Tether lanza QVAC, una plataforma local de IA para desafiar los modelos basados en la nube

¿Puede QVAC crear un modelo lo suficientemente potente como para que los usuarios acepten un umbral operativo moderado a cambio del control local y autónomo?

Artículo de: Liam Akiba Wright

Compilado por: Luffy, Foresight News

El nuevo proyecto de Tether, QVAC, comienza con una idea poco común en las empresas de stablecoins. La empresa describe a su QVAC Psy como una serie de modelos base «radicados en los principios de la psicohistoria».

El concepto de la psicohistoria proviene de la clásica serie de ciencia ficción "Fundación" de Isaac Asimov. En los libros, el protagonista Hari Seldon utiliza matemáticas, estadística y dinámica social para predecir el comportamiento de grandes grupos, con el fin de acortar la era oscura que sigue al colapso del Imperio Galáctico.

La Enciclopedia de la Ciencia Ficción define la psicohistoria de Asimov como una ciencia ficticia; el conjunto de planes de Hari Seldon tiene como objetivo predecir eventos futuros y preservar el conocimiento y la civilización humanos en caso de colapso del sistema social.

Tether esta declaración es, en realidad, un disfraz de lenguaje de ciencia ficción para su misión corporativa.

Con sus activos de reserva, liquidez y capacidad de distribución por canales, Tether ha creado el sistema de stablecoin más grande de la industria criptográfica; ahora, replica esta lógica subyacente en el campo de la inteligencia artificial.

El estabilidad de USDT constituye el principal activo de reserva de Tether; mientras que la potencia de cómputo, los modelos de IA, los conjuntos de datos y la capacidad inteligente que opera independientemente de la nube centralizada se están convirtiendo en el segundo pilar de reserva de Tether.

Tether entra en la inteligencia artificial, siguiendo la lógica operativa de su negocio principal. USDT convierte la demanda global de dólares offshore en una cartera de activos reservados compuesta principalmente por bonos soberanos a corto plazo.

Según el informe de auditoría de reservas del primer trimestre de 2026 de Tether, la empresa obtuvo una utilidad neta de 1.040 millones de dólares, con un fondo de reserva de 8.230 millones de dólares, pasivos relacionados con los tokens de aproximadamente 183.000 millones de dólares y tenencias directas e indirectas de bonos del Tesoro estadounidense a corto plazo por aproximadamente 141.000 millones de dólares.

La sólida base de reservas permite a Tether generar ingresos continuos, contar con una capacidad suficiente en el balance general y tener la capacidad de invertir los ingresos operativos en infraestructura a largo plazo.

CryptoSlate previamente analizó que, gracias a su enorme volumen de monedas estables, Tether puede realizar una configuración estratégica de sus reservas. En enero de este año, Tether invirtió 8888 BTC, lo que demuestra su capacidad para convertir los ingresos por intereses y las ganancias operativas en una demanda de configuración a largo plazo de Bitcoin. El proyecto QVAC, por su parte, extiende esta lógica de asignación de activos a la nueva área de la inteligencia artificial.

Además de sus inversiones en bitcoin, oro, empresas emergentes, industria energética, minería de criptomonedas e infraestructura de comunicaciones, Tether ahora se ha posicionado fuertemente en la inteligencia artificial misma. Esta estrategia transforma a Tether de un simple emisor de liquidez en dólares privados en un constructor de infraestructura digital privada.

La narrativa de ciencia ficción de la "psicohistoria" encaja perfectamente con esta dirección estratégica; Tether considera la inteligencia artificial como una infraestructura básica de nivel civilizatorio, no simplemente como un sector de software común. La documentación oficial de QVAC se posiciona como una "plataforma inteligente infinitamente estable", destacando un sistema inteligente descentralizado que se ejecuta preferentemente localmente, con el objetivo de competir y reemplazar a la IA centralizada.

La visión de QVAC señala que confiar todos los intercambios inteligentes a servidores centralizados no solo es lento e inestable, sino que también conlleva el riesgo de ser controlado y restringido; QVAC se compromete a convertirse en la base de borde exclusiva para el sistema inteligente del usuario.

Esta filosofía resuena con la idea de las stablecoins de Tether. Los flujos de fondos son sin permiso, los usuarios mantienen el control de sus datos y la inteligencia artificial opera localmente y cerca de ellos.

Pero escondido detrás del concepto de ciencia ficción de Asimov está el juicio más serio de Tether: solo cuando la inteligencia artificial posea resiliencia y resistencia al riesgo de nivel infraestructural, su valor se asentará realmente.

