกราฟ จากนั้นตอบคำถามได้โดยไม่ต้องส่งเนื้อหาต้นทางไปยังระบบระยะไกล โทรศัพท์จะจัดการทั้งอินพุตและคำตอบ ทำให้ซอฟต์แวร์ทำงานแบบออฟไลน์ได้และเก็บข้อมูลไว้บนอุปกรณ์

QVAC ระบุว่าโมเดลของ Tether AI Research ทำคะแนนรวมสูงสุดในกลุ่มระบบวิชัน-ภาษาที่มีพารามิเตอร์น้อยกว่า 500 ล้านตัว โดยตลอด 17 เบนช์มาร์ก มันเอาชนะโมเดลคู่แข่งได้ 16 รายการ

เทียบชั้นกับคู่แข่งอย่างไร

โมเดลทำคะแนนแบบ normalized ได้ 62.3 เทียบกับ 59.6 ของ LFM2.5-VL-450M จาก Liquid AI และ 52.5 ของ SmolVLM2-500M จาก Hugging Face ขณะที่โมเดลฐาน nanoVLM-460M-8k รุ่นก่อนหน้าของ QVAC ทำได้ 54.9

การปล่อยรุ่นของ Tether Data มาในสองเวอร์ชัน โดยรุ่นมาตรฐานให้ความสำคัญกับความแม่นยำ ส่วน Flash ยอมลดคุณภาพลงเล็กน้อยเพื่อให้ตอบสนองได้เร็วขึ้น QVAC ระบุว่า Flash คงประสิทธิภาพของโมเดลเต็มไว้ราว 99% ขณะเดียวกันสามารถให้เอาต์พุตแรกได้เร็วกว่า SmolVLM2-500M สูงสุด 23 เท่าบนโทรศัพท์ Android และเร็วกว่าได้สูงสุด 36 เท่าบน iPhone 15

เวลาในการตอบสนองนั้นสำคัญบนฮาร์ดแวร์มือถือ โมเดลขนาดกะทัดรัดอาจทำคะแนนได้ดีในการทดสอบ แต่ก็ยังดูไม่คุ้มใช้งานหากผู้ใช้ต้องรอขณะอุปกรณ์ประมวลผลภาพ Flash ถูกออกแบบมาเพื่อลดความหน่วงเริ่มต้นนั้น

ระบบปัญญาประดิษฐ์ (AI) ยังรองรับการวิเคราะห์เอกสารและการรู้จำอักขระด้วยแสง (OCR) โดยดึงข้อความและโครงสร้างจากรายงานการเงิน ผังงาน และอินโฟกราฟิก

QVAC ระบุว่าโมเดลเอาชนะคู่แข่งขนาดใกล้เคียงกันได้โดยเฉลี่ย 7.4% ในการทดสอบการให้เหตุผลเชิงภาพ (visual reasoning) และยังทำผลงานเหนือกว่าโมเดลที่มีขนาดมากกว่าสองเท่าบน MM-IFEval และ POPE รวมถึงรุ่นจาก Qwen และ InternVL

ทำไมขนาดที่เล็กจึงสำคัญ

การย้ายการประมวลผลภาพจากดาต้าเซ็นเตอร์มาไว้บนโทรศัพท์ทำให้เกิดข้อจำกัดเข้มงวดด้านหน่วยความจำ ความร้อน การใช้แบตเตอรี่ และพลังประมวลผล โมเดลขนาดกะทัดรัดมักจัดการข้อความธรรมดาได้ แต่ความแม่นยำจะลดลงเมื่ออ่านกราฟหนาแน่น ตาราง หรือเอกสารสแกน

ผลเบนช์มาร์กของ QVAC ชี้ว่าโมเดลยังคงความสามารถส่วนใหญ่นั้นไว้ได้ ขณะเดียวกันก็เล็กพอสำหรับอุปกรณ์ผู้บริโภค การประมวลผลภายในเครื่องยังหมายความว่าไม่จำเป็นต้องอัปโหลดเอกสาร และซอฟต์แวร์ยังทำงานต่อได้แม้ไม่มีการเชื่อมต่อเครือข่าย

สร้างมาเพื่อทางเลือกการดีพลอยหลายรูปแบบ

นักพัฒนาสามารถเข้าถึงโมเดลผ่าน Hugging Face Transformers, เวอร์ชัน GGUF ที่ถูกควอนไทซ์สำหรับ llama.cpp หรือแบ็กเอนด์ vLLM สำหรับการใช้งานบนเซิร์ฟเวอร์ปริมาณสูง

QVAC ยังเผยแพร่คอนฟิกการทดสอบเบนช์มาร์กผ่าน VLMEvalKit เพื่อให้นักวิจัยภายนอกสามารถทำซ้ำการทดสอบได้ ทั้งสองเวอร์ชันใช้สัญญาอนุญาต Apache 2.0 ซึ่งอนุญาตให้ใช้งานเชิงพาณิชย์ แก้ไข และแจกจ่ายต่อได้

ส่วนหนึ่งของกลยุทธ์ AI ที่กว้างขึ้นของ Tether

Paolo Ardoino ซีอีโอของ Tether กล่าวว่าการปล่อยครั้งนี้สนับสนุนการผลักดันของบริษัทไปสู่ระบบ AI แบบภายในเครื่องที่มีประสิทธิภาพ

“การบรรลุคุณภาพและประสิทธิภาพระดับดีที่สุดในคลาสสำหรับงานวิชันทั่วไปที่เพียง 460 ล้านพารามิเตอร์ พิสูจน์ว่า AI ที่เน้นโลคัลเป็นอันดับแรกและมีประสิทธิภาพสูง เป็นเส้นทางที่เป็นไปได้” Ardoino กล่าว

โมเดลดังกล่าวต่อยอดจากการปล่อยของ QVAC หลายครั้งตั้งแต่เดือนตุลาคม 2025 รวมถึงชุดข้อมูลฝึกสอนสังเคราะห์ ชุดพัฒนาซอฟต์แวร์ข้ามแพลตฟอร์ม และโมเดลทางการแพทย์ที่ออกแบบมาสำหรับโทรศัพท์และอุปกรณ์สวมใส่

สำหรับนักพัฒนา การปล่อยนี้มอบการวิเคราะห์ภาพแบบออฟไลน์โดยไม่มีค่าใช้จ่าย API ตามการใช้งาน ธุรกิจสามารถเก็บเอกสารอ่อนไหวไว้บนอุปกรณ์ ขณะที่ผู้บริโภคสามารถใช้ฟีเจอร์ AI ได้แม้ไม่มีสัญญาณ นักวิจัยสามารถทดสอบคำกล่าวอ้างด้านประสิทธิภาพของบริษัทได้อย่างอิสระโดยใช้คอนฟิกที่เผยแพร่

Tether ได้สนับสนุนเงินทุนในการขยาย AI ด้วยกำไรจากธุรกิจสเตเบิลคอยน์ USDT ของตน และยังได้ลงทุนในโครงสร้างพื้นฐาน AI เทคโนโลยีชีวภาพ และหุ่นยนต์ รวมถึงการลงทุนรอบ Series C ใน NEURA Robotics ซึ่งประเมินมูลค่าสูงสุดถึง 1.4 พันล้านดอลลาร์