要闻列表Tether 的 Medical AI 可在您的手機上運行,且性能優於其 16 倍大的模型
Decrypt2026-05-07 15:01:23USDT

Tether 的 Medical AI 可在您的手機上運行,且性能優於其 16 倍大的模型

ORIGINALTether's Medical AI Runs on Your Phone and Outperforms Models 16x Its Size
AI 影响分析Grok 分析中...
📄完整原文· 由 trafilatura 自动抓取Gemini 翻譯4100 字
简讯 - Tether 拥有 17 亿参数的 QVAC MedPsy 在 HealthBench Hard 测试中表现优于 Google 的 MedGemma-4B,并击败了 MedGemma-27B。该基准测试由 OpenAI 开发,通过 262 名医师评分来评估真实的临床对话。 - 该 40 亿参数模型生成响应的平均 token 数约为 909,而同类系统约为 2,953——减少了 3.2 倍,使得在医院本地和移动端部署变得切实可行。 - 模型以量化 GGUF 格式发布(1.2 GB 和 2.6 GB),无需云基础设施,可完全在消费级硬件上运行。 以 USDT 闻名的稳定币公司 Tether 刚刚发布了一款可以装进口袋的医疗 AI 模型,其性能可能超过比它大十几倍的竞争对手。QVAC MedPsy 今日由 Tether 的 AI Research Group 发布,这是一类专为在智能手机、可穿戴设备和边缘设备上运行而设计的新型医疗语言模型,无需云端支持。 核心数据:一个仅 17 亿参数的微型模型,尽管体积不到 Google MedGemma-4B 的一半,却能在医疗基准测试中击败后者。在 HealthBench Hard(OpenAI 的基准测试,通过 262 名医师对真实的、多轮临床对话进行评分)上,Tether 表示其 17 亿参数的模型得分超过了体积近 16 倍的 MedGemma-27B。 参数是模型在训练过程中学习到的所有配置和数值。理论上,参数越多,模型性能应该越好。 该测试套件涵盖了 MedQA-USMLE(使用美国医师执照考试风格的问题来衡量临床知识,以准确率百分比评分)以及 AfriMedQA(专门测试针对非洲医疗服务不足地区的性能)。 Tether CEO Paolo Ardoino 将这些进步归功于效率而非规模。“通过 QVAC MedPsy,我们的重点是在模型层面提高效率,而不是单纯扩大规模,”他在一份声明中表示。“我们的 40 亿参数模型在响应时使用的 token 数减少了多达三倍,同时其结果超过了体积近七倍的模型。” 这种 token 效率是另一个核心亮点。4B 模型平均每个响应约 909 个 token,而同类系统为 2,953 个——减少了 3.2 倍。更少的 token 意味着更低的计算成本、更快的响应速度,最重要的是,能够在没有云后端的情况下在本地运行。 “你可以在数据现有的地方,即医院系统内部或设备上运行医疗推理,而无需通过云端传输敏感信息,也不必等待外部处理,”Ardoino 说。 这些模型以量化 GGUF 文件形式发布——17 亿参数模型为 1.2 GB,40 亿参数模型为 2.6 GB——压缩版本在保留大部分基准测试性能的同时,可以适配标准的消费级硬件。这意味着医院系统、乡村诊所或个人临床医生可以完全在设备上运行该模型,使患者记录远离第三方云基础设施,避免 HIPAA 暴露风险。 隐私优势对某些人来说可能是一个重大加分项,但即使以今天的标准来看,使用 AI 提供医疗意见也远非理想。牛津大学二月份发表的一项研究发现,LLM 经常给出危险的医疗建议,包括错误的答案、令人困惑的指导以及对细微症状处理不当。研究人员并未完全否定这项技术,但认为 AI 的角色应该是“秘书,而非医师”。合规性问题加剧了这一困境:目前大多数医疗 AI 将患者数据通过云服务器路由,医生每次输入查询时都会产生 HIPAA 暴露风险。 此次发布符合 Tether 过去一年的发展模式。上个月,该公司发布了 QVAC SDK,这是一个用于在 iOS、Android、Windows 和 Linux 上构建本地离线 AI 应用的开源工具包。在此之前,它还推出了 QVAC Health,这是一款将生物识别数据完全保留在设备上的消费者健康应用。MedPsy 是第一个专门针对临床推理训练的 QVAC 模型。 根据 Tether 自己的公告,医疗 AI 市场目前规模约为 360 亿美元,预计到 2033 年将超过 5000 亿美元。模型和 GGUF 权重现已在 qvac.tether.io/models 提供。
数据状态✓ 已抓取全文阅读原文(Decrypt)
🔍历史类似事件· 关键词 + 标的比对6 则
💡 目前用关键词 + 标的比对(MVP)· 之后会升级为 embedding 语义搜寻
原始信息
ID:92ee7db9f7
来源:Decrypt
发布:2026-05-07 15:01:23
分类:一般 · 导出分类 neutral
标的:USDT
社群投票:+0 /0 · ⭐ 0 重要 · 💬 0 留言