根据 Tether 于 7 月 29 日发布的官方消息,该公司 AI 研究部门 QVAC 开源了 VisionPsy-Nano,这是一种拥有 4.6 亿参数的视觉-语言模型,用于设备端的图像与文档分析。该模型的归一化得分为 62.3,在 17 项基准测试中有 16 项超过 Liquid AI 的 LFM2.5-VL-450M(59.6)以及 Hugging Face 的 SmolVLM2-500M(52.5)。
Flash 版本优先考虑速度:在 iPhone 15 上,其性能相较 SmolVLM2-500M 保留约 99%,同时响应速度最高可快 36 倍。该模型支持移动设备离线运行,使文档分析与光学字符识别无需将数据上传至远程服务器。两种版本均以 Apache 2.0 许可证通过 Hugging Face Transformers 和 llama.cpp 提供。