Tether AI团队推出QVAC MedPsy系列本地医疗语言模型
Tether(USDT发行商)AI研究团队今日发布QVAC MedPsy系列医疗语言模型,这是专为智能手机、可穿戴设备等低算力终端设计的本地化医疗AI。
该系列无需云端服务器即可运行,通过高效架构实现远超参数规模的性能:
1.7B参数版本:在七项封闭式医疗基准上平均得分62.62,超过Google MedGemma-4B达11.42分,并在HealthBench Hard等真实临床场景中击败参数量大近16倍的MedGemma-27B。
4B参数版本:得分高达70.54,同时推理token消耗大幅减少(最高3.2倍)。
模型以量化GGUF格式发布(1.7B版本仅约1.2GB),极度适合移动和边缘设备部署。
来源:公开信息
ABAB AI 解读
Tether AI团队此次发布聚焦“本地化+高效能”,通过分阶段医疗后训练(监督微调 + 临床推理数据 + 强化学习)实现了小模型在医疗领域的突破,直接挑战“大模型=强性能”的传统假设。Tether CEO Paolo Ardoino强调,该模型可在医院本地或设备端处理敏感医疗数据,无需上传云端,从而大幅降低延迟、成本和隐私泄露风险。
资本路径上,Tether正将稳定币业务产生的稳定现金流向AI基础设施倾斜,通过QVAC MedPsy推动医疗AI在全球尤其是欠发达地区的普及,为未来在新兴市场构建本地化医疗AI生态奠定基础。
类似Apple Intelligence和Qualcomm边缘AI芯片的布局,Tether当前处于稳定币巨头从金融服务向AI+医疗实际应用场景扩展的早期阶段。
本质属于技术替代:QVAC MedPsy用高效小模型替代依赖云端的大模型医疗AI,把资本从高成本中心化云推理重构为本地隐私保护+低延迟设备端运行,机制上是通过量化压缩和针对性后训练,让医疗AI真正实现“离线可用”,加速全球医疗基础设施从云端依赖向分布式本地部署的结构转变。
ABAB News · 认知定律
最好的医疗AI,不是参数最大,而是能在手机上安全跑起来的那个。
当1.7B模型击败27B大模型时,“更大更好”的时代就正式结束了。
真正普惠的技术,是让最需要医疗AI的地方不再依赖昂贵的云端。