टेथर डेटा ने एक 460 मिलियन पैरामीटर विजन-भाषा मॉडल को ओपन-सोर्स किया है, जिसे सीधे स्मार्टफोन पर चलाने के लिए बनाया गया है, बजाय क्लाउड सर्वरों पर निर्भर होने के।
मुख्य बिंदु
- 29 जुलाई, 2026 को टेथर की QVAC इकाई ने एक 460-मिलियन पैरामीटर विजन मॉडल को ओपन-सोर्स किया।
- मॉडल ने 17 में से 16 परीक्षणों में लिक्विड AI और हगिंग फेस के प्रतिद्वंद्वियों को हराया।
- इसका फ्लैश संस्करण एक आईफोन 15 पर SmolVLM2-500M से अधिकतम 36 गुना तेज चला।
कंपनी के एआई अनुसंधान शाखा द्वारा बुधवार को जारित, QVAC, VisionPsy-Nano छवियों, दस्तावेजों और चार्ट्स की जांच कर सकता है, और स्रोत सामग्री को किसी दूरस्थ सिस्टम पर भेजे बिना प्रश्नों के उत्तर दे सकता है। फोन दोनों इनपुट और प्रतिक्रिया को संभालता है, जिससे सॉफ़्टवेयर ऑफ़लाइन काम कर सकता है और डेटा डिवाइस पर ही रख सकता है।
QVAC का कहना है कि Tether AI Research के मॉडल ने 500 मिलियन पैरामीटर से कम वाले विज़ुअल-भाषा प्रणालियों में सर्वोच्च कुल स्कोर दर्ज किया। 17 बेंचमार्क्स में से, इसने 16 पर प्रतिस्पर्धी मॉडल्स को हराया।
यह कैसे तुलना करता है
मॉडल ने 62.3 का सामान्यीकृत स्कोर पोस्ट किया, जबकि Liquid AI के LFM2.5-VL-450M के लिए 59.6 और Hugging Face के SmolVLM2-500M के लिए 52.5 था। QVAC का पिछला nanoVLM-460M-8k बेस मॉडल 54.9 स्कोर कर रहा था।
द टेदर डेटा रिलीज दो संस्करणों में आती है। मानक बिल्ड सटीकता को प्राथमिकता देता है, जबकि फ्लैश तेज प्रतिक्रियाओं के लिए थोड़ी मात्रा में गुणवत्ता का त्याग करता है। QVAC के अनुसार, फ्लैश पूरे मॉडल की लगभग 99% प्रदर्शन को बनाए रखता है, जबकि यह Android फोन पर SmolVLM2-500M की तुलना में अपना पहला आउटपुट लगभग 23 गुना तेज़ और iPhone 15 पर 36 गुना तेज़ उत्पन्न करता है।
मोबाइल हार्डवेयर पर प्रतिक्रिया समय महत्वपूर्ण होता है। एक संक्षिप्त मॉडल परीक्षण में अच्छा स्कोर कर सकता है, लेकिन अगर उपयोगकर्ताओं को डिवाइस द्वारा एक छवि को प्रोसेस करने के दौरान प्रतीक्षा करनी पड़ रही हो, तो यह अव्यावहारिक महसूस हो सकता है। फ्लैश को उस प्रारंभिक देरी को कम करने के लिए डिज़ाइन किया गया है।
कृत्रिम बुद्धिमत्ता (AI) प्रणाली दस्तावेज़ विश्लेषण और ऑप्टिकल कैरेक्टर रिकग्निशन को भी समर्थन करती है, जिससे वित्तीय रिपोर्ट्स, फ्लोचार्ट्स और इन्फोग्राफिक्स से पाठ और संरचना निकाली जाती है।
QVAC का कहना है कि मॉडल ने विजुअल रीजनिंग टेस्ट में समान आकार के प्रतिद्वंद्वियों को औसतन 7.4% से बेहतर प्रदर्शन किया। इसने MM-IFEval और POPE पर अपने आकार से दोगुना बड़े मॉडल्स को भी पीछे छोड़ दिया, जिसमें Qwen और InternVL के रिलीज़ शामिल हैं।
