Tether, Cihaz Üzerinde Yapay Zeka İçin 460 Milyon Parametreli Görsel Modeli Açık Kaynak Hale Getiriyor

Tether Data, bulut sunuculara değil doğrudan akıllı telefonlarda çalışmak üzere tasarlanmış 460 milyon parametreli bir görsel-dil modelini açık kaynak hale getirdi.

Kurumun AI araştırma kolundan Çarşamba günü yayınlanan QVAC, VisionPsy-Nano, resimleri, belgeleri ve grafikleri inceleyebilir ve kaynak materyali uzak bir sisteme göndermeden sorulara cevap verebilir. Telefon hem girdiyi hem de yanıtı işler; bu sayede yazılım çevrimdışı çalışabilir ve verileri cihazda tutar.

QVAC, Tether AI Research’in modelinin, 500 milyondan az parametreye sahip olan görsel-dil sistemleri arasında en yüksek genel puanı kaydettiğini belirtiyor. 17 test setinde, rakip modelleri 16'sında geçti.

Model, Liquid AI’nin LFM2.5-VL-450M için 59,6 ve Hugging Face’in SmolVLM2-500M için 52,5 ile karşılaştırıldığında 62,3 normalleştirilmiş puanı yayınladı. QVAC’ın daha önceki nanoVLM-460M-8k temel modeli 54,9 puan aldı.

Tether Verisi iki versiyonda yayınlanır. Standart build, doğruluğa öncelik verirken, Flash daha hızlı yanıtlar için küçük bir kalite kaybına katlanır. QVAC, Flash'ın SmolVLM2-500M'in Android telefonlarda %99'a yakın performansını korurken ilk çıktısını 23 kat daha hızlı, iPhone 15'te ise 36 kat daha hızlı ürettiğini söylüyor.

Cep cihazlarında yanıt süresi önemlidir. Küçük bir model testlerde iyi puan alabilir ancak kullanıcılar cihazın bir görüntüyü işlerken beklerken pratik olmayabilir. Flash, bu ilk gecikmeyi azaltmak için tasarlanmıştır.

Yapay zeka (AI) sistemi belge analizini ve optik karakter tanımayı da destekler, finansal raporlardan, akış şemalarından ve bilgi grafiklerinden metin ve yapı çıkarır.

QVAC, görsel muhakeme testlerinde benzer boyutlara sahip rakipleri ortalama %7,4 oranında geçti. Ayrıca Qwen ve InternVL'den yapılan sürümleri de içeren MM-IFEval ve POPE testlerinde, boyutunun iki katından fazla olan modelleri de geçti.

Veri merkezinden bir telefona görüntü işleme taşınması, bellek, ısı, pil tüketimi ve hesaplama gücü etrafında sıkı sınırlar getirir. Kompakt modeller genellikle düz metinleri işler ancak yoğun grafikleri, tabloları veya taranmış belgeleri okurken doğruluk kaybeder.

QVAC’in referans sonuçları, modelin bu yeteneğin büyük bir kısmını korurken tüketici cihazları için yeterince küçük kalacağını göstermektedir. Yerel işleme aynı zamanda belgelerin yüklenmesini gerekli kılmaz ve yazılım, ağ bağlantısı olmadan çalışmaya devam edebilir.

Geliştiriciler, modeli Hugging Face Transformers, llama.cpp için kantize edilmiş GGUF sürümü veya daha yüksek hacimli sunucu kullanımı için vLLM arka ucundan erişebilir.

QVAC, VLMEvalKit aracılığıyla referans yapılandırmalarını da yayınladı ve dışarıdaki araştırmacıların testleri tekrarlamasını sağladı. İki sürüm de Apache 2.0 lisansını kullanır, bu da ticari kullanım, değiştirme ve yeniden dağıtımı izinler.

Tether CEO Paolo Ardoino, çıkışı şirketin yerel ve verimli yapay zeka sistemlerine doğru olan çabasını desteklediğini söyledi.

Ardoino, "Genel görsel görevlerde sadece 460 milyon parametre ile en iyi kalite ve performansı elde etmek, yerel-öncelikli, yüksek verimli yapay zekânın geçerli bir yol olduğunu kanıtlamaktadır," dedi.

Model, Ekim 2025'ten itibaren birçok QVAC sürümünü takip eder; bunlar arasında sentetik eğitim veri kümeleri, çoklu platformlu yazılım geliştirme kiti ve telefonlar ile takılabilir cihazlar için tasarlanmış tıbbi modeller yer alır.

Geliştiriciler için sürüm, kullanım tabanlı API maliyetleri olmadan çevrimdışı görüntü analizi sunar. İşletmeler, hassas belgeleri cihazda tutabilirken, tüketiciler sinyal olmadan AI özelliklerini kullanabilir. Araştırmacılar, yayınlanan yapılandırmaları kullanarak şirketin performans iddialarını bağımsız olarak test edebilir.

Tether, USDT stablecoin işiyle elde ettiği karlarla AI genişlemesini finanse etti. Ayrıca, değeri 1,4 milyar dolara kadar olan NEURA Robotics'te Series C yatırımı da dahil olmak üzere AI altyapısı, biyoteknoloji ve robotik alanlarına yatırım yaptı.