Tether Meluncurkan QVAC, Platform AI Lokal untuk Menantang Model Berbasis Cloud

Apakah QVAC dapat menciptakan model yang cukup kuat sehingga pengguna bersedia menerima tingkat operasional yang sesuai demi kendali mandiri di lokal?

Penulis: Liam Akiba Wright

Diterjemahkan oleh: Luffy, Foresight News

Proyek baru Tether, QVAC, dimulai dengan konsep yang sangat jarang ditemukan di perusahaan stablecoin. Perusahaan tersebut menggambarkan QVAC Psy sebagai serangkaian model dasar yang "berakar pada prinsip psikosejarah".

Konsep psikosejarah berasal dari seri fiksi ilmiah klasik karya Isaac Asimov, "Foundation". Dalam buku tersebut, tokoh utama Hari Seldon menggunakan matematika, statistik, dan dinamika sosial untuk memprediksi arah perilaku kelompok besar, sehingga memperpendek masa gelap setelah runtuhnya Kekaisaran Galaksi.

Ensiklopedia Ilmu Pengetahuan Fiksi mendefinisikan psikosejarah karya Asimov sebagai ilmu fiksi; seluruh rencana Hari Seldon bertujuan untuk memprediksi peristiwa masa depan dan melestarikan peradaban serta pengetahuan manusia saat sistem sosial runtuh.

Tether menyatakan ini sebenarnya dengan menggunakan bahasa fiksi ilmiah untuk membungkus misi perusahaannya.

Dengan aset cadangan, likuiditas, dan kemampuan distribusi saluran, Tether menciptakan sistem stablecoin terbesar di industri kripto; kini, ia meniru logika dasar ini ke bidang kecerdasan buatan.

Stablecoin USDT membentuk fondasi cadangan terbesar pertama Tether; sementara daya komputasi, model AI, dataset, dan kemampuan cerdas yang dapat berjalan di luar cloud terpusat, kini menjadi aset cadangan kedua Tether.

Tether masuk ke bidang kecerdasan buatan, melanjutkan logika operasional bisnis intinya. USDT mengubah permintaan dolar luar negeri global menjadi portofolio aset cadangan yang terutama terdiri dari surat berharga berjangka pendek.

Berdasarkan laporan verifikasi cadangan Tether untuk kuartal pertama 2026, laba bersih perusahaan mencapai USD 1,04 miliar, cadangan buffer mencapai USD 8,23 miliar, kewajiban terkait token sekitar USD 183 miliar, dan kepemilikan langsung maupun tidak langsung atas obligasi pemerintah AS jangka pendek sekitar USD 141 miliar.

Dasar cadangan yang kuat memberikan Tether pendapatan berkelanjutan, kapasitas neraca yang cukup, serta kemampuan untuk memanfaatkan pendapatan operasional dalam mengembangkan infrastruktur jangka panjang.

CryptoSlate sebelumnya menganalisis bahwa Tether, dengan volume stablecoin yang besar, dapat melakukan alokasi strategis terhadap aset cadangannya. Pada Januari tahun ini, Tether menghabiskan dana untuk membeli 8.888 BTC, membuktikan kemampuannya mengubah pendapatan bunga dan laba operasional menjadi kebutuhan alokasi jangka panjang terhadap Bitcoin. Sementara itu, proyek QVAC memperluas logika alokasi aset ini ke jalur baru dalam kecerdasan buatan.

Saat ini, selain investasi di bitcoin, emas, perusahaan rintisan, industri energi, penambangan kripto, dan infrastruktur komunikasi, Tether secara resmi memperbesar investasinya pada kecerdasan buatan sendiri. Posisi ini membuat Tether bertransformasi dari sekadar penerbit likuiditas dolar pribadi menjadi pembangun infrastruktur digital pribadi.

