Tether запускає QVAC — локальну платформу штучного інтелекту для конкуренції з хмарними моделями

Чи зможе QVAC створити достатньо потужну модель, щоб користувачі були готові прийняти помірний поріг обслуговування для локального самоконтролю?

Автор: Ліам Акіба Райт

Переклад: Luffy, Foresight News

Новий проект Tether QVAC починається з ідеї, що дуже рідка для компаній зі стабільними монетами. Компанія описує свої QVAC Psy як серію «базових моделей, заснованих на принципах психоісторики».

Поняття психоісторії походить з класичного науково-фантастичного циклу «Фундамент» Ісаака Азімова. Головний герой книги Гарі Сітон використовує математику, статистику та соціальну динаміку, щоб передбачити поведінку великих груп людей і скоротити темні віки після розпаду Галактичної імперії.

Енциклопедія наукової фантастики визначає психоісторію, зображену Азімовим, як вигадану науку; сукупність планів Гаррі Сіттона спрямована на передбачення майбутніх подій і збереження людських знань та цивілізації під час розпаду соціальних систем.

Tether цим висловом фактично упаковує свою корпоративну місію у науково-фантастичній мові.

Завдяки активам у резерві, ліквідності та здатності до розподілу через канали, Tether створила найбільшу в індустрії криптовалют систему стабільних монет; зараз вона повторює цю базову логіку в галузі штучного інтелекту.

USDT стабільна монета є основним активом резерву Tether; а обчислювальна потужність, моделі ШІ, набори даних та інтелектуальні здібності, здатні працювати поза централизованим хмарним середовищем, стають другим основним активом резерву Tether.

Tether входить у сферу штучного інтелекту, продовжуючи логіку функціонування своїх основних бізнес-напрямків. USDT перетворює глобальний попит на офшорні долари США на портфель резервних активів, що складається переважно з короткострокових державних облігацій.

Згідно з звітом про аудит резервів Tether за перший квартал 2026 року, чистий прибуток компанії склав 1,04 млрд доларів США, розмір резервного буфера — 8,23 млрд доларів США, зобов’язання, пов’язані з токенами, — приблизно 183 млрд доларів США, а прямі та непрямі інвестиції в короткострокові казначейські облігації США — приблизно 141 млрд доларів США.

Міцна база резервів забезпечує Tether постійним доходом, достатньою ємністю балансу та можливістю інвестувати отриманий прибуток у довгострокову інфраструктуру.

Раніше CryptoSlate аналізував, що Tether завдяки своєму величезному обсягу стейблкоінів може стратегічно розподіляти резерви. У січні цього року Tether витратила кошти на придбання 8888 біткоеїв, що підтверджує можливість перетворення процентних доходів та операційного прибутку на довгостроковий попит на біткоеї. Проект QVAC розширює цю логіку розподілу активів на новий сектор — штучний інтелект.

Крім інвестицій у біткойн, золото, стартапи, енергетичний сектор, майнінг криптовалют та телекомунікаційну інфраструктуру, Tether офіційно робить велику ставку на штучний інтелект. Ця позиція дозволяє Tether перетворитися з простої емітентки приватної ліквідності долара США на будівника приватної цифрової інфраструктури.

Науково-фантастичний сюжет «психоісторії» ідеально відповідає цій стратегічній спрямованості: Tether розглядає штучний інтелект як цивілізаційну базову архітектуру, а не звичайний програмний сектор. Офіційні матеріали QVAC позиціонують себе як «безкінечну стабільну інтелектуальну платформу», зосереджуючись на децентралізованих інтелектуальних системах, що працюють локально, з метою відповідати та замінювати централізовані AI.

Бачення QVAC полягає в тому, що передача всіх інтелектуальних взаємодій централізованим серверам не лише повільна та нестабільна, а й супроводжується ризиком контролю та обмежень; QVAC прагне стати краєвою базовою платформою для індивідуальних інтелектуальних систем користувачів.

Ця ідея підтримує концепцію стабільних монет Tether. Обіг коштів не вимагає дозволу, користувачі зберігають контроль над своїми даними, а штучний інтелект працює локально, близько до користувача.

Але за фантастичними концепціями Азімова криється більш серйозна думка Tether: лише тоді, коли штучний інтелект набуде інфраструктурної стійкості та стійкості до ризиків, його цінність справді закріпиться.

