Tether 的医疗人工智能比模型大 16 倍

@tether的人工智能研究小组成立 @qvac MedPsy 于周三发布了一系列医学语言模型，这些模型体积小巧，足以在智能手机上运行，​​但在临床测试中却能胜过体积大得多的竞争对手。

基准测试结果挑战了“规模优先”假设

MedPsy 有两种规格，分别为 1.7B 和 4B 参数，专为通过 QVAC 生态系统进行边缘部署而设计。 这款体积较小的1.7亿像素模型在七项医学测试中均以11.42分的优势击败了谷歌的MedGemma-4B。在要求更高的HealthBench Hard评估中，它甚至超越了体积是其16倍的MedGemma-27B模型。 4B 版本在封闭式医疗基准测试中得分 70.54，超过了 MedGemma-27B，尽管其体积小了近七倍，但在 HealthBench Hard（58.00 对 42.00）和 MedXpertQA（30.61 对 25.18）等实际健康场景中，差距进一步扩大。 4B 模型生成的响应使用的标记数量也减少了 3.2 倍，这表明在原始准确性之外，计算效率也得到了显著提高。

当前医学大型语言模型领域面临着能力与部署可行性之间巨大的权衡。谷歌的 MedGemma-27B 拥有出色的基准测试性能，但其 27 亿个参数使其完全无法在边缘部署，需要配备数十 GB 显存的 GPU。 Tether 的方法侧重于精心设计的训练方法，而不是蛮力规模。

为什么设备端部署对医疗保健至关重要

这些模型以 1.2 GB 和 2.6 GB 的量化格式发货，体积小到可以在智能手机或医院工作站上运行，而无需互联网连接。 医疗数据具有独特的敏感性。患者记录、诊断查询和临床笔记包含受保护的健康信息，这些信息受到严格的监管框架约束，例如美国的 HIPAA 和欧洲的 GDPR。目前主流的云端医疗人工智能模式要求这些数据离开用户设备，并在远程服务器上进行处理，这不仅带来了合规方面的负担，也造成了人工智能能力与患者隐私之间的根本冲突。 在本地运行推理完全消除了这一障碍。

首席执行官 @paoloardoino 此次发布被描述为有意选择效率而非规模，这与 Tether 通过 QVAC 平台大力推进保护隐私的设备端 AI 战略相一致。 MedPsy 模型根据 Apache 2.0 许可证提供，用于研究和教育目的，并且专门设计用于部署在带宽受限的环境、对隐私敏感的临床工作流程以及资源匮乏的医疗保健环境中，在这些环境中，数据绝不能离开设备。

此次发布会对于该行业来说意义重大。 2025 年全球医疗保健人工智能市场价值为 36.67 亿美元，预计到 2033 年将达到 505.59 亿美元，复合年增长率为 38.90%。 遵守数据隐私法规仍然是更广泛采用该技术的最大障碍之一，而这正是 MedPsy 旨在解决的问题。

来源：
QVAC MedPsy：面向边缘设备的尖端医疗保健语言模型，拥抱面部
Tether Data 推出 QVAC Fabric LLM、Tether.io
Grand View Research 发布的《医疗保健领域人工智能市场规模及份额报告》