Narasi fiksi ilmiah "Psikosejarah" secara tepat selaras dengan arah strategis ini, di mana Tether memandang kecerdasan buatan sebagai lapisan infrastruktur peradaban, bukan sekadar segmen perangkat lunak biasa. Dokumen resmi QVAC memposisikan dirinya sebagai "Platform Kecerdasan Stabil Tak Terbatas", yang menonjolkan sistem cerdas terdesentralisasi yang berjalan secara lokal, bertujuan untuk menyaingi dan menggantikan AI terpusat.

Visi QVAC menyatakan bahwa menangani semua interaksi cerdas melalui server terpusat tidak hanya lambat dan tidak stabil, tetapi juga berisiko mengalami pembatasan dan pengawasan; sementara QVAC bertekad menjadi dasar tepi eksklusif bagi sistem cerdas pengguna.

Konsep ini selaras dengan filosofi stablecoin Tether. Transfer dana tanpa izin, pengguna mempertahankan kendali atas data mereka, dan kecerdasan buatan berjalan secara lokal di dekat pengguna.

Namun, di balik konsep fiksi ilmiah Asimov, terdapat penilaian lebih serius dari Tether: nilai kecerdasan buatan baru akan benar-benar terakumulasi ketika ia memiliki ketahanan dan ketahanan terhadap risiko tingkat infrastruktur.

Model besar di cloud meskipun memiliki kemampuan komprehensif yang lebih kuat, namun membawa risiko platform, risiko penetapan harga, risiko regulasi kebijakan, risiko latensi jaringan, dan risiko routing data; model AI lokal meskipun mengorbankan sebagian kinerja, namun memperoleh kepemilikan, privasi, dan stabilitas yang tersedia secara terus-menerus.

Logika kompromi ini sangat selaras dengan filosofi industri kripto. Meskipun self-custody kurang nyaman dibandingkan custodial oleh bursa, orang baru menyadari nilainya setelah risiko kegagalan bursa terwujud; meskipun AI lokal kurang mudah digunakan dibandingkan model berbasis cloud, keunggulan deployment lokal akan muncul ketika jaringan terputus, API diubah, akun diblokir, atau data tidak dapat diekstraksi.

Perbedaan utama QVAC terletak pada arsitektur dasarnya. Model besar terkemuka seperti OpenAI, Anthropic, Google DeepMind, dan xAI sedang bersaing dalam kemampuan umum, kemampuan pemrograman, interaksi multimodal, penalaran konteks sangat panjang, aplikasi agen, dan penyebaran di cloud perusahaan.

Sedangkan QVAC memilih jalur yang sama sekali berbeda: keterdeployan, perlindungan privasi, latensi rendah, komposabilitas, dan kemampuan untuk berdiri sendiri di luar platform tunggal.

Dokumen pemula resmi QVAC mendefinisikan proyek sebagai ekosistem open-source dan lintas platform, yang menonjolkan aplikasi AI yang berjalan secara lokal dan peer-to-peer, kompatibel dengan seluruh sistem Linux, macOS, Windows, Android, dan iOS. Pengguna dapat menjalankan tugas AI seperti model bahasa besar, pengenalan suara, dan retrieval-augmented generation (RAG) secara lokal, atau menggunakan fitur P2P bawaan untuk menugaskan tugas inferensi ke node perangkat lain.

Ini berarti standar pembanding QVAC sangat berbeda dengan model AI cloud unggulan: AI mutakhir mengejar kemampuan model universal terkuat yang disediakan oleh layanan terpusat; sementara QVAC berfokus pada lokasi inferensi, kendali operasional, apakah data tetap tersimpan di perangkat lokal, dan apakah aplikasi dapat terus berjalan setelah layanan terpusat gagal.

Tether akan meluncurkan Software Development Kit (SDK) QVAC pada April 2026, menyediakan rangkaian pengembangan terpadu yang memungkinkan pengembang membangun, menjalankan, dan menyesuaikan aplikasi AI di perangkat apa pun, kompatibel dengan seluruh sistem platform tanpa perlu mengubah kode.

QVAC SDK kompatibel dengan berbagai mesin inferensi lokal melalui lapisan abstraksi terpadu, termasuk QVAC Fabric buatan sendiri, versi cabang llama.cpp, serta mengintegrasikan alat suara dan terjemahan seperti whisper.cpp, Parakeet, dan Bergamot.

