Theo dõi Ti Beating, đội ngũ nghiên cứu AI của Tether, nhà phát hành USDT, đã công bố hôm nay ra mắt loạt mô hình ngôn ngữ y tế QVAC MedPsy, dành cho trí tuệ nhân tạo y tế cục bộ được thiết kế cho các thiết bị có khả năng tính toán thấp như điện thoại thông minh, thiết bị đeo được. Không cần phụ thuộc vào máy chủ đám mây để chạy, thông qua kiến ​​trúc hiệu quả đã đạt hiệu suất vượt trội so với kích thước mô hình: phiên bản 1.7 tỷ tham số đạt điểm số trung bình là 62.62 trên bảy tiêu chí đóng cửa y tế, vượt qua Google MedGemma-4B đến 11.42 điểm, và chiến thắng trong các tình huống lâm sàng thực sự như HealthBench Hard với mô hình MedGemma-27B gần 16 lần số tham số; phiên bản 4 tỷ tham số đạt điểm số cao 70.54, vượt trội toàn diện so với các mô hình lớn hơn, đồng thời giảm đáng kể lượng token suy luận (cao nhất 3.2 lần), và được phát hành dưới dạng định dạng GGUF dạng số hóa (1.7B khoảng 1.2GB), phù hợp cho triển khai di động và cạnh tranh.

Việc công bố này đã thách thức giả thuyết truyền thống "mô hình lớn hơn = hiệu suất tốt hơn", tập trung vào cải thiện hiệu quả thông qua huấn luyện sau y tế phân đoạn (dữ liệu huấn luyện giám sát, lâm sàng + học tăng cường), đạt hiệu quả thực sự với bảo vệ quyền riêng tư cục bộ và suy luận trễ thấp. Giám đốc điều hành của Tether, Paolo Ardoino, cho biết, điều này cho phép trí tuệ nhân tạo y tế xử lý trực tiếp dữ liệu nhạy cảm tại các bệnh viện địa phương, thiết bị mà không cần truyền dữ liệu lên đám mây, từ đó giảm chi phí, độ trễ và rủi ro quyền riêng tư, kỳ vọng tạo cơ sở hạ tầng trí tuệ nhân tạo y tế mới, thúc đẩy việc triển khai cục bộ trên khắp thế giới đặc biệt là ở các khu vực đang phát triển.