Хоча великі моделі в хмарі мають більш високі загальні здібності, вони супроводжуються ризиками платформи, ціноутворення, політичного регулювання, затримки в мережі та ризиками маршрутизації даних; локальні AI-моделі, хоч і жертвують частиною продуктивності, забезпечують власність, конфіденційність та стабільність неперервної доступності.

Ця логіка компромісів добре узгоджується з ідеями криптоіндустрії. Самоконтроль, хоча й менш зручний, ніж хостинг на біржі, цінують лише після того, як відбуваються крахи бірж; локальний ІІ, хоча й менш зручний, ніж хмарні моделі, демонструє свої переваги, коли відбувається перерва в мережі, зміна API, блокування облікового запису або неможливість виведення даних.

Ключова відмінність QVAC полягає в нижчому архітектурному рівні. Лідери у сфері великих моделей — OpenAI, Anthropic, Google DeepMind, xAI — борються за універсальні здібності, кодові здібності, мультимодальну взаємодію, довготривале виведення контексту, застосунки агентів та розгортання в хмарі підприємств.

QVAC вибрав абсолютно інший напрямок: розгортання, захист приватності, низька затримка, компонуваність та здатність існувати незалежно від однієї платформи.

Офіційна документація QVAC визначає проект як відкриту, крос-платформу екосистему, що зосереджена на пріоритетному локальному виконанні та точка-до-точкових AI-застосуваннях, сумісну з усіма системами: Linux, macOS, Windows, Android та iOS. Користувачі можуть виконувати локально AI-завдання, такі як великі мовні моделі, розпізнавання мови та генерація з підсиленням пошуку (RAG), а також за допомогою вбудованої P2P-функції делегувати завдання виведення іншим вузлам пристроїв.

Це означає, що критерії порівняння QVAC радикально відрізняються від лідерів хмарних AI-моделей: передові AI прагнуть до найпотужніших універсальних моделей, які можуть надати централізовані сервіси; QVAC зосереджений на місці виконання міркувань, контролі над виконанням, збереженні даних локально на пристрої та здатності застосунку продовжувати функціонувати після відмови централізованого сервісу.

Tether запускає QVAC інструментарій розробки ПЗ (SDK) у квітні 2026 року, надаючи єдиний набір інструментів для розробників, що дозволяє створювати, запускати та доналаштовувати AI-застосунки на будь-яких пристроях, сумісних із усіма платформами без необхідності змінювати код.

QVAC SDK на основі уніфікованого абстрактного шару сумісний з різними локальними інженерами висновку, включаючи власний QVAC Fabric та розгалуження llama.cpp, а також інтегрує інструменти для обробки голосу та перекладу, такі як whisper.cpp, Parakeet та Bergamot.

Він вже вийшов за межі простої публікації окремої моделі і більше схожий на базову операційну систему штучного інтелекту. Відкрита екосистема ШІ зараз має велику кількість зрілих компонентів: Llama, Qwen, Mistral, Gemma, DeepSeek, Hugging Face, llama.cpp, Ollama та багато інших проектів локального висновку, які розвиваються в усіх напрямках.

Основна ідея QVAC полягає в тому, що розробникам терміново потрібен повний фреймворк для крайових пристроїв, який через єдиний інтерфейс інтегрує завантаження моделей, інференс, розпізнавання мови, OCR-розпізнавання тексту, переклад, генерацію зображення за текстом, пошук з підсиленням, P2P-розповсюдження моделей, делегований інференс та локальне доналаштування.

QVAC прагне стати базовою платформою для розподілу інтелектуальних обчислювальних потужностей, використовуючи постійно удосконалені локальні моделі середнього рівня, щоб захопити вхід у екосистему крайового ШІ.

QVAC Fabric є ядром повної архітектури технологій. Tether зазначає, що Fabric може виконувати доналаштування моделей на типовому споживчому обладнанні за допомогою Vulkan та Metal, підходячи для пристроїв Android з графічними процесорами Qualcomm Adreno та ARM Mali, пристроїв Apple з власними чіпами, а також комп’ютерів Windows та Linux з процесорами AMD, Intel та NVIDIA.

Одночасно використовується динамічна техніка розбиття для обмежень пам’яті мобільних пристроїв, а також підтримується процес тонкої настройки LoRA з прискоренням GPU та інструкційна настройка з втратами за маскою.

