Tether ha rilasciato un modello AI medico chiamato QVAC MedPsy, che funziona interamente su smartphone e supera il più grande MedGemma-27B di Google in scenari reali. Secondo l'azienda, il modello utilizza tre volte meno risorse computazionali ed è 16 volte più piccolo della versione Google che batte.
Prestazioni vs. Dimensione
I benchmark mostrano che QVAC MedPsy ottiene punteggi superiori rispetto a MedGemma-27B in compiti che simulano l'utilizzo clinico reale. Mentre il modello di Google richiede un'elaborazione a livello server sostanziale, il modello di Tether si adatta a un dispositivo mobile. Il guadagno in efficienza deriva dall'architettura compatta del modello — 16 volte più piccolo per numero di parametri — tuttavia continua a fornire risultati superiori.
Questa differenza di dimensioni si traduce direttamente nelle esigenze di elaborazione. QVAC MedPsy consuma circa un terzo della potenza di elaborazione di MedGemma-27B, rendendolo praticabile per l'inferenza sul dispositivo senza accesso a Internet.
Perché l'efficienza è importante per l'AI medica
Eseguire l'AI sui smartphone apre nuovi casi d'uso in cliniche remote e contesti con risorse limitate dove non è garantita una connessione server stabile. Un modello che si adatta a un dispositivo può analizzare i dati del paziente localmente, riducendo la latenza e i rischi per la privacy. Tether non ha rivelato piani specifici di distribuzione, ma le prestazioni del modello suggeriscono che potrebbe gestire screening psichiatrici o psicologici — il «Psy» in QVAC MedPsy si riferisce probabilmente a psicologia o psichiatria.
Il settore medico è stato cauto riguardo all'IA basata esclusivamente sul cloud a causa della sensibilità dei dati. Un modello sul dispositivo che supera comunque i grandi concorrenti potrebbe accelerare l'adozione negli ospedali e nelle app sanitarie mobili.
La tecnologia alla base
Tether, noto principalmente per lo stablecoin USDT, sta silenziosamente costruendo competenze in IA. QVAC MedPsy è uno dei suoi primi modelli medici. L'azienda non ha pubblicato l'architettura di rete dettagliata, ma la capacità del modello di funzionare su smartphone pur superando un modello molto più grande indica un'ottimizzazione aggressiva durante l'addestramento o la quantizzazione.
MedGemma-27B di Google, al contrario, è progettato per il cloud o hardware di alta gamma. L'approccio di Tether ribalta questa assunzione, dimostrando che nei compiti specifici del dominio i modelli più piccoli possono risultare più performanti.
Non è stato annunciato alcun data di lancio o partnership. Per ora, i risultati dei benchmark rappresentano una prova che l'IA medica non necessita sempre di hardware potente per ottenere grandi risultati.