Ini telah melampaui sekadar peluncuran model tunggal, lebih mirip sebuah sistem operasi dasar kecerdasan buatan. Ekosistem AI open source kini telah memiliki banyak komponen matang: Llama, Qwen, Mistral, Gemma, DeepSeek, Hugging Face, llama.cpp, Ollama, dan berbagai proyek inferensi lokal lainnya yang berkembang pesat.

Fokus utama QVAC adalah bahwa pengembang sangat membutuhkan kerangka kerja edge yang lengkap, yang mengintegrasikan seluruh proses—pemuatan model, inferensi, pengenalan suara, pengenalan teks gambar OCR, terjemahan, text-to-image, retrieval-augmented generation, distribusi model P2P, inferensi yang ditugaskan, dan fine-tuning lokal—melalui antarmuka terpadu.

QVAC berkomitmen menjadi dasar distribusi kekuatan komputasi cerdas, dengan memanfaatkan model lokal menengah yang terus diperbarui, untuk merebut pintu masuk ekosistem AI tepi.

QVAC Fabric adalah inti dari seluruh arsitektur teknis. Tether menyatakan bahwa Fabric dapat melakukan fine-tuning model pada perangkat konsumen umum melalui backend Vulkan dan Metal, cocok untuk perangkat Android dengan GPU Adreno Qualcomm dan Mali ARM, perangkat dengan chip buatan Apple, serta komputer Windows dan Linux yang dilengkapi hardware AMD, Intel, dan NVIDIA.

Sementara itu, menerapkan teknik pembagian dinamis untuk mengatasi batasan memori perangkat seluler, serta mendukung proses fine-tuning LoRA yang dipercepat GPU dan instruksi tuning dengan mask loss.

Jika alur kerja ini dapat diverifikasi melalui pengujian nyata oleh pengembang eksternal, nilainya akan jauh melebihi rilis model open source biasa: bobot model hanyalah lapisan dasar, sedangkan penyesuaian fine-tuning lokal yang dipersonalisasi adalah peningkatan intinya.

MedPsy adalah produk model patokan pertama yang diluncurkan oleh QVAC. Laporan teknis yang dirilis di Hugging Face pada 7 Mei menunjukkan bahwa QVAC MedPsy adalah model bahasa kesehatan medis yang dirancang khusus untuk penyebaran di edge, tersedia dalam dua versi dengan 1,7 miliar dan 4 miliar parameter.

Pihak resmi mengajukan pernyataan yang sangat revolusioner: model kecil yang dilatih secara khusus dalam bidang medis dapat mencapai kinerja lebih unggul daripada model benchmark medis besar, sekaligus kompatibel dengan running di laptop, perangkat seluler high-end, bahkan smartphone.

QVAC menyatakan bahwa MedPsy-1,7 miliar parameter mencapai skor rata-rata 62,62 pada tujuh uji coba medis tertutup, jauh melampaui skor 51,20 dari MedGemma-1.5-4B-it milik Google, dengan ukuran parameter kurang dari setengahnya; MedPsy-4 miliar parameter mencapai skor rata-rata 70,54, sedikit mengungguli MedGemma-27B-text-it yang mencapai 69,95, dengan ukuran parameter hanya sepertujuh dari miliknya.

Dalam tes HealthBench dan HealthBench Hard, jaraknya semakin lebar: MedPsy-4B masing-masing mendapatkan skor 74.00 dan 58.00, sedangkan MedGemma-27B-text-it hanya mendapatkan 65.00 dan 42.67.

Jika skor ini dapat direplikasi oleh pihak ketiga, hal itu akan secara langsung memperkuat filosofi inti QVAC: di bidang vertikal bernilai tinggi tertentu, model edge yang ringan dapat menantang sistem cloud skala besar.

