Tether Data виводить штучний інтелект за межі хмари завдяки новій моделі розпізнавання зображень із 460 млн параметрів

VisionPsy-Nano, випущена в середу дослідницьким підрозділом компанії з штучного інтелекту QVAC, може аналізувати зображення, документи та діаграми, а потім відповідати на запитання без надсилання вихідних даних на віддалену систему. Смартфон обробляє як вхідні дані, так і відповіді, що дозволяє програмному забезпеченню працювати в автономному режимі та зберігати дані на самому пристрої.

За даними QVAC, модель Tether AI Research показала найвищий загальний результат серед систем «зору-мови» з кількістю параметрів менше 500 мільйонів. У 17 тестах вона перевершила конкурентні моделі в 16 випадках.

Як вона виглядає на тлі конкурентів

Модель показала нормалізований результат 62,3, порівняно з 59,6 у LFM2.5-VL-450M від Liquid AI та 52,5 у SmolVLM2-500M від Hugging Face. Попередня базова модель QVAC nanoVLM-460M-8k набрала 54,9 балів.

Випуск Tether Data доступний у двох версіях. Стандартна версія націлена на точність, тоді як версія Flash дещо поступається якістю на користь швидкості відповідей. За даними QVAC, версія Flash зберігає близько 99 % продуктивності повної моделі, при цьому генеруючи перший результат у 23 рази швидше, ніж SmolVLM2-500M на телефонах з Android, і до 36 разів швидше на iPhone 15.

Час відгуку має велике значення на мобільному обладнанні. Компактна модель може показати хороші результати в тестах, але все одно здаватися непрактичною, якщо користувачам доводиться чекати, поки пристрій обробляє зображення. Версія «Flash» розроблена саме для того, щоб скоротити цю початкову затримку.

Система штучного інтелекту (ШІ) також підтримує аналіз документів та оптичне розпізнавання символів, витягуючи текст і структуру з фінансових звітів, блок-схем та інфографіки.

За даними QVAC, у тестах на візуальне міркування ця модель випередила конкурентів подібного розміру в середньому на 7,4%. Вона також перевершила моделі, розмір яких удвічі перевищував її власний, у тестах MM-IFEval та POPE, зокрема версії від Qwen та InternVL.

Чому важливий невеликий розмір

Перенесення обробки зображень із центру обробки даних на телефон накладає суворі обмеження щодо пам’яті, нагрівання, використання акумулятора та обчислювальної потужності. Компактні моделі часто обробляють звичайний текст, але втрачають точність під час зчитування щільних діаграм, таблиць або відсканованих документів.

Результати тестування QVAC свідчать, що модель зберегла значну частину цих можливостей, залишаючись при цьому достатньо компактною для споживчих пристроїв. Локальна обробка також означає, що документи не потрібно завантажувати, а програмне забезпечення може продовжувати працювати без підключення до мережі.

Створено для кількох варіантів розгортання

Розробники можуть отримати доступ до моделі через Hugging Face Transformers, квантовану версію GGUF для llama.cpp або бекенд vLLM для використання на серверах з більшим обсягом даних.

QVAC також опублікував свої конфігурації тестів через VLMEvalKit, що дозволяє зовнішнім дослідникам повторити тести. Обидві версії використовують ліцензію Apache 2.0, яка дозволяє комерційне використання, модифікацію та поширення.

Частина ширшої стратегії Tether у сфері ШІ

Генеральний директор Tether Паоло Ардоіно зазначив, що цей реліз підтримує прагнення компанії до створення локальних, ефективних систем штучного інтелекту.

«Досягнення найкращої у своєму класі якості та продуктивності у загальних задачах обробки зображень при всього лише 460 мільйонах параметрів доводить, що локально-орієнтований, високоефективний штучний інтелект є життєздатним шляхом», — сказав Ардоіно.

Ця модель є продовженням низки випусків QVAC, починаючи з жовтня 2025 року, серед яких — синтетичні навчальні набори даних, міжплатформовий набір засобів розробки програмного забезпечення та медичні моделі, призначені для смартфонів і носимих пристроїв.

Для розробників цей реліз пропонує можливість офлайн-аналізу зображень без витрат на API, що залежать від обсягу використання. Підприємства можуть зберігати конфіденційні документи на пристрої, а споживачі — користуватися функціями штучного інтелекту навіть без доступу до мережі. Дослідники можуть самостійно перевірити заявлені компанією показники продуктивності, використовуючи опубліковані конфігурації.

Tether фінансує розширення своїх можливостей у сфері штучного інтелекту за рахунок прибутку від бізнесу зі стабільними монетами USDT. Компанія також інвестувала в інфраструктуру штучного інтелекту, біотехнології та робототехніку, зокрема здійснила інвестицію серії C у компанію NEURA Robotics на суму до 1,4 млрд доларів.