Tether har lansert en medisinsk AI-modell kalt QVAC MedPsy som kjører helt på en smarttelefon og overgår Googles større MedGemma-27B i reelle scenarioer. Modellen bruker tre ganger færre beregningsressurser og er 16 ganger mindre enn den Googles utgaven den overgår, ifølge selskapet.
Ytelse vs. størrelse
Benchmarkene viser at QVAC MedPsy oppnår høyere resultater enn MedGemma-27B på oppgaver som ligner på faktisk klinisk bruk. Mens Googles modell krever betydelig servernivå-behandling, passer Tethers modell på en mobil enhet. Effektivitetsgevinsten kommer fra modellens kompakte arkitektur — 16 ganger mindre etter antall parametere — men leverer likevel bedre resultater.
Denne størrelsesforskjellen oversettes direkte til beregningsbehov. QVAC MedPsy bruker omtrent en tredjedel av behandlingskraften til MedGemma-27B, noe som gjør den egnet for inferens på enheten uten internetttilgang.
Hvorfor effektivitet er viktig for medisinsk AI
Å kjøre AI på smarttelefoner åpner opp for bruksområder i avsidesliggende klinikker og ressursfattige områder der en stabil serverforbindelse ikke er garantert. En modell som passer på en enhet kan analysere pasientdata lokalt, noe som reduserer forsinkelser og personvernrisiko. Tether har ikke avslørt spesifikke utrullingsplaner, men modellens ytelse tyder på at den kan håndtere psykiatrisk eller psykologisk screening — «Psy» i QVAC MedPsy refererer sannsynligvis til psykologi eller psykiatri.
Medisinfeltet har vært forsiktig med AI som kun er i skyen på grunn av datafølsomheten. En modell som kjører på enheten og likevel overgår store konkurrenter, kan akselerere innføringen i sykehus og mobile helseapper.
Teknologien bak
Tether, mest kjent for sin stabilmynt USDT, har stille og rolig bygget opp sin AI-kompetanse. QVAC MedPsy er en av de første medisinske modellene de har utviklet. Selskapet har ikke publisert detaljert nettverksarkitektur, men modellens evne til å kjøre på en smarttelefon samtidig som den overgår en mye større modell tyder på aggressiv optimering i trening eller kvantifisering.
Googles MedGemma-27B er i motsetning til dette designet for sky eller høykvalitets maskinvare. Tethers tilnærming snur denne antagelsen, og viser at mindre kan være sterkere i domene-spesifikke oppgaver.
Ingen lanseringsdato eller samarbeid er blitt annonsert. For øyeblikket står benchmark-resultatene som et bevis på at medisinsk AI ikke alltid trenger kraftig maskinvare for å levere store resultater.