Якщо цей робочий процес буде підтверджений зовнішніми розробниками, його цінність значно перевищить звичайний випуск відкритих моделей: ваги моделі — це лише базовий рівень, а локальна персоналізована доналаштування — це основний доданий інкремент.

MedPsy — це перший впроваджений модельний продукт QVAC. Технічний звіт, опублікований 7 травня на Hugging Face, свідчить, що QVAC MedPsy — це мовна модель для медичної та охорони здоров’я, розроблена для розгортання на краю, і вона доступна у двох версіях: з 1,7 мільярда та 4 мільярдами параметрів.

Офіційно висунуто дуже революційне твердження: після строгого навчання на медичних спеціалізованих даних, малі моделі можуть перевершити великі медичні еталонні моделі, одночасно залишаючись сумісними з ноутбуками, висококласними мобільними пристроями та навіть смартфонами.

QVAC повідомляє, що MedPsy з 1,7 мільярдом параметрів показав середній результат 62,62 бала на семи закритих медичних тестах, що значно перевищує результат MedGemma-1.5-4B-it з 51,20 бала при менш ніж половині параметрів; MedPsy з 4 мільярдами параметрів показав середній результат 70,54 бала, трохи перевищивши MedGemma-27B-text-it з 69,95 бала при лише сьомій частині параметрів.

У тестах HealthBench та HealthBench Hard розрив ще більше збільшився: MedPsy-4B набрав 74,00 та 58,00 балів відповідно, тоді як MedGemma-27B-text-it — лише 65,00 та 42,67 бала.

Якщо ці результати можна буде відтворити з боку третьої сторони, це безпосередньо підтвердить основну ідею QVAC: у спеціалізованих високодоходних галузях легкі крайові моделі можуть конкурувати з надвеликими хмарними системами.

Процес навчання також відображає стратегію конкурентної переваги QVAC: MedPsy базується на моделі Qwen 3, використовуючи багатоетапне надзорне доналаштування та ітеративну оптимізацію за допомогою підсилення навчання на медичних запитаннях та відповідях; у ході експерименту було згенеровано понад 30 мільйонів синтетичних даних, застосовано двоетапне навчання за курсом та використано велику модель Baichuan M3-235B як вчителя для надзорного виведення довгих текстів.

Наразі навчальні дані не оприлюднені, що є ключовим питанням: всі зараз вражаючі результати на тестах походять від внутрішніх оцінок QVAC, і такі ключові питання, як наявність забруднення даних, діапазон покриття, структура підказок та вплив учительських моделей, потребують зовнішньої перевірки.

Переваги на рівні квантування виражені чітко; офіційно випущено квантовані версії GGUF, сумісні з llama.cpp та QVAC SDK. Використання квантування Q4_K_M дозволяє зменшити розмір моделі на 69%, при цьому середня втрата менше 1 балу. У найкращому компромісі між розміром та продуктивністю, модель з 4 мільярдами параметрів займає лише 2,72 ГБ, а версія з 1,7 мільярдами параметрів — лише 1,28 ГБ, що дозволяє легко розгорнути її на локальних пристроях.

Офіційний QVAC також надає попередження про ризики: MedPsy підтримує лише текстову взаємодію, працює лише англійською мовою, не призначений для клінічних екстрених ситуацій, має властиві великим моделям ілюзії, і розробники повинні забезпечити конфіденційність та безпеку користувачів у всій архітектурі застосунку.

Сфера медицини сама по собі має величезну потребу у локальному висновку, перспективи MedPsy виглядають обіцяюче; але лише після того, як зовнішні дослідники відтворять базові результати та протестують їх у реальних клінічних процесах, його потенціал можна буде справді підтвердити.

Суперечка між локальним ІІ та хмарним ІІ часто спрощується до вибору між приватністю та продуктивністю. QVAC перебудувала цю логіку, зводячи її до вибору між зручністю та правом на автономне керування.

Облачний ІІ відрізняється крайньою простотою використання: користувачі відкривають додаток, вводять команду й отримують результат — їм не потрібно турбуватися про ваги моделей, відеопам’ять пристроїв, параметри квантування, векторні вкладення чи сумісність середовища виконання — уся технічна складність лежить на платформі. Ця крайня зручність є ключовою причиною швидкого зростання централизованих ІІ-платформ: користувачі отримують доступ до найкращих інтелектуальних можливостей з мінімальним порогом входу.