Aunque los modelos de gran tamaño en la nube tienen una capacidad integral superior, conllevan riesgos inherentes de plataforma, riesgos de fijación de precios, riesgos regulatorios, riesgos de latencia de red y riesgos de enrutamiento de datos; los modelos de IA locales, aunque sacrifican cierto rendimiento, ofrecen propiedad, privacidad y estabilidad continua.

Esta lógica de compromiso se alinea profundamente con los principios de la industria cripto. Aunque la autogestión no es tan conveniente como el almacenamiento en intercambios, las personas solo comprenden su valor hasta que ocurre un colapso en un intercambio; de manera similar, aunque la IA local no es tan fácil de usar como los modelos alojados en la nube, cuando ocurren interrupciones de red, cambios en las API, bloqueos de cuentas o la imposibilidad de exportar datos, la ventaja de la implementación local se hace evidente.

La diferenciación clave de QVAC radica en su arquitectura subyacente. Los principales modelos grandes, como OpenAI, Anthropic, Google DeepMind y xAI, compiten en capacidades generales, habilidades de codificación, interacción multimodal, razonamiento con contextos extremadamente largos, aplicaciones de agentes y despliegue en la nube empresarial.

En cambio, QVAC eligió un camino completamente diferente: portabilidad, protección de la privacidad, baja latencia, componibilidad y capacidad de existir independientemente de una sola plataforma.

La documentación de bienvenida oficial de QVAC define el proyecto como un ecosistema de código abierto y multiplataforma, centrado en aplicaciones de IA que se ejecutan localmente y en modo punto a punto, compatibles con todos los sistemas: Linux, macOS, Windows, Android e iOS. Los usuarios pueden ejecutar localmente tareas de IA, como modelos de lenguaje grandes, reconocimiento de voz y generación mejorada por recuperación (RAG), y también pueden delegar tareas de inferencia a otros nodos de dispositivo mediante la función P2P integrada.

Esto significa que el estándar de referencia de QVAC es completamente distinto al de los principales modelos de IA en la nube: la IA de vanguardia busca la máxima capacidad de modelos generales que pueden ofrecer servicios centralizados; QVAC se enfoca en dónde ocurre el razonamiento, el control de ejecución, si los datos permanecen localmente en el dispositivo y si la aplicación puede seguir funcionando tras la falla del servicio centralizado.

Tether lanzará el kit de desarrollo de software (SDK) QVAC en abril de 2026, ofreciendo un conjunto unificado de herramientas que permite a los desarrolladores construir, ejecutar y ajustar aplicaciones de IA en cualquier dispositivo, con compatibilidad total en todas las plataformas sin necesidad de modificar el código.

El SDK de QVAC es compatible con diversos motores de inferencia locales mediante una capa de abstracción unificada, incluyendo QVAC Fabric desarrollado internamente y versiones derivadas de llama.cpp, además de integrar herramientas de voz y traducción como whisper.cpp, Parakeet y Bergamot.

Ya ha trascendido el ámbito de la publicación de modelos individuales y se asemeja más a un sistema operativo subyacente de inteligencia artificial. El ecosistema de IA de código abierto ahora cuenta con numerosos componentes maduros: proyectos locales de inferencia como Llama, Qwen, Mistral, Gemma, DeepSeek, Hugging Face, llama.cpp, Ollama, entre otros, florecen en abundancia.

La apuesta principal de QVAC es que los desarrolladores necesitan urgentemente un marco integral de borde que integre, mediante una interfaz unificada, todo el flujo de trabajo: carga de modelos, inferencia, reconocimiento de voz, OCR de texto e imágenes, traducción, text-to-image, generación mejorada por recuperación, distribución P2P de modelos, inferencia delegada y fine-tuning local.

QVAC se esfuerza por convertirse en la infraestructura de distribución de poder de cómputo inteligente, aprovechando modelos locales de gama media en constante iteración para capturar la entrada del ecosistema de IA en el borde.

QVAC Fabric es el núcleo de toda la arquitectura tecnológica. Tether indica que Fabric puede realizar el ajuste fino de modelos en hardware de consumo común mediante backends Vulkan y Metal, adaptándose a dispositivos Android con GPUs Adreno de Qualcomm o Mali de ARM, dispositivos con chips propios de Apple, así como computadoras Windows y Linux equipadas con hardware de AMD, Intel o NVIDIA.

Al mismo tiempo, se utiliza la técnica de división dinámica para adaptarse a las limitaciones de memoria en dispositivos móviles, y se admite el proceso de fine-tuning LoRA acelerado por GPU junto con la optimización por instrucciones de pérdida con máscara.