छोटा फुटप्रिंट क्यों मायने रखता है
डेटा सेंटर से फोन पर चलने वाली इमेज प्रोसेसिंग में मेमोरी, गर्मी, बैटरी उपयोग और कंप्यूटिंग पावर के चारों ओर कठोर सीमाएँ आ जाती हैं। संक्षिप्त मॉडल अक्सर साधारण पाठ को संभालते हैं, लेकिन घने चार्ट, टेबल या स्कैन किए गए दस्तावेज़ पढ़ते समय सटीकता खो देते हैं।
QVAC के मानक परिणाम सुझाव देते हैं कि मॉडल ने उस क्षमता का बहुत हिस्सा बनाए रखा है, जबकि इसे उपभोक्ता उपकरणों के लिए पर्याप्त छोटा रखा गया है। स्थानीय प्रोसेसिंग का अर्थ है कि दस्तावेज़ों को अपलोड करने की आवश्यकता नहीं है, और सॉफ़्टवेयर बिना नेटवर्क कनेक्शन के काम करता रह सकता है।
कई डिप्लॉयमेंट विकल्पों के लिए बनाया गया
डेवलपर्स Hugging Face Transformers, llama.cpp के लिए क्वांटाइज्ड GGUF संस्करण या उच्च मात्रा में सर्वर उपयोग के लिए vLLM बैकएंड के माध्यम से मॉडल तक पहुँच सकते हैं।
QVAC ने VLMEvalKit के माध्यम से अपनी बेंचमार्क कॉन्फ़िगरेशन भी प्रकाशित की है, जिससे बाहरी शोधकर्ता परीक्षणों को दोहरा सकते हैं। दोनों संस्करण Apache 2.0 लाइसेंस का उपयोग करते हैं, जो व्यावसायिक उपयोग, संशोधन और पुनः वितरण की अनुमति देता है।
टेतर की व्यापक AI रणनीति का एक हिस्सा
टेथर के सीईओ पाओलो आर्डोइनो ने कहा कि यह रिलीज कंपनी के स्थानीय, कुशल एआई प्रणालियों की ओर बढ़ने के प्रयास का समर्थन करती है।
"460 मिलियन पैरामीटर पर सामान्य दृश्य कार्यों पर शीर्ष स्तरीय गुणवत्ता और प्रदर्शन प्राप्त करने से साबित होता है कि स्थानीय-पहले, अत्यधिक कुशल AI एक व्यवहार्य मार्ग है," अर्डोइनो ने कहा।
मॉडल अक्टूबर 2025 तक कई QVAC रिलीज़ का अनुसरण करता है, जिसमें सिंथेटिक ट्रेनिंग डेटासेट, एक क्रॉस-प्लेटफॉर्म सॉफ्टवेयर डेवलपमेंट किट, और फोन और वियरेबल डिवाइस के लिए डिज़ाइन किए गए मेडिकल मॉडल शामिल हैं।
विकासकों के लिए, इस रिलीज़ में उपयोग-आधारित API लागत के बिना ऑफलाइन छवि विश्लेषण शामिल है। व्यवसाय अपने संवेदनशील दस्तावेज़ों को डिवाइस पर रख सकते हैं, जबकि उपभोक्ता सिग्नल के बिना AI सुविधाओं का उपयोग कर सकते हैं। शोधकर्ता प्रकाशित कॉन्फ़िगरेशन का उपयोग करके कंपनी के प्रदर्शन के दावों की स्वतंत्र रूप से परीक्षा कर सकते हैं।
टेथर ने अपने USDT स्टेबलकॉइन व्यवसाय से अर्जित लाभ के साथ अपने AI विस्तार का वित्तपोषण किया है। इसने AI बुनियादी ढांचे, जैव प्रौद्योगिकी और रोबोटिक्स में भी निवेश किया है, जिसमें NEURA Robotics में $1.4 बिलियन तक का सीरीज C निवेश शामिल है।