Tether Data 已開源了一個擁有 4.6 億參數的視覺-語言模型，可直接在智慧型手機上運行，而無需依賴雲端伺服器。
重點摘要
- Tether 的 QVAC 單元於 2026 年 7 月 29 日開源了一個 4.6 億參數的視覺模型。
- 該模型在 17 項基準測試中的 16 項中擊敗了 Liquid AI 和 Hugging Face 的競爭對手。
- 其 Flash 版本在 iPhone 15 上的運行速度比 SmolVLM2-500M 快達 36 倍。
由該公司的人工智慧研究部門於週三發布，QVAC VisionPsy-Nano 可檢視圖片、文件和圖表，並在不將原始資料發送到遠端系統的情況下回答問題。手機同時處理輸入與回應，使軟體可在離線狀態下運行，並將資料保留在裝置上。
QVAC 表示，Tether AI 研究的模型在參數少於 5 億的視覺-語言系統中獲得了最高的總分。在 17 個基準測試中，它在 16 個中勝過了競爭模型。
它如何比較
該模型的歸一化分數為 62.3，高於 Liquid AI 的 LFM2.5-VL-450M 的 59.6 和 Hugging Face 的 SmolVLM2-500M 的 52.5。QVAC 早期的 nanoVLM-460M-8k 基礎模型分數為 54.9。
The Tether Data 的發布有兩個版本。標準版優先考慮準確性，而 Flash 版則為更快的響應速度而犧牲少量品質。QVAC 表示，Flash 保留了完整模型約 99% 的性能，其首次輸出在 Android 手機上比 SmolVLM2-500M 快達 23 倍，在 iPhone 15 上則快達 36 倍。
在行動硬體上，回應時間至關重要。一個緊湊的模型可能在測試中表現良好，但如果用戶必須等待設備處理圖像，仍會感覺不實用。Flash 的設計旨在減少這種初始延遲。
人工智慧（AI）系統亦支援文件分析與光學字元辨識，從財務報告、流程圖和資訊圖表中提取文字與結構。
QVAC 表示，該模型在視覺推理測試中平均比同規模的競爭對手高出 7.4%。它在 MM-IFEval 和 POPE 上的表現也優於尺寸超過其兩倍的模型，包括來自 Qwen 和 InternVL 的版本。
為何小巧的體積至關重要
將影像處理從資料中心移至手機會對記憶體、熱量、電池使用和運算能力施加嚴格限制。緊湊型模型通常能處理純文字，但在讀取密集的圖表、表格或掃描文件時準確度會下降。
QVAC 的基準測試結果顯示，該模型在保持足夠小巧以適用於消費級設備的同時，仍保留了大部分此類能力。本地處理意味著無需上傳文件，且軟件可在無網絡連接的情況下繼續運作。
專為多種部署選項而設計
開發者可以透過 Hugging Face Transformers、適用於 llama.cpp 的量化 GGUF 版本，或適用於高流量伺服器使用的 vLLM 後端來存取該模型。
QVAC 也透過 VLMEvalKit 發布了其基準配置，讓外部研究人員能夠重複測試。兩個版本均採用 Apache 2.0 許可證，允許商業使用、修改和重新分發。
Tether 更廣泛的人工智慧策略的一部分
Tether 執行長 Paolo Ardoino 表示，此發佈支援公司對於本地化、高效能 AI 系統的推進。
Ardoino 表示：“僅以 4.6 億參數就實現了通用視覺任務的業界頂尖品質與效能，證明了以本地為先、高度高效的 AI 是一條可行的路徑。”
該模型遵循自2025年10月起的多個QVAC版本發布，包括合成訓練數據集、跨平台軟件開發工具包，以及專為手機和可穿戴設備設計的醫療模型。
對於開發者而言，此版本提供離線影像分析，且無使用量基礎的 API 費用。企業可將敏感文件保留在裝置上，而消費者則可在無訊號情況下使用 AI 功能。研究人員可使用公佈的設定獨立測試該公司的效能聲稱。
Tether 已利用其 USDT 穩定幣業務的利潤為其 AI 擴張提供資金，並投資於 AI 基礎設施、生物技術和機器人技術，包括對 NEURA Robotics 的 C 輪投資，估值高達 14 億美元。