Tether startet Förderprogramm und verstärkt damit seine KI-Strategie mit Fokus auf lokale Belange

Tether, der Herausgeber von USDT, dem größten Stablecoin der Welt, hat sich auf künstliche Intelligenz spezialisiert und investiert Millionen von Dollar in Technologien, die keine Cloud zum Funktionieren benötigen. 

Paolo Ardoino, CEO von Tether, schilderte, wie er von einer Cloud-basierten KI zu einem lokalen und selbstbestimmten KI-System migrierte und warnte vor den Risiken neuer KI-Agentensysteme. 

Tether bezahlt Entwickler für den Aufbau lokaler KI-Systeme 

Tether hat ein Förderprogramm für Entwickler ohne feste Fördersumme gestartet, um lokale KI- und Zahlungsinfrastruktur zu finanzieren. Zuvor hatte Tethers KI-Forschungsgruppe medizinische Sprachmodelle veröffentlicht, die auf Standard-Smartphones laufen und die deutlich größeren Systeme von Google (NASDAQ: GOOGL) übertreffen.

Tether reiht sich in die Riege von Ethereum -Mitbegründer Vitalik Buterin ein. Dieser veröffentlichte am 2. April einen ausführlichen Blogbeitrag, in dem er seinen vollständigen Umstieg weg von cloudbasierter KI detailliert beschrieb.

Cryptopolitan berichtete , dass Buterin angab, mittlerweile alles auf seinen eigenen Rechnern laufen zu lassen und andere dazu zu bewegen, es ihm gleichzutun, insbesondere angesichts der Einführung neuer Agentensysteme, die erhebliche Sicherheitsrisiken bergen. Buterin hob die Forschung zu OpenClaw hervor, das Anfang 2026 280.000 Sterne erreichen soll.

Das Tool ermöglicht es KI-Agenten, Computer direkt zu steuern, und Sicherheitsforscher haben gezeigt, dass OpenClaw-Agenten kritische Systemeinstellungen ändern, bösartige Skripte von Webseiten herunterladen und ausführen können, ohne dass der Benutzer davon Kenntnis hat, und Daten durch stille Netzwerkaufrufe exfiltrieren können.

Cryptopolitan berichtete, dass etwa 15 % der von diesen Agenten verwendeten „Fähigkeiten“ versteckte Befehle enthalten, die unbemerkt Benutzerdaten an externe Server senden.

„Wenn Sie etwas entwickeln können, das lokal läuft, direkt Wert schafft und nicht auf externe Anbieter angewiesen ist, werden wir es finanzieren“, sagte Paolo Ardoino, CEO von Tether.

von Tether Das Förderprogramm zahlt Einzelpersonen 1.500 bis 4.000 US-Dollar pro Aufgabe, entweder in USDT oder Bitcoin (BTC), wobei es keine Obergrenze für die Gesamtauszahlungen gibt. Die Auszahlung erfolgt jedoch erst nach Abschluss bestimmter technischer Projekte.

Tether richtet das Programm darauf aus, Kernbibliotheken für seine lokale KI-Plattform QVAC, technische Dokumentationen zu erstellen, Anwendungen auf Basis des offenen Tether-Stacks zu entwickeln und die Dezentralisierung und Edge-KI zu erforschen.

Ein wichtiger Schwerpunkt liegt auf dem Wallet Development Kit (WDK), mit dem Entwickler Self-Custodial Wallets direkt in Anwendungen einbetten können und gleichzeitig Benutzern die Möglichkeit geben, ihre Konten zu verwalten und Transaktionen durchzuführen, ohne auf Verwahrungsdienste oder gehostete APIs angewiesen zu sein. 

Tether hat der BTC Pay Server Foundation in zwei aufeinanderfolgenden Jahren jeweils 100.000 US-Dollar an Fördermitteln gewährt und OpenSats 250.000 US-Dollar für Bitcoin Entwicklung gespendet. Tether hat über 500 Stipendien für die Ausbildungdent vergeben und bis 2030 bis zu 5,38 Millionen US-Dollar (5 Millionen CHF) für die nächste Phase des Programms zugesagt.

Können kleinere KI-Modelle größere übertreffen?

Die KI-Forschungsgruppe von Tether hat kürzlich QVAC MedPsy veröffentlicht, zwei medizinische Sprachmodelle, die direkt auf Smartphones und Wearables ohne Internetverbindung laufen. Die Ergebnisse stellen die Annahme in Frage, dass bessere Leistung größere Modelle erfordert.

Das kleinere Modell, QVAC MedPsy-1.7B (1,7 Milliarden Parameter), erzielte in sieben geschlossenen medizinischen Benchmarks 62,62 Punkte und übertraf damit Googles MedGemma-1.5-4B-it um 11,42 Punkte, obwohl es weniger als halb so groß ist.

Das größere QVAC MedPsy-4B (4 Milliarden Parameter) erzielte bei denselben Benchmarks einen Wert von 70,54 und übertraf damit Googles MedGemma-27B-text-it, ein fast siebenmal größeres Modell mit rund 27 Milliarden Parametern.

Die Leistungslücke vergrößerte sich, als die Modelle in realen klinischen Szenarien getestet wurden. Im HealthBench Hard-Test, der angewandtes medizinisches Denken misst, erzielte QVAC MedPsy-4B 58,00 Punkte, MedGemma-27B hingegen nur 42,00 Punkte. 

Die Modelle benötigen zudem bis zu 3,2 Mal weniger Token als vergleichbare Systeme, was sich direkt in schnelleren Reaktionszeiten und einem geringