AI Medis Tether Berjalan di Ponsel Anda dan Mengungguli Model yang 16x Lebih Besar

📄Artikel lengkap· Diambil secara otomatis oleh trafilaturaGemini 翻譯4100 kata

Singkatnya - QVAC MedPsy 1,7 miliar parameter milik Tether mengungguli MedGemma-4B milik Google dan mengalahkan MedGemma-27B pada HealthBench Hard, sebuah benchmark OpenAI yang menguji percakapan klinis realistis yang dinilai oleh 262 dokter. - Model 4 miliar parameter menghasilkan respons dalam ~909 token dibandingkan ~2.953 untuk sistem sebanding—pengurangan 3,2x yang membuat penerapan di rumah sakit lokal dan seluler menjadi praktis. - Model dikirimkan dalam format GGUF terkuantisasi (1,2 GB dan 2,6 GB) dan berjalan sepenuhnya pada perangkat keras konsumen tanpa infrastruktur cloud. Tether, perusahaan stablecoin yang paling dikenal dengan USDT, baru saja merilis model AI medis yang muat di saku Anda dan mungkin mengungguli pesaing yang ukurannya lebih dari dua belas kali lipat. QVAC MedPsy diluncurkan hari ini dari Grup Riset AI Tether sebagai kelas baru model bahasa medis yang dirancang untuk berjalan di smartphone, perangkat wearable, dan perangkat edge—tanpa memerlukan cloud. Angka utama: model 1,7 miliar parameter yang sangat kecil yang mampu mengalahkan MedGemma-4B milik Google pada benchmark medis meskipun ukurannya kurang dari setengahnya. Pada HealthBench Hard—benchmark OpenAI yang mengevaluasi AI pada percakapan klinis multi-putaran yang realistis dan dinilai oleh 262 dokter—Tether mengatakan model 1,7 miliar parameternya mengungguli MedGemma-27B, model yang ukurannya hampir enam belas kali lebih besar. Parameter adalah semua konfigurasi dan nilai yang dipelajari model selama pelatihan. Secara teori, semakin banyak parameternya, semakin baik modelnya. Rangkaian pengujian mencakup MedQA-USMLE, yang mengukur pengetahuan klinis menggunakan pertanyaan gaya ujian lisensi medis AS yang dinilai sebagai persentase akurasi, hingga AfriMedQA, yang menguji kinerja secara khusus untuk konteks layanan kesehatan Afrika yang kurang terlayani. CEO Tether Paolo Ardoino mengaitkan peningkatan tersebut dengan efisiensi, bukan skala. "Dengan QVAC MedPsy, fokus kami adalah meningkatkan efisiensi di tingkat model, alih-alih meningkatkan ukuran," katanya dalam sebuah pernyataan. "Model 4 miliar kami melampaui hasil dari model yang ukurannya hampir tujuh kali lipat, sambil menggunakan hingga tiga kali lebih sedikit token per respons." Efisiensi token tersebut adalah berita utama lainnya. Model 4B rata-rata menghasilkan sekitar 909 token per respons dibandingkan 2.953 untuk sistem sebanding—pengurangan 3,2x. Lebih sedikit token berarti biaya komputasi lebih rendah, respons lebih cepat, dan yang terpenting, kemampuan untuk berjalan secara lokal tanpa backend cloud. "Anda dapat menjalankan penalaran medis di tempat data sudah ada, di dalam sistem rumah sakit atau pada perangkat, tanpa memindahkan informasi sensitif melalui cloud atau menunggu pemrosesan eksternal," kata Ardoino. Model-model tersebut dikirimkan sebagai file GGUF terkuantisasi—1,2 GB untuk model 1,7 miliar parameter dan 2,6 GB untuk model 4 miliar—dengan versi terkompresi yang mempertahankan sebagian besar kinerja benchmark sambil tetap muat di perangkat keras konsumen standar. Itu berarti sistem rumah sakit, klinik pedesaan, atau dokter individu dapat menjalankan model sepenuhnya pada perangkat, menjaga catatan pasien tetap berada di luar infrastruktur cloud pihak ketiga dan jauh dari paparan HIPAA. Daya tarik privasi mungkin menjadi nilai tambah utama bagi sebagian orang, tetapi menggunakan AI untuk opini medis masih jauh dari ideal bahkan menurut standar saat ini. Sebuah studi Oxford yang diterbitkan pada bulan Februari menemukan bahwa LLM secara rutin memberikan saran medis yang berbahaya dengan jawaban yang salah, panduan yang membingungkan, dan penanganan gejala bernuansa yang buruk. Para peneliti tidak sampai menolak teknologi tersebut sepenuhnya, tetapi berpendapat bahwa AI memiliki peran sebagai "sekretaris, bukan dokter." Masalah kepatuhan memperburuk hal ini: Sebagian besar AI medis saat ini merutekan data pasien melalui server cloud, menciptakan paparan HIPAA setiap kali dokter mengetik kueri. Rilis ini sesuai dengan pola Tether selama setahun terakhir. Bulan lalu, mereka merilis QVAC SDK, toolkit open-source untuk membangun aplikasi AI lokal dan offline di iOS, Android, Windows, dan Linux. Sebelumnya, mereka meluncurkan QVAC Health, aplikasi kesehatan konsumen yang menyimpan data biometrik sepenuhnya di perangkat. MedPsy adalah model QVAC pertama yang dilatih khusus untuk penalaran klinis. Pasar AI medis saat ini bernilai sekitar $36 miliar, dengan proyeksi mencapai lebih dari $500 miliar pada tahun 2033, menurut pengumuman Tether sendiri. Model dan

Status data✓ Teks lengkap telah diambilBaca artikel asli (Decrypt)

🔍Peristiwa serupa dalam sejarah· Pencocokan kata kunci + aset6 berita

2026-05-08

Tether menuntut Titan Holding di Brasil untuk memulihkan pinjaman gagal bayar sebesar $300 juta

Tingkat kemiripan 280%標的 USDT關鍵字 tether

2026-05-08

Data BlockSec menunjukkan Tether membekukan lebih dari $500 juta USDT dalam 30 hari

Tingkat kemiripan 280%標的 USDT關鍵字 tether

2026-05-03

Senator mendesak Lutnick dan Tether terkait pinjaman yang dikaitkan dengan transfer saham Cantor ke Trust

Tingkat kemiripan 280%標的 USDT關鍵字 tether

2026-05-02