据 动察 Beating 监测，USDT 发行商 Tether 今日宣布：其 AI 研究团队正式推出 **QVAC MedPsy 医疗语言模型系列**。该系列专为**智能手机、可穿戴设备等低算力终端**打造，主打“本地运行”的医疗 AI 体验——**无需依赖云端服务器即可直接使用**。
—
## 性能“超出体量”，1.7B 也能打穿大模型
Tether 表示，QVAC MedPsy 通过高效架构实现了**远超模型大小的性能表现**，其中：
### 1.7B 参数版本
– 在 **七项封闭式医疗基准**上平均得分：**62.62**
– **超过 Google MedGemma-4B**：提升 **11.42 分**
– 在 **HealthBench Hard** 等更贴近真实临床的场景中表现更强
– 结果显示其能力可**击败参数量接近 16 倍的 MedGemma-27B**
### 4B 参数版本
– 得分达到：**70.54**
– 全面超越更大规模模型
– 同时显著降低推理成本：**最高减少 3.2 倍推理 token 消耗**
– 并以 **量化 GGUF 格式**发布
—
## 适配移动端与边缘部署：体积更友好
在发布形式上，QVAC MedPsy 针对移动与边缘计算做了优化：
– **1.7B 约 1.2GB**（量化 GGUF）
– 可更轻松部署在移动端与边缘设备
– 面向低延迟、离线可用等需求进行了工程化适配
—
## 重新定义“更大模型=更好”的传统思路
此次发布的一大看点，是它对行业常见结论的挑战：**并非模型越大就越强**。QVAC MedPsy 强调通过**分阶段医疗后训练**来提升效率，路径包括：
– **监督学习**
– **临床推理数据训练**
– **强化学习（强化目标优化）**
这种方式让模型在更小体量下保持高能力，进而实现**真正的本地隐私保护与更低延迟推理**。
—
## 医疗数据不必上云：隐私、成本与延迟同时受益
Tether CEO **Paolo Ardoino** 表示，医疗 AI 能在医院本地或设备端直接处理敏感数据，意味着：
– 数据**无需传输到云端**
– 可有效降低**隐私风险**
– 同时减少对网络依赖带来的**延迟**
– 并有机会降低整体部署成本
他认为，这可能推动医疗 AI 的基础设施发生变化，让**本地化部署**在全球范围尤其是**欠发达地区**更容易落地与普及。
原创文章，作者：admin，如若转载，请注明出处：https://www.23btc.com/178858/