Si este flujo de trabajo puede ser validado mediante pruebas reales por desarrolladores externos, su valor superará con creces el de una publicación típica de modelos de código abierto: los pesos del modelo son solo la capa básica; el ajuste y la personalización locales son el incremento clave.

MedPsy es el primer producto modelo de referencia implementado por QVAC. Según un informe técnico publicado en Hugging Face el 7 de mayo, QVAC MedPsy es un modelo de lenguaje médico y de salud diseñado específicamente para implementación en dispositivos periféricos, disponible en dos versiones: 1.7 mil millones y 4 mil millones de parámetros.

La empresa oficial presenta una afirmación profundamente disruptiva: después de un entrenamiento especializado riguroso en medicina, modelos pequeños pueden superar a los modelos de referencia médicos grandes, al mismo tiempo que son compatibles con el funcionamiento en portátiles, dispositivos móviles de gama alta e incluso smartphones.

QVAC indica que MedPsy-1.7 mil millones de parámetros obtuvo un puntaje promedio de 62.62 en siete evaluaciones médicas cerradas, superando ampliamente los 51.20 de MedGemma-1.5-4B-it, con menos de la mitad de parámetros; MedPsy-4 mil millones de parámetros obtuvo un puntaje promedio de 70.54, ligeramente por encima de los 69.95 de MedGemma-27B-text-it, con solo una séptima parte de los parámetros.

En las pruebas HealthBench y HealthBench Hard, la brecha se amplió aún más: MedPsy-4B obtuvo 74.00 y 58.00 puntos, respectivamente, mientras que MedGemma-27B-text-it alcanzó solo 65.00 y 42.67 puntos.

Si estas puntuaciones pueden ser replicadas por terceros, respaldarán directamente la idea central de QVAC: en sectores verticales de alto valor específicos, los modelos ligeros en el borde pueden desafiar sistemas en la nube de gran escala.

El proceso de entrenamiento también refleja la estrategia competitiva de QVAC: MedPsy utiliza a Qwen 3 como modelo principal, optimizando iterativamente mediante ajuste supervisado en múltiples etapas y aprendizaje por refuerzo en preguntas y respuestas médicas; durante el experimento se generaron más de 30 millones de datos sintéticos, se empleó un entrenamiento por curso en dos etapas y se seleccionó el modelo grande Baichuan M3-235B como modelo docente supervisor para inferencia de textos largos.

Actualmente, su conjunto de datos de entrenamiento aún no se ha hecho público, lo cual es una preocupación clave: los actuales resultados destacados en evaluaciones provienen exclusivamente de pruebas internas de QVAC, y aún se requiere validación externa sobre cuestiones fundamentales como posibles contaminaciones en los datos de entrenamiento, su alcance, la construcción de los prompts y la influencia del modelo docente.

Las ventajas en la implementación cuantizada son destacadas; la oficial ha lanzado versiones cuantizadas GGUF compatibles con llama.cpp y QVAC SDK. La cuantización Q4_K_M reduce el tamaño del modelo en un 69 %, con una pérdida promedio inferior a 1 punto. En la solución óptima que equilibra tamaño y rendimiento, el modelo de 4 mil millones de parámetros ocupa solo 2.72 GB, y la versión de 1.7 mil millones de parámetros solo 1.28 GB, lo que permite una implementación sencilla en dispositivos locales.

QVAC también emite una advertencia de riesgos oficial: MedPsy solo admite interacción de texto, es de uso exclusivo en inglés, no es adecuado para escenarios de emergencia clínica, presenta problemas inherentes de ilusiones en modelos grandes y requiere que los desarrolladores garanticen la privacidad y seguridad del usuario en toda la arquitectura de la aplicación.

El sector médico tiene una necesidad muy fuerte de inferencia local; el futuro de MedPsy es prometedor; pero solo cuando investigadores externos reproduzcan los puntajes de referencia y los prueben en flujos clínicos reales, su verdadero rendimiento podrá confirmarse.

El debate entre la inteligencia artificial local y la inteligencia artificial en la nube a menudo se simplifica como una elección entre privacidad y rendimiento. QVAC reestructura esta lógica, siendo en esencia una elección entre conveniencia y control autónomo.

La IA en la nube destaca por su máxima facilidad de uso: los usuarios abren la aplicación, ingresan un comando y obtienen resultados, sin necesidad de preocuparse por problemas complejos como pesos del modelo, memoria VRAM del dispositivo, parámetros de cuantización, incrustaciones vectoriales o compatibilidad del entorno de ejecución; la plataforma asume toda la complejidad técnica. Esta máxima conveniencia es también la razón fundamental por la que las plataformas centralizadas de IA han logrado un rápido crecimiento, permitiendo a los usuarios acceder a capacidades inteligentes de vanguardia con un umbral extremadamente bajo.

