Tether Data, 460 milyon parametreli yeni görüntü işleme modeliyle yapay zekayı buluttan çıkarıyor

Şirketin yapay zeka araştırma birimi QVAC tarafından Çarşamba günü piyasaya sürülen VisionPsy-Nano, görüntüleri, belgeleri ve grafikleri inceleyebiliyor ve ardından kaynak materyali uzak bir sisteme göndermeden soruları yanıtlayabiliyor. Telefon hem girişi hem de yanıtı işleyerek yazılımın çevrimdışı çalışmasına ve verilerin cihazda tutulmasına olanak tanıyor.

QVAC, Tether AI Research’ün modelinin 500 milyondan az parametreye sahip görsel-dil sistemleri arasında en yüksek genel puanı kaydettiğini belirtiyor. 17 karşılaştırma testinin 16’sında rakip modelleri geride bıraktı.

Performans Karşılaştırması

Model, Liquid AI’nın LFM2.5-VL-450M modelinin 59,6 ve Hugging Face’in SmolVLM2-500M modelinin 52,5 puanına kıyasla 62,3 normalize puan elde etti. QVAC’ın önceki nanoVLM-460M-8k temel modeli ise 54,9 puan almıştı.

Tether Data sürümü iki versiyonda sunuluyor. Standart sürüm doğruluğa öncelik verirken, Flash sürümü daha hızlı yanıtlar için kaliteden biraz ödün veriyor. QVAC, Flash sürümünün tam modelin performansının yaklaşık %99’unu korurken, ilk çıktısını Android telefonlarda SmolVLM2-500M’den 23 kata kadar, iPhone 15’te ise 36 kata kadar daha hızlı ürettiğini belirtiyor.

Bu tepki süresi, mobil donanımlarda büyük önem taşıyor. Kompakt bir model testlerde iyi sonuçlar alabilir, ancak cihaz bir görüntüyü işlerken kullanıcıların beklemesi gerekiyorsa yine de kullanışsız hissedilebilir. Flash, bu ilk gecikmeyi azaltmak üzere tasarlanmıştır.

Yapay zeka (AI) sistemi ayrıca belge analizi ve optik karakter tanıma özelliklerini destekleyerek finansal raporlar, akış şemaları ve infografiklerden metin ve yapı bilgilerini çıkarır.

QVAC, modelin görsel akıl yürütme testlerinde benzer boyutlardaki rakiplerini ortalama %7,4 oranında geride bıraktığını belirtiyor. Ayrıca MM-IFEval ve POPE testlerinde, Qwen ve InternVL’nin sürümleri de dahil olmak üzere, kendisinden iki kat daha büyük modellerden daha iyi performans gösterdi.

Küçük Ayak İzi Neden Önemli?

Görüntü işlemeyi veri merkezinden bir telefona taşımak, bellek, ısı, pil kullanımı ve hesaplama gücü konusunda katı sınırlamalar getirir. Kompakt modeller genellikle düz metinleri işleyebilir, ancak yoğun grafikleri, tabloları veya taranmış belgeleri okurken doğruluklarını yitirir.

QVAC’ın karşılaştırma sonuçları, modelin bu yeteneklerin çoğunu korurken tüketici cihazları için yeterince küçük kaldığını göstermektedir. Yerel işleme, belgelerin yüklenmesine gerek kalmaması ve yazılımın ağ bağlantısı olmadan da çalışmaya devam edebilmesi anlamına gelir.

Çeşitli Dağıtım Seçenekleri için Tasarlandı

Geliştiriciler, modele Hugging Face Transformers, llama.cpp için nicelendirilmiş bir GGUF sürümü veya daha yüksek hacimli sunucu kullanımı için bir vLLM arka ucu aracılığıyla erişebilir.

QVAC ayrıca, dış araştırmacıların testleri tekrarlayabilmelerini sağlamak amacıyla VLMEvalKit aracılığıyla karşılaştırma yapılandırmalarını yayınladı. Her iki sürüm de ticari kullanım, değiştirme ve yeniden dağıtım izinleri veren Apache 2.0 lisansını kullanmaktadır.

Tether’in Geniş Kapsamlı AI Stratejisinin Bir Parçası

Tether CEO’su Paolo Ardoino, bu sürümün şirketin yerel ve verimli AI sistemlerine yönelik çabalarını desteklediğini belirtti.

Ardoino, “Sadece 460 milyon parametre ile genel görme görevlerinde sınıfının en iyisi kalite ve performansa ulaşmak, yerel öncelikli, yüksek verimli AI’nın uygulanabilir bir yol olduğunu kanıtlıyor,” dedi.

Model, sentetik eğitim veri kümeleri, platformlar arası bir yazılım geliştirme kiti ve telefonlar ile giyilebilir cihazlar için tasarlanmış tıbbi modeller dahil olmak üzere, Ekim 2025’e kadar uzanan birkaç QVAC sürümünün ardından geliyor.

Geliştiriciler için bu sürüm, kullanıma dayalı API maliyetleri olmaksızın çevrimdışı görüntü analizi imkanı sunuyor. İşletmeler hassas belgeleri cihazda saklayabilirken, tüketiciler ise sinyal olmadan da yapay zeka özelliklerini kullanabilir. Araştırmacılar ise yayınlanan yapılandırmaları kullanarak şirketin performans iddialarını bağımsız olarak test edebilir.

Tether, yapay zeka alanındaki genişlemesini USDT stabilcoin işinden elde ettiği kârlarla finanse etti. Ayrıca yapay zeka altyapısı, biyoteknoloji ve robotik alanlarına da yatırım yaptı; bunlara, değeri 1,4 milyar dolara ulaşan NEURA Robotics’e yapılan C Serisi yatırım da dahildir.