Tether 的 QVAC 单元于 2026 年 7 月 29 日开源了 VisionPsy-Nano,这是一款拥有 4.6 亿参数的视觉模型。该模型在 17 项基准测试中的 16 项中胜过来自 Liquid AI 和 Hugging Face 的竞争对手。其 Flash 版本在 iPhone 15 上的运行速度最高可比 SmolVLM2-500M 快 36 倍。该发布支持 Tether 推动本地优先的 AI 系统:在不需要云端连接的情况下,直接在消费级设备上处理图像、文档和图表,并给出回答。
该公司 AI 研究部门 QVAC 于周三发布,VisionPsy-Nano 可分析图像、文档和图表,然后在不将源材料发送到远程系统的情况下回答问题。手机同时承担输入和响应处理,使软件可离线运行,并将数据保留在设备端。
VisionPsy-Nano 以 62.3 的基准得分对比竞争对手
QVAC 表示,Tether AI 研究团队的模型在参数少于 5 亿的视觉-语言系统中取得了最高的综合得分。该模型的归一化得分为 62.3,而 Liquid AI 的 LFM2.5-VL-450M 为 59.6,Hugging Face 的 SmolVLM2-500M 为 52.5。QVAC 先前的 nanoVLM-460M-8k 基座模型得分为 54.9。
QVAC 表示,该模型在视觉推理测试中平均比同量级竞争对手高出 7.4%。它还在 MM-IFEval 和 POPE 上胜过两倍以上规模的模型,其中包括来自 Qwen 和 InternVL 的发布。
Flash 版本在 iPhone 15 上带来 36x 速度提升
Tether Data 发布了两个版本:标准版优先考虑准确性,而 Flash 为了获得更快的响应会牺牲一点点画质。QVAC 表示,Flash 在产生首个输出时,其性能保留了完整模型的约 99%;在 Android 手机上比 SmolVLM2-500M 快最高 23 倍,在 iPhone 15 上快最高 36 倍。
将动态图像处理从数据中心移到手机会带来对内存、散热、电池使用和计算能力的严格限制。QVAC 的基准测试结果表明,该模型在保持足够小以适配消费级设备的同时,保留了大部分相关能力。
模型支持文档分析和 OCR 功能
该人工智能系统支持文档分析和光学字符识别(OCR),从财务报告、流程图和信息图中提取文本与结构。本地处理意味着文档不需要上传,软件也可以在无网络连接的情况下继续工作。
开发者可通过三种部署选项访问模型
开发者可通过 Hugging Face Transformers 访问该模型:一个用于 llama.cpp 的量化 GGUF 版本,或用于更高容量服务器使用的 vLLM 后端。QVAC 还通过 VLMEvalKit 发布了其基准配置,使外部研究人员能够复现测试。两种版本均使用 Apache 2.0 许可证,允许商业使用、修改和再分发。
Tether 以 USDT 稳定币利润为 AI 扩张融资
Tether 首席执行官 Paolo Ardoino 表示,该发布支持公司向本地、高效 AI 系统的转型。“在仅 4.6 亿参数的情况下,在通用视觉任务上实现一流的质量与性能,证明本地优先且高度高效的 AI 是一条可行路径,”Ardoino 表示。
该模型是在多次 QVAC 发布之后推出的,发布时间可追溯到 2025 年 10 月,包括合成训练数据集、跨平台软件开发工具包,以及为手机和可穿戴设备设计的医疗模型。Tether 已使用来自其 USDT 稳定币业务的利润为 AI 扩张融资。它还投资了 AI 基础设施、生物技术和机器人领域,包括对 NEURA Robotics 的 C 轮投资,估值最高可达 14 亿美元。
常见问题
Tether 的 QVAC 单元在 2026 年 7 月 29 日发布了什么?
Tether 的 QVAC 单元开源了 VisionPsy-Nano,这是一款拥有 4.6 亿参数的视觉模型,可在不需要云端连接的情况下直接在消费级设备上检查图像、文档和图表。该模型在 17 项基准测试中的 16 项中胜过来自 Liquid AI 和 Hugging Face 的竞争对手。
Flash 版本相比竞争模型快多少?
QVAC 表示,Flash 版本在保留约 99% 的完整模型性能的同时,其首个输出速度在 Android 手机上最高可比 SmolVLM2-500M 快 23 倍,在 iPhone 15 上最高可快 36 倍。
开发者如何访问 VisionPsy-Nano 模型?
开发者可通过 Hugging Face Transformers 访问该模型:一个用于 llama.cpp 的量化 GGUF 版本,或用于更高容量服务器使用的 vLLM 后端。两种版本均使用 Apache 2.0 许可证,允许商业使用、修改和再分发。