Tether запускает компактный edge AI для моделей медицинского рассуждения

• Tether запускает компактные модели MedPsy AI, работающие локально, снижая зависимость от облачных систем.
• Новые модели MedPsy показывают сильные результаты по эталону, уделяя особое внимание конфиденциальности и более быстрому медицинскому рассуждению.
• Edge-ориентированный дизайн искусственного интеллекта направлен на снижение затрат, повышение скорости и поддержку больниц, работающих с конфиденциальными данными.

Tether выпустила новые модели медицинского ИИ, которые могут работать напрямую на телефонах, ноутбуках и локальных серверах без зависимости от облачных систем. Исследовательская команда компании в области искусственного интеллекта представила QVAC MedPsy в версиях с 1,7 миллиардом и 4 миллиардами параметров, предназначенные для выполнения задач медицинского рассуждения при сохранении всех данных на устройстве.

В официальном релизе компания сообщила, что модели в основном нацелены на больницы, клиники и разработчиков, которым нужна более быстрая обработка и более строгий контроль над информацией о пациентах.

Tether отметила, что модели конкурируют с более крупными облачными системами в медицинских испытаниях, несмотря на их меньшие размеры. Также отмечается, что версия 1.7B превосходит нескольких средних конкурентов по клиническим показателям. Кроме того, модель 4B показывает более высокие результаты, чем некоторые гораздо более крупные системы, в отдельных медицинских оценках.

Прорыв в области медицинского рассуждения в области ИИ на периферии

Tether разработала модели MedPsy так, чтобы они работали непосредственно на периферийных устройствах без зависимости от облачной инфраструктуры. Компания заявила, что такая схема снижает задержки и повышает конфиденциальность при обработке медицинских данных. Модель 1.7B также превзошла MedGemma-1.5-4B-it от Google на 11,42 пункта в тестах на бенчмарке. Кроме того, он показал высокие результаты в HealthBench и других клинических оценках.

Версия 4B также показала более высокие баллы, чем MedGemma-27B-text-it по нескольким медицинским тестам. Также были зафиксированы улучшения в бенчмарках MedXpertQA и HealthBench Hard. Tether сообщил, что обучал модели с помощью подкреплённого обучения в сочетании с отображёнными клиническими данными. По словам компании, этот подход повышает точность сложных задач медицинского рассуждения.

Прирост бенчмарков по сравнению с более крупными моделями

QVAC MedPsy показала высокие результаты по нескольким медицинским показателям, включая MedQA, MedMCQA и PubMedQA. Он также хорошо показал себя на наборах данных AfriMedQA и MMLU health, которые проверяют медицинские знания в различных регионах и случаях применения.

Tether отметил, что система использует меньше токенов на ответ, что помогает снизить вычислительные затраты и повысить скорость. Модель 1.7B в среднем содержит около 1 110 токенов на ответ, тогда как версия 4B в тестах составляет около 909 токенов. В результате компания утверждает, что модели могут эффективно работать на стандартном больничном оборудовании. Также она предоставляет сжатые версии для мобильных и периферийных устройств.

Влияние на приватность и затраты в здравоохранении

Tether отметил, что локальное использование моделей ИИ может снизить риски конфиденциальности, связанные с облачными медицинскими системами. Также отмечается, что обработка на месте помогает больницам управлять конфиденциальными данными пациентов без отправки их на внешние серверы.

Кроме того, компания недавно сообщила о сильных финансовых показателях и стабильном обращении своего стейблкоина USDT. Также компания заявила, что продолжает сотрудничать с регуляторами, включая такие меры, как заморозка кошельков и подготовку к аудитам.

Связано: ОАЭ выпускает регулируемые рельсы для обмена стейблкоинов в дирхаме и долларе