Proses pelatihan juga menunjukkan strategi kompetitif QVAC: MedPsy menggunakan Qwen 3 sebagai model inti, dioptimalkan melalui fine-tuning terawasi multi-tahap dan iterasi penguatan pembelajaran untuk pertanyaan dan jawaban medis; proses eksperimen menghasilkan lebih dari 30 juta data sintetis, menggunakan pelatihan kurikulum dua tahap, serta memilih model besar Baichuan M3-235B sebagai model guru pengawas untuk inferensi teks panjang.

Saat ini, korpus pelatihannya belum dipublikasikan, yang juga menjadi titik kekhawatiran utama: semua hasil benchmark yang menonjol saat ini berasal dari evaluasi internal QVAC, dan pertanyaan kunci seperti kemungkinan kontaminasi data pelatihan, cakupan, konstruksi prompt, serta pengaruh model guru masih memerlukan verifikasi eksternal.

Keunggulan pada tingkat deploy kuantisasi sangat menonjol; pihak resmi telah merilis versi kuantisasi GGUF yang kompatibel dengan llama.cpp dan QVAC SDK. Dengan kuantisasi Q4_K_M, ukuran model dapat dikompresi sebesar 69%, sementara rata-rata kerugian kurang dari 1 poin. Dalam solusi optimal yang menyeimbangkan ukuran dan kinerja, model dengan 4 miliar parameter hanya berukuran 2,72 GB, sedangkan versi dengan 1,7 miliar parameter hanya 1,28 GB, sehingga dapat dengan mudah diimplementasikan di perangkat lokal.

QVAC juga memberikan peringatan risiko resmi, MedPsy hanya mendukung interaksi teks, hanya dapat digunakan dalam bahasa Inggris, tidak cocok untuk skenario darurat klinis, memiliki masalah ilusi bawaan model besar, dan pengembang harus menjamin privasi dan keamanan pengguna di seluruh arsitektur aplikasi.

Bidang medis sendiri memiliki kebutuhan yang sangat besar terhadap inferensi lokal, prospek MedPsy patut dinantikan; namun hanya melalui replikasi hasil benchmark oleh peneliti eksternal dan pengujian nyata dalam proses klinis nyata, kekuatan sebenarnya dapat dibuktikan.

Perdebatan antara AI lokal dan AI cloud sering disederhanakan menjadi pilihan antara privasi dan kinerja. Namun, QVAC merekonstruksi logika ini, pada dasarnya merupakan kompromi antara kemudahan dan kendali mandiri.

Keunggulan AI cloud terletak pada kemudahan penggunaan yang ekstrem: pengguna hanya perlu membuka aplikasi, memasukkan perintah, dan mendapatkan hasil, tanpa perlu khawatir tentang berbagai masalah teknis kompleks seperti bobot model, memori GPU perangkat, parameter kuantisasi, embedding vektor, atau kompatibilitas lingkungan runtime—semua kompleksitas teknis ditangani oleh platform. Kemudahan ekstrem ini juga menjadi alasan utama mengapa platform AI terpusat dapat bangkit dengan cepat, memungkinkan pengguna menikmati kemampuan cerdas terdepan dengan ambang masuk yang sangat rendah.

Sementara QVAC menuntut pengembang dan pengguna untuk menanggung lebih banyak tanggung jawab operasional, demi arsitektur keamanan baru: berjalan secara lokal dan offline, tetap berfungsi tanpa koneksi internet, mengurangi kebocoran data, serta melepaskan ketergantungan pada API, sekaligus membuka saluran inferensi titik-ke-titik dan distribusi model.

Menurut pengenalan Tether SDK, aplikasi yang dilengkapi QVAC dapat berjalan stabil bahkan dalam kondisi jaringan lemah, dan bahkan tetap berfungsi normal saat tidak terhubung ke internet. Pengumuman awal QVAC tahun 2025 selanjutnya merencanakan: agen AI dapat langsung di部署 pada perangkat lokal, dengan perangkat saling berinteraksi secara kolaboratif melalui jaringan P2P, serta dapat mencapai transaksi otonom aset Bitcoin dan USDT dengan menggunakan paket WDK.

