Tether meluncurkan AI medis lokal di ponsel: model kecil 1,7B melampaui model besar 16 kali lipat, benar-benar menghilangkan ketergantungan pada cloud

Menurut pemantauan Beating, tim riset AI dari penerbit USDT Tether hari ini mengumumkan peluncuran seri model bahasa medis QVAC MedPsy, yang dirancang khusus untuk perangkat dengan daya komputasi rendah seperti ponsel pintar dan perangkat wearable, sebagai AI medis lokal. Tanpa bergantung pada server cloud, model ini dapat dijalankan secara mandiri, dan melalui arsitektur yang efisien, mencapai kinerja yang jauh melampaui ukuran model: versi 1.7B parameter meraih skor rata-rata 62.62 pada tujuh standar pengujian medis tertutup, melampaui Google MedGemma-4B sebesar 11.42 poin, dan mengalahkan MedGemma-27B yang hampir 16 kali lebih besar dalam skenario klinis nyata seperti HealthBench Hard; versi 4B parameter mencapai skor lebih tinggi yaitu 70.54, secara menyeluruh melampaui model yang lebih besar, sekaligus secara signifikan mengurangi konsumsi token inferensi (hingga 3.2 kali lipat), dan dirilis dalam format kuantisasi GGUF (sekitar 1.2GB untuk 1.7B), cocok untuk penerapan di perangkat mobile dan edge.

Peluncuran ini menantang asumsi tradisional bahwa “model yang lebih besar = performa yang lebih baik”, dengan fokus meningkatkan efisiensi melalui pelatihan medis bertahap (pengawasan, data inferensi klinis + pembelajaran penguatan), mewujudkan perlindungan privasi lokal yang sejati dan inferensi berlatensi rendah. CEO Tether, Paolo Ardoino, menyatakan bahwa ini memungkinkan AI medis untuk langsung memproses data sensitif di rumah sakit dan perangkat, tanpa perlu mengirimkan data ke cloud, sehingga mengurangi biaya, latensi, dan risiko privasi, berpotensi merevolusi infrastruktur AI medis dan mendorong adopsi lokal secara global, terutama di daerah berkembang.