Tetherがモバイル向けローカル医療AIを発表：1.7Bの小さなモデルが16倍の大きなモデルを凌駕し、完全にクラウド依存性から脱却

根據 Donkatsu Beating 的監測，USDT 發行者 Tether 的人工智能研究團隊今日宣布推出 QVAC MedPsy 系列醫療語言模型，專為智慧型手機、可穿戴裝置等低算力終端設計的本地化醫療人工智能。無需依賴雲端伺服器即可運行，通過高效架構實現了遠超模型大小的性能：1.7B 參數版本在七項封閉式醫療基準上平均得分 62.62，超過 Google MedGemma-4B 達 11.42 分，並在 HealthBench Hard 等真實臨床場景中擊敗了參數量大近 16 倍的 MedGemma-27B；4B 參數版本得分更高達 70.54，全面超越更大模型，同時大幅減少推理 token 消耗（最高 3.2 倍），並以量化 GGUF 格式發布（1.7B 約 1.2GB），適合移動和邊緣部署。

這一發布挑戰了「更大模型=更好性能」的傳統假設，重點通過分階段醫療後訓練（監督、臨床推理數據 + 強化學習）提升效率，實現真正的本地隱私保護和低延遲推理。Tether CEO Paolo Ardoino 表示，這讓醫療人工智能能在醫院本地、設備端直接處理敏感數據，無需傳輸至雲端，從而降低成本、延遲和隱私風險，有望重塑醫療人工智能的基礎設施，推動本地化部署在全球尤其是欠發達地區的普及。