Ini adalah logika puncak lengkap Tether, dana, kekuatan komputasi, dan agen, yang mengikuti paradigma desain otonom yang sama.

Tentu, narasi terdesentralisasi-nya tidak sempurna. Dari segi pengguna dapat mengunduh model sendiri, menjalankannya secara lokal, dan menyimpan data sensitif di perangkat, QVAC mencapai tingkat terdesentralisasi yang tinggi di lapisan inferensi, sehingga tidak lagi mengandalkan platform untuk mengendalikan setiap perintah interaksi seperti pada API terkelola. Dengan memanfaatkan arsitektur jaringan Holepunch, QVAC juga mendukung kemampuan dasar P2P seperti inferensi yang ditugaskan dan distribusi model terdesentralisasi, dengan desain arsitektur yang memiliki inovasi substantif.

Namun, aspek sentralisasi tetap ada pada tingkat tata kelola. QVAC sepenuhnya didanai, dinamai, dan dipromosikan oleh Tether; aplikasi unggulan, sistem model, rencana rute SDK, serta konsep "Stable Intelligence" semuanya dipimpin oleh satu perusahaan.

Kondisi ini tidak bertentangan dengan nilai inti prioritas lokal, tetapi membatasi keunggulan desentralisasi pada lapisan penalaran yang buktinya paling kuat; seluruh ekosistem masih perlu secara bertahap membangun mekanisme pengendalian terdistribusi dalam hal node pendaftaran default, saluran rilis versi, norma keamanan, akses model, dan tata kelola komunitas jangka panjang.

Kredibilitas QVAC saat ini sepenuhnya bergantung pada hasil replikasi pihak ketiga. Jika skor benchmark MedPsy dapat direplikasi di lingkungan evaluasi eksternal, Tether akan benar-benar mewujudkan konsep "cadangan aset cerdas": model vertikal yang ringan, open-source, dan dapat dideploy secara lokal, cukup mampu bersaing dengan model besar berbasis cloud di segmen yang sangat sensitif.

Meskipun pengujian pihak ketiga mempersempit atau bahkan membalikkan kesenjangan skor, nilai infrastruktur QVAC tetap valid, hanya narasi kinerja model yang menjadi lemah. Pertanyaan utama industri tetap kembali pada hukum teknologi yang abadi: kemudahan ekstrem akan memicu konsentrasi kekuasaan, sedangkan kendali mandiri memerlukan biaya operasional.

Inilah nilai dari konsep fiksi ilmiah Asimov: psikosejarah dalam "Foundation" mempelajari hukum evolusi sistem kompleks besar di bawah tekanan; sementara Tether memberinya makna baru, dengan fokus pada bagaimana infrastruktur dapat bertahan terhadap monopoli terpusat.

Narasi fiksi ilmiah memiliki cakupan luas, teknologi masih berada di tahap awal penerapan, tetapi logika strategis keseluruhan jelas dan konsisten. Tether sedang membangun arsitektur AI yang berpusat pada operasi lokal, jaringan peer-to-peer, alat open-source, dan model ringan edge, dengan memanfaatkan arus kas berkelanjutan dari stablecoin terbesar di dunia, memperluas konsep otonomi stablecoin dari bidang moneter ke bidang kecerdasan.

Saat ini, industri tidak lagi mempertanyakan apakah raksasa stablecoin memiliki kekuatan untuk masuk ke bidang AI? Jawabannya jelas.

Masalah inti sebenarnya adalah, apakah QVAC dapat membangun model dan infrastruktur yang cukup kuat sehingga pengguna bersedia menerima tingkat operasional yang cukup tinggi demi kendali mandiri lokal?

MedPsy adalah ambang pertama yang dapat diukur. Hasil replikasi pihak ketiga akan menentukan apakah narasi psikosejarah QVAC hanyalah metafora fiksi ilmiah, atau secara resmi masuk ke jalur AI pinggiran utama dengan arsitektur dasar yang memiliki logika operasional lengkap.