稳定币巨头Tether跨界医疗AI，旗下研究团队QVAC于7月23日正式发布医疗语言模型QVAC MedPsy。该模型专为智能手机和穿戴设备设计，能在本地端离线运行，无需将敏感医疗数据上传云端，直接挑战“模型越大越强”的主流认知。
性能逆袭：1.7B参数击败Google 27B模型
官方基准测试显示，QVAC MedPsy的1.7B参数版本在七项封闭式医疗测试中平均得分62.62，比Google的MedGemma-1.5-4B-it高出11.42分——后者体积是其两倍多。更惊人的是，在HealthBench Hard等真实临床场景中，它击败了体积大16倍的MedGemma 27B。4B参数版本得分70.54，同样超越MedGemma-27B-text。
测试覆盖美国医师执照考试（USMLE）、临床专家推理（MedXpertQA）、生物医学研究（PubMedQA）以及非洲医疗环境（AfriMedQA）。性能提升得益于分阶段训练：广泛医疗监督、高价值临床推理数据，以及针对高难度病例的强化学习（RL）。
低推理成本，手机轻松部署
除了精度，推理成本大幅降低是另一亮点。4B模型生成回复约需909个token（同级系统需2953个），运算量减少3.2倍；1.7B模型减少约1.7倍。Tether同步发布GGUF压缩版本：Q4_K_M格式下1.7B模型约1.2GB，4B模型约2.6GB，可在标准硬件流畅运行。
Tether CEO Paolo Ardoino表示：“我们专注于提高模型层级的效率，而不是盲目扩大规模。这样可以直接降低运算需求、延迟与成本。在医疗保健领域，你可以在数据所在的地方（医院内部或设备上）进行推理，而无需将敏感信息转移到云端。”他强调，AI不应只属于云巨头，本地化与隐私才是未来。
QVAC MedPsy展示了由效率、本地化和隐私定义性能的新路径。若能大规模落地，可能重塑医疗AI基础设施经济，并强化Tether推动去中心化与数据主权的企业愿景。