Tether开源非洲语言端侧翻译模型
Tether AI Research发布多组开源翻译模型，可在智能手机、笔记本及其他边缘设备离线运行，数据不上传第三方云端。系列归属QVAC，包括TranslatePsy-AfriSLM、AfriNano与EuroNano。
AfriSLM覆盖豪萨语、阿姆哈拉语、约鲁巴语、林加拉语、斯瓦希里语、伊博语、祖鲁语、索马里语、奥罗莫语、马达加斯加语、卢旺达语、科萨语、南非荷兰语、沃洛夫语、卢干达语、尼扬贾语、绍纳语、茨瓦纳语与南索托语共19种，使用人口约占非洲一半。AfriNano覆盖8种非洲语言，EuroNano覆盖9种欧洲语言、90个翻译方向。
AfriSLM提供8亿、20亿、40亿参数及量化版本。公司称最小的8亿参数模型在FLORES-200、BOUQuET与SMOL上优于Qwen3.5-122B-A10B、TranslateGemma-27B和NLLB-3.3B。EuroNano最小部署约36MB，较同类Firefox离线方案减少约94%；高质量版本英译方向保留Meta NLLB-200约98.4%质量。
训练引入质量估计过滤，用MetricX、AfriCOMET、SSA-COMET等分数剔除至多96%低质量开源语料。配套合成平行库含约2.16亿双向样本、约323.7亿训练标记，论文称过滤后合成数据主导质量—效率前沿。权重与数据集已放上Hugging Face的qvac账户，论文被EMNLP 2026接收，作者为Milan Gritta、Patrik Lambert、Jihye Back与Amril Nazir。
首席执行官Paolo Ardoino称语言不应决定谁能使用人工智能，并指约40亿人先被传统金融再被先进工具排除。公司把发布框定为“稳定货币、稳定能源、稳定通信之后的稳定智能”，强调把AI送进使用者的世界，而非把人送进云端。
市场机制上，买方是缺云服务、缺带宽的终端用户与教育医疗本地化项目，卖方是把稳定币利润投向端侧模型的发行商。事件驱动是开源权重和会议论文同时落地，资金从USDT储备收益流向数据清洗与小模型微调，而非租用超大云推理。受益方是低资源语言开发者和可离线部署的应用，承压方是依赖云API、按调用收费、且非洲语种表现弱的通用大模型服务商。
来源：公开信息
ABAB AI 解读
Tether靠USDT储备利息积累现金后，把研究预算开进与支付无关的端侧智能：QVAC先做可压缩模型，再专攻被通用大模型放弃的语种。Bitfinex与稳定币争议年代留下的合规阴影仍在，但它用同一套离岸利润养活实验室，让Milan Gritta等人以公司邮箱发EMNLP论文。这与OpenAI、Google用广告和云订户养模型相反——铸币税变成语料清洗费。非洲本是USDT使用密度最高的区域之一，翻译模型是把已有货币网络叠上本地语言接口。
资本路径是：过滤掉96%噪声，用合成平行句把8亿参数模型推过270亿、1220亿级系统在特定基准上的分数，再把GGUF量化包扔进手机。这样做的动机不是替代ChatGPT，而是占据“无网、无卡、无英语界面”的设备。战略上，谁先成为豪萨语、约鲁巴语、斯瓦希里语的默认离线引擎，谁就在下一轮数字账户和稳定币钱包里预装入口。开源是获客，端侧是摆脱云厂商审查与费率。
类比Meta的NLLB、Google的TranslateGemma，以及Firefox离线翻译包：前者追求覆盖面，后者追求体积。Tether把两条线拧在一起，并额外加上稳定币发行商身份。行业阶段是从“参数军备”转入“数据质量与部署约束”——在低资源语言上，8亿参数加过滤合成数据，可以打败两个数量级更大的通用模型。
这是技术替代。云端大模型用规模掩盖语料脏和网络贵；端侧小模型用清洗和量化把推理搬回芯片。发生的机制是：低资源语言在网页语料里接近于零，继续堆参数只会复制英语偏见；先扔掉96%垃圾再生成专用平行句，才能让小模型在FLORES一类基准上翻盘。替代的不是智能本身，而是“必须联网才能说话”的商业结构。
ABAB News · 认知定律
脏数据堆再大，也打不过干净的小模型。
离线权等于数据主权。
先占无网市场，再收有网租金。