Tether AI團隊推出QVAC MedPsy系列本地醫療語言模型
Tether（USDT發行商）AI研究團隊今日發佈QVAC MedPsy系列醫療語言模型，這是專爲智能手機、可穿戴設備等低算力終端設計的本地化醫療AI。
該系列無需雲端服務器即可運行，通過高效架構實現遠超參數規模的性能：
1.7B參數版本：在七項封閉式醫療基準上平均得分62.62，超過Google MedGemma-4B達11.42分，並在HealthBench Hard等真實臨牀場景中擊敗參數量大近16倍的MedGemma-27B。
4B參數版本：得分高達70.54，同時推理token消耗大幅減少（最高3.2倍）。
模型以量化GGUF格式發佈（1.7B版本僅約1.2GB），極度適合移動和邊緣設備部署。
來源：公開信息
ABAB AI 解讀
Tether AI團隊此次發佈聚焦“本地化+高效能”，通過分階段醫療後訓練（監督微調 + 臨牀推理數據 + 強化學習）實現了小模型在醫療領域的突破，直接挑戰“大模型=強性能”的傳統假設。Tether CEO Paolo Ardoino強調，該模型可在醫院本地或設備端處理敏感醫療數據，無需上傳雲端，從而大幅降低延遲、成本和隱私泄露風險。
資本路徑上，Tether正將穩定幣業務產生的穩定現金流向AI基礎設施傾斜，通過QVAC MedPsy推動醫療AI在全球尤其是欠發達地區的普及，爲未來在新興市場構建本地化醫療AI生態奠定基礎。
類似Apple Intelligence和Qualcomm邊緣AI芯片的佈局，Tether當前處於穩定幣巨頭從金融服務向AI+醫療實際應用場景擴展的早期階段。
本質屬於技術替代：QVAC MedPsy用高效小模型替代依賴雲端的大模型醫療AI，把資本從高成本中心化雲推理重構爲本地隱私保護+低延遲設備端運行，機制上是通過量化壓縮和針對性後訓練，讓醫療AI真正實現“離線可用”，加速全球醫療基礎設施從雲端依賴向分佈式本地部署的結構轉變。
ABAB News · 認知定律
最好的醫療AI，不是參數最大，而是能在手機上安全跑起來的那個。
當1.7B模型擊敗27B大模型時，“更大更好”的時代就正式結束了。
真正普惠的技術，是讓最需要醫療AI的地方不再依賴昂貴的雲端。