Tether ha lanzado un modelo de IA médica llamado QVAC MedPsy que funciona completamente en un smartphone y supera al más grande MedGemma-27B de Google en escenarios del mundo real. Según la empresa, el modelo utiliza tres veces menos recursos computacionales y es 16 veces más pequeño que la versión de Google que supera.
Rendimiento frente a tamaño
Los benchmarks muestran que QVAC MedPsy obtiene puntuaciones más altas que MedGemma-27B en tareas que simulan el uso clínico real. Mientras que el modelo de Google requiere un procesamiento sustancial a nivel de servidor, el modelo de Tether cabe en un dispositivo móvil. La ganancia de eficiencia proviene de la arquitectura compacta del modelo —16 veces más pequeño en cantidad de parámetros—, aunque aún ofrece resultados superiores.
Esa diferencia de tamaño se traduce directamente en las necesidades computacionales. QVAC MedPsy consume aproximadamente un tercio de la potencia de procesamiento de MedGemma-27B, lo que lo hace viable para inferencia en el dispositivo sin acceso a internet.
Por qué la eficiencia es importante para la IA médica
Ejecutar IA en smartphones abre casos de uso en clínicas remotas y entornos con pocos recursos donde no se garantiza una conexión estable al servidor. Un modelo que cabe en un dispositivo puede analizar datos de pacientes localmente, reduciendo la latencia y los riesgos de privacidad. Tether no ha revelado planes específicos de implementación, pero el rendimiento del modelo sugiere que podría manejar cribados psiquiátricos o psicológicos —el «Psy» en QVAC MedPsy probablemente se refiere a psicología o psiquiatría.
El campo médico ha sido cauteloso con la IA basada únicamente en la nube debido a la sensibilidad de los datos. Un modelo en el dispositivo que aún supera a los grandes competidores podría acelerar su adopción en hospitales y aplicaciones móviles de salud.
La tecnología detrás de ello
Tether, más conocido por su moneda estable USDT, ha estado construyendo discretamente en IA. QVAC MedPsy es uno de sus primeros modelos médicos. La empresa no ha publicado una arquitectura de red detallada, pero la capacidad del modelo para ejecutarse en un smartphone mientras supera a un modelo mucho más grande indica una optimización agresiva en el entrenamiento o la cuantización.
Por el contrario, MedGemma-27B de Google está diseñado para la nube o hardware de alta gama. El enfoque de Tether invierte esa suposición, demostrando que en tareas específicas de un dominio, lo más pequeño puede ser más fuerte.
No se ha anunciado una fecha de lanzamiento ni ninguna asociación. Por ahora, los resultados de los benchmarks sirven como prueba de que la IA médica no siempre necesita hardware potente para obtener grandes resultados.
