테더가 모바일 로컬 의료 AI를 출시했습니다: 1.7B 스몰 모델이 16배 큰 모델을 능가하여 완전히 클라우드 의존성에서 벗어났습니다

최근 팽창 Beating의 모니터링에 따르면, USDT 발행사 테더의 AI 연구팀이 오늘 QVAC MedPsy 시리즈 의료 언어 모델을 발표했으며, 스마트폰, 웨어러블 기기 등 저 연산력 단말기용으로 설계된 로컬라이즈된 의료 AI를 제공합니다. 클라우드 서버에 의존하지 않고 실행되며, 효율적인 아키텍처를 통해 모델 크기를 크게 초월한 성능을 실현했습니다: 17억 개의 매개변수 버전은 7가지 폐쇄형 의료 벤치마크에서 평균 62.62의 점수를 얻으며 Google MedGemma-4B를 11.42점 넘어섰으며, HealthBench Hard 등의 실제 임상 시나리오에서 27B의 MedGemma의 거의 16배나 되는 매개변수 양을 이긴 바 있습니다; 4B 매개변수 버전은 70.54의 더 높은 점수를 기록하여 더 큰 모델을 전면적으로 능가하며, 동시에 추론 토큰 소비를 크게 감소시켜줍니다(최대 3.2배), 그리고 GGUF 형식으로 공개되어, 모바일 및 엣지 배포에 적합합니다.

이 발표는 "큰 모델 = 더 나은 성능"의 전통적인 가정에 도전하며, 의료 후 단계적 훈련 (지도, 임상 추론 데이터 + 강화 학습)을 통해 효율성을 향상시켜 진정한 로컬 프라이버시 보호 및 지연시간을 최소화한 추론을 실현했습니다. 테더 CEO인 Paolo Ardoino는 의료 AI가 병원 내부에서, 장비 단에서 민감한 데이터를 직접 처리할 수 있게 함으로써, 클라우드로 전송할 필요가 없어지며, 이를 통해 비용, 지연 및 프라이버시 위험을 줄이고, 전 세계적으로 특히 개발도상국에서 로컬라이제이션 배포를 촉진하여 의료 AI 인프라를 혁신할 수 있을 것이고 기대합니다.