要聞列表Tether 的醫療 AI 可在您的手機上運行,且效能超越其 16 倍大的模型
Decrypt2026-05-07 15:01:23USDT

Tether 的醫療 AI 可在您的手機上運行,且效能超越其 16 倍大的模型

ORIGINALTether's Medical AI Runs on Your Phone and Outperforms Models 16x Its Size
AI 影響分析Grok 分析中...
📄完整原文· 由 trafilatura 自動擷取Gemini 翻譯4100 字
簡要說明 - Tether 擁有 17 億參數的 QVAC MedPsy 在 HealthBench Hard 測試中表現優於 Google 的 MedGemma-4B,並擊敗了 MedGemma-27B;該基準測試由 OpenAI 開發,透過 262 位醫師評分來測試真實臨床對話。 - 該 40 億參數模型的回應生成量約為 909 個 tokens,相較於同類系統的約 2,953 個 tokens,減少了 3.2 倍,這使得在醫院與行動裝置上的本地部署變得切實可行。 - 模型以量化 GGUF 格式(1.2 GB 與 2.6 GB)發布,可完全在消費級硬體上運行,無需雲端基礎設施。 以 USDT 聞名的穩定幣公司 Tether 剛剛發布了一款可放進口袋的醫療 AI 模型,其表現甚至可能超越體積大上十幾倍的競爭對手。QVAC MedPsy 於今日由 Tether 的 AI Research Group 發布,這是一類專為在智慧型手機、穿戴式裝置與邊緣裝置上運行而設計的醫療語言模型,完全無需雲端。 核心數據:這款僅 17 億參數的小型模型,儘管體積不到 Google MedGemma-4B 的一半,卻能在醫療基準測試中擊敗後者。在 HealthBench Hard(由 OpenAI 開發,透過 262 位醫師評分來評估 AI 在真實多輪臨床對話中表現的基準測試)上,Tether 表示其 17 億參數模型的得分高於體積大近 16 倍的 MedGemma-27B。 參數是指模型在訓練過程中學習到的所有配置與數值。理論上,參數越多,模型表現應越好。 測試套件涵蓋了 MedQA-USMLE(使用美國醫師執照考試風格的問題來衡量臨床知識,以準確率百分比計分),以及專門測試非洲醫療資源匱乏環境下表現的 AfriMedQA。 Tether CEO Paolo Ardoino 將這些進步歸功於效率而非規模。他在聲明中表示:「透過 QVAC MedPsy,我們的重點在於提升模型層級的效率,而非擴大體積。我們的 40 億參數模型在超越體積大近七倍的模型表現的同時,每個回應使用的 tokens 數量減少了多達三倍。」 這種 token 效率是另一個重點。4B 模型平均每個回應約 909 個 tokens,而同類系統為 2,953 個 tokens,減少了 3.2 倍。更少的 tokens 意味著更低的運算成本、更快的反應速度,以及最關鍵的——無需雲端後端即可在本地運行的能力。 Ardoino 說:「你可以在資料原本存在的地方,例如醫院系統內或裝置上進行醫療推理,而無需將敏感資訊傳輸到雲端,也不必等待外部處理。」 這些模型以量化 GGUF 檔案形式發布(17 億參數模型為 1.2 GB,40 億參數模型為 2.6 GB),壓縮版本在保留大部分基準測試效能的同時,能適配標準消費級硬體。這意味著醫院系統、鄉村診所或個別臨床醫師可以完全在裝置上運行該模型,使病患記錄遠離第三方雲端基礎設施,避免 HIPAA 風險。 隱私訴求對某些人來說可能是一大優勢,但即便以現今標準來看,使用 AI 提供醫療意見仍遠非理想。牛津大學二月發表的一項研究發現,LLM 經常提供危險的醫療建議,包括錯誤答案、混亂的指導以及對細微症狀處理不當。研究人員並未完全否定這項技術,但認為 AI 的角色應是「秘書,而非醫師」。合規問題更使其複雜化:目前大多數醫療 AI 會將病患資料透過雲端伺服器傳輸,這使得醫師每次輸入查詢時都會產生 HIPAA 風險。 此次發布符合 Tether 過去一年的發展模式。上個月,他們發布了 QVAC SDK,這是一個用於在 iOS、Android、Windows 和 Linux 上構建本地離線 AI 應用的開源工具包。在此之前,他們推出了 QVAC Health,這是一款將生物識別資料完全保留在裝置上的消費者健康應用程式。MedPsy 是第一個專門針對臨床推理訓練的 QVAC 模型。 根據 Tether 自己的公告,醫療 AI 市場目前規模約為 360 億美元,預計到 203
資料狀態✓ 已擷取全文閱讀原文(Decrypt)
🔍歷史類似事件· 關鍵字 + 標的比對6 則
💡 目前用關鍵字 + 標的比對(MVP)· 之後會升級為 embedding 語意搜尋
原始資訊
ID:92ee7db9f7
來源:Decrypt
發佈:2026-05-07 15:01:23
分類:一般 · 導出分類 neutral
標的:USDT
社群投票:+0 /0 · ⭐ 0 重要 · 💬 0 留言