A Tether kiadott egy QVAC MedPsy nevű orvosi AI-modellt, amely teljes egészében egy okostelefonon fut, és a valós forgatókönyvekben felülmúlja a Google nagyobb MedGemma-27B modelljét. A vállalat szerint a modell háromszor kevesebb számítási erőforrást használ, és 16-szor kisebb, mint a legyőzött Google-változat.
Teljesítmény kontra méret
A benchmarkok szerint a QVAC MedPsy magasabb pontszámot ér el, mint a MedGemma-27B a tényleges klinikai használatot szimuláló feladatokon. Míg a Google modelljéhez jelentős szerver szintű feldolgozás szükséges, a Tether modellje elfér egy mobileszközön. A hatékonyságnövekedés a modell kompakt architektúrájából fakad – paraméterszámát tekintve 16-szor kisebb –, mégis jobb eredményeket nyújt.
Ez a méretkülönbség közvetlenül kihat a számítási igényekre. A QVAC MedPsy körülbelül egyharmadát fogyasztja a MedGemma-27B feldolgozási teljesítményének, így internetkapcsolat nélkül is alkalmas eszközön történő következtetésre.
Miért fontos a hatékonyság az orvosi AI-ban
Az AI okostelefonokon való futtatása új lehetőségeket nyit meg távoli klinikákon és alacsony erőforrású környezetekben, ahol nem garantált a stabil szerverkapcsolat. Az eszközre elférő modell helyben elemezheti a betegadatokat, csökkentve a késleltetést és az adatvédelmi kockázatokat. A Tether nem hozta nyilvánosságra a konkrét bevezetési terveket, de a modell teljesítménye alapján alkalmas lehet pszichiátriai vagy pszichológiai szűrésre – a QVAC MedPsy „Psy” része feltehetően a pszichológiára vagy pszichiátriára utal.
Az orvostudományi terület eddig óvatos volt a felhőalapú AI-val szemben az adatok érzékenysége miatt. Egy olyan eszközön futó modell, amely mégis felülmúlja a nagy versenytársakat, felgyorsíthatja az elfogadást a kórházakban és a mobil egészségügyi alkalmazásokban.
A technológia a háttérben
A Tether, amely leginkább az USDT stabilcoinjáról ismert, csendben építkezik az AI területén. A QVAC MedPsy az egyik első orvosi modellje. A vállalat nem tette közzé a részletes hálózati architektúrát, de az, hogy a modell képes okostelefonon futni és legyőzni egy sokkal nagyobb modellt, agresszív optimalizálásra utal a képzésben vagy a kvantálásban.
A Google MedGemma-27B ezzel szemben felhőalapú vagy nagy teljesítményű hardverre készült. A Tether megközelítése felborítja ezt a feltételezést, megmutatva, hogy domain-specifikus feladatokban a kisebb is lehet erősebb.
Még nem jelentettek be megjelenési dátumot vagy partnerséget. Egyelőre a benchmarkeredmények bizonyítási pontként szolgálnak arra, hogy az orvosi AI-nak nem mindig van szüksége nagy teljesítményű hardverre a nagy eredmények eléréséhez.
