Tether ay nagbubukas ng pinagkukunan ng 460M-parameter na vision model para sa AI sa device

May bukas na source ang Tether Data ng isang vision-language model na may 460-milyong parameter na disenyo para tumakas nang direkta sa mga smartphone kesa mag-asa sa cloud servers.

Na-release noong Miyerkules ng AI research arm ng kumpanya, ang QVAC, VisionPsy-Nano ay makakapag-examine ng mga imahe, dokumento, at mga chart, at sagutin ang mga tanong nang hindi ipapadala ang source material sa isang remote system. Ang phone ang hawak ang input at response, na nagpapahintulot sa software na mag-operate nang offline at panatilihin ang data sa device.

Sabi ni QVAC, ang modelo ng Tether AI Research ay nakakuha ng pinakamataas na pangkalahatang marka sa mga vision-language system na may mas mababa sa 500 milyong parameter. Sa 17 benchmarks, ito ay nanalo sa 16 na nakikipagkumpetensya.

Ang modelo ay nag-post ng normalized score na 62.3, kumpara sa 59.6 para sa LFM2.5-VL-450M ng Liquid AI at 52.5 para sa SmolVLM2-500M ng Hugging Face. Ang nakaraang base model na nanoVLM-460M-8k ng QVAC ay nakakuha ng 54.9.

Ang Tether Data ay may dalawang bersyon. Ang standard build ay nagbibigay-pansin sa akurasyon, habang ang Flash ay nagtatanggal ng kaunting kalidad para sa mas mabilis na mga tugon. Sabi ni QVAC, ang Flash ay nananatili sa halos 99% ng performance ng buong model habang nagpapalabas ng kanyang unang output hanggang 23 beses na mas mabilis kaysa sa SmolVLM2-500M sa mga Android phone at hanggang 36 beses na mas mabilis sa iPhone 15.

Mahalaga ang oras ng pagtugon sa mobile hardware. Maaaring magkaroon ng mabuting marka ang isang kompaktong modelo sa pagsubok, ngunit maaari pa ring maging hindi praktikal kung kailangan maghintay ang mga gumagamit habang pinoproseso ng device ang isang imahe. Ang Flash ay disenyo upang bawasan ang unang pagkaantala.

Ang sistema ng artificial intelligence (AI) ay sumusuporta rin sa pag-analisa ng dokumento at optical character recognition, na naglalabas ng teksto at istruktura mula sa mga financial report, flowcharts at infographics.

Sabi ni QVAC, lalong pinasikat ng modelo ang mga katulad na laki nito sa average na 7.4% sa mga pagsubok sa visual reasoning. Lalo pa itong pinasikat ang mga modelo na mas malaki ng higit sa dalawang beses nito sa MM-IFEval at POPE, kabilang ang mga release mula sa Qwen at InternVL.

Ang paglipat ng pagproseso ng imahe mula sa isang data center patungo sa isang telepono ay nagdudulot ng mahigpit na limitasyon sa memorya, init, paggamit ng battery, at computing power. Ang mga kompaktong modelo ay karaniwang nakakahandle ng simpleng teksto ngunit nawawala ang akurasyon kapag binabasa ang mga malalalim na chart, tabla, o scanned na dokumento.

Ang mga resulta ng benchmark ng QVAC ay nagmumungkahi na ang modelo ay nanatiling may kakayahang panatilihin ang malaking bahagi ng kakayahan habang nananatiling sapat na maliit para sa mga device ng konsyumer. Ang lokal na pagproseso ay nangangahulugan din na hindi kailangang i-upload ang mga dokumento, at maaari pa ring magtrabaho ang software nang walang koneksyon sa network.

Maaaring makapag-access ang mga developer sa modelo sa pamamagitan ng Hugging Face Transformers, isang quantized na GGUF version para sa llama.cpp o isang vLLM backend para sa mas mataas na volume ng server use.

Kasama rin ng QVAC ang mga benchmark configuration nito sa pamamagitan ng VLMEvalKit, na nagpapahintulot sa mga panlabas na mananaliksik na paulit-ulitin ang mga pagsubok. Gumagamit ang parehong bersyon ng Apache 2.0 license, na nagpapahintulot sa komersyal na paggamit, pagbabago, at pagpapalaganap.

Tether CEO Paolo Ardoino ay sinabi na ang paglalabas ay sumusuporta sa pagtutok ng kumpanya patungo sa lokal at epektibong mga sistema ng AI.

“Ang pagkamit ng pinakamahusay na kalidad at performance sa mga pangkalahatang gawain sa pagkakita sa lamang 460 milyong parameter ay patotoo na ang lokal-unang, napakaepeksyibong AI ay isang makabuluhang landas,” ayon kay Ardoino.

Sumusunod ang modelo sa ilang paglabas ng QVAC mula noong Oktubre 2025, kabilang ang mga sintetikong dataset para sa pagtuturo, isang cross-platform software development kit, at mga medikal na modelo na disenyo para sa mga telepono at wearable device.

Para sa mga developer, ang paglabas ay nag-aalok ng offline na pag-analisa ng imahe nang walang gastos batay sa paggamit ng API. Maaaring panatilihin ng mga negosyo ang mga sensitibong dokumento sa device, habang maaaring gamitin ng mga konsyumer ang mga tampok ng AI nang walang signal. Maaari ng mga mananaliksik na subukan nang independiyente ang mga pahayag ng performance ng kumpanya gamit ang mga napanukalang konpigurasyon.

Ang Tether ay pinalakas ang kanyang pagpapalawak sa AI gamit ang kita mula sa kanyang negosyo ng USDT stablecoin. Nakapag-invest din ito sa AI infrastructure, bioteknolohiya, at robotika, kabilang ang isang Series C investment sa NEURA Robotics na may halagang hanggang $1.4 bilyon.