QVAC exige a los desarrolladores y usuarios asumir más responsabilidades de operación y mantenimiento, a cambio de una nueva arquitectura de seguridad: ejecución local y sin conexión, funcionalidad sin internet, reducción de fugas de datos y eliminación de la dependencia de API, además de establecer canales para inferencia punto a punto y distribución de modelos.

Según la descripción del Tether SDK, las aplicaciones equipadas con QVAC pueden funcionar de manera estable en entornos de red débil e incluso continuar operando normalmente con inteligencia artificial sin conexión a internet. En el anuncio temprano de QVAC de 2025, se planificó adicionalmente: los agentes de IA se pueden desplegar directamente en dispositivos locales, interactuar colaborativamente entre dispositivos mediante una red P2P, y, al combinarse con el kit WDK, permiten que los agentes de IA realicen transacciones autónomas de activos como Bitcoin y USDT.

Esta es precisamente la lógica superior completa de Tether: fondos, capacidad de cómputo y agentes, que siguen el mismo paradigma de diseño de soberanía autónoma.

Por supuesto, su narrativa descentralizada no es perfecta. Al permitir a los usuarios descargar el modelo, ejecutarlo localmente y mantener los datos sensibles en sus dispositivos, QVAC logra una alta descentralización en la capa de inferencia, eliminando el control de la plataforma sobre cada instrucción de interacción, a diferencia de las API alojadas. Mediante la arquitectura de red Holepunch, QVAC también admite capacidades P2P subyacentes como la inferencia delegada y la distribución descentralizada de modelos, lo que confiere a su diseño arquitectónico una innovación sustancial.

Sin embargo, aún existen atributos centralizados en la gobernanza. QVAC es completamente financiado, nombrado y promocionado por Tether; la aplicación insignia, el sistema de modelos, la hoja de ruta del SDK y el concepto de "inteligencia estable" son todos dirigidos por una sola empresa.

Esta situación no entra en conflicto con su valor central de prioridad local, sino que limita las ventajas descentralizadas a la capa de ejecución de razonamiento con la evidencia más sólida; todo el ecosistema aún debe establecer gradualmente mecanismos de control distribuido en aspectos como nodos de registro predeterminados, canales de lanzamiento de versiones, normas de seguridad, admisión de modelos y gobernanza comunitaria a largo plazo.

La credibilidad actual de QVAC depende completamente de los resultados de reproducción por terceros. Si el puntaje de referencia de MedPsy puede replicarse en un entorno de evaluación externo, Tether materializará verdaderamente el concepto de "reserva de activos inteligentes": un modelo vertical, ligero, de código abierto y desplegable localmente, capaz de competir con modelos masivos en la nube en sectores de alta sensibilidad.

Aunque las pruebas de terceros reduzcan o incluso inviertan la brecha de rendimiento, el valor de la infraestructura de QVAC sigue siendo válido, solo que la narrativa sobre el rendimiento del modelo se debilitará. La pregunta final de la industria vuelve a las leyes eternas de la tecnología: la máxima conveniencia genera concentración de poder, mientras que el control autónomo requiere el pago de costos operativos.

Este es precisamente el valor de la visión de ciencia ficción de Asimov: la psicohistoria en "Fundación", que estudia las leyes de evolución de sistemas complejos y grandes bajo presión; y Tether le otorga un nuevo significado, centrándose en cómo la infraestructura resiste el monopolio centralizado.

La narrativa de ciencia ficción es ambiciosa, la implementación técnica aún se encuentra en etapas tempranas, pero la lógica estratégica general es clara y coherente. Tether está construyendo una arquitectura de IA centrada en ejecución local, redes punto a punto, herramientas de código abierto y modelos ligeros en el borde, aprovechando el flujo de efectivo continuo de la mayor stablecoin del mundo, extendiendo así la idea de soberanía autónoma de las stablecoins desde el ámbito monetario al ámbito inteligente.

Hoy en día, la industria ya no cuestiona si los gigantes de las stablecoins tienen la capacidad de entrar en el sector de la IA. La respuesta es evidente.

La verdadera pregunta central es si QVAC puede construir modelos e infraestructura lo suficientemente potentes como para que los usuarios acepten una barrera operativa moderada a cambio del control local y autónomo.

MedPsy es precisamente la primera barrera cuantificable. Los resultados de replicación por terceros determinarán si la narrativa de la psicohistoria de QVAC es solo una metáfora de ciencia ficción, o si finalmente se incorpora como una arquitectura subyacente con lógica operativa completa en la categoría de IA de borde principal.