QVAC вимагає від розробників та користувачів більше відповідальності за обслуговування, але забезпечує нову архітектуру безпеки: локальний офлайн-режим, працездатність без інтернету, зменшення витоків даних, відмова від залежності від API, а також інтеграцію каналів точка-точка для висновків та розповсюдження моделей.

Згідно з описом Tether SDK, застосунки з QVAC можуть стабільно працювати в умовах поганого з’єднання з інтернетом, навіть при повному відсутності підключення штучний інтелект продовжує працювати. У ранньому оголошенні QVAC 2025 року було додано: AI-агенти можуть безпосередньо розгортається на локальних пристроях, а пристрої взаємодіють між собою через P2P-мережу; у поєднанні з набором WDK це дозволяє AI-агентам автономно здійснювати торгівлю біткойнами та USDT.

Це саме повна верхньорівнева логіка Tether: кошти, обчислювальні потужності, агенти — усі вони дотримуються однієї й тієї ж парадигми автономного суверенітету.

Звичайно, його децентралізована історія не ідеальна. З урахуванням того, що користувачі можуть завантажувати моделі самостійно, запускати їх локально та зберігати чутливі дані на пристроях, QVAC досягає високого рівня децентралізації на рівні висновків, не передаючи контролю над кожним інструкцією взаємодії платформі, як це роблять хостовані API. За допомогою архітектури мережі Holepunch, QVAC також підтримує такі P2P-функції, як делегування висновків та децентралізований розподіл моделей, що робить його архітектуру суттєво інноваційною.

Проте на рівні управління зберігаються централізовані аспекти. QVAC повністю фінансується, названа та просувана Tether; флагманський застосунок, модельна система, дорожня карта SDK та концепція «стабільного інтелекту» керуються однією компанією.

Цей стан не суперечить його основній цінності — пріоритету локальності, а лише обмежує переваги децентралізації на рівні обчислень, які мають найбільш обґрунтовані докази; вся екосистема повинна поступово створити розподілені механізми управління щодо за замовчуванням зареєстрованих вузлів, каналів випуску версій, безпекових стандартів, допуску моделей та довгострокового спільнотного управління.

Сьогодні довіра до QVAC повністю залежить від результатів незалежного відтворення. Якщо результати базового тестування MedPsy можна відтворити в зовнішньому тестовому середовищі, Tether справді реалізує концепцію «розумного активного резерву»: легковагова, відкрита та локально розгортаєма модель у спеціалізованій галузі, здатна конкурувати з хмарними величезними моделями у високочутливих секторах.

Навіть якщо сторонні тести зменшать або навіть зворотять розрив у бенчмарках, інфраструктурна цінність QVAC залишається обґрунтованою, просто історія про продуктивність моделі буде слабшою. Остаточний виклик галузі знову повертається до вічного технологічного закону: максимальна зручність призводить до концентрації влади, тоді як автономний контроль вимагає витрат на обслуговування.

Ось у чому полягає цінність науково-фантастичних ідей Азімова: психоісторія з «Фундаменту» досліджує закономірності еволюції складних великих систем під тиском; а Tether надає їй нового змісту, зосереджуючись на тому, як інфраструктура може протистояти централізованому монополізму.

Науково-фантастична історія має масштабну структуру, технології ще на початковій стадії реалізації, але загальна стратегічна логіка є чіткою й логічною. Tether за допомогою постійного грошового потоку найбільшої у світі стабільної монети створює AI-архітектуру, засновану на локальному виконанні, мережі типу «точка-точка», відкритих інструментах та легких моделях на краю, розширюючи концепцію автономного суверенітету стабільної монети з фінансової сфери на інтелектуальну.

Сьогодні індустрія вже не запитує, чи мають великі стабільні монети потенціал для розгортання ШІ? Відповідь очевидна.

Справжнім ключовим питанням є те, чи зможе QVAC створити достатньо потужну модель та інфраструктуру, щоб користувачі були готові прийняти помірний поріг обслуговування для локального самоконтролю?

MedPsy — це саме перша вимірювана перешкода. Результати незалежної перевірки вирішать, чи буде психологічна історія QVAC лише науково-фантастичною метафорою, чи зможе вона офіційно увійти до основної архітектури AI-сектора на периферії з повним логічним підходом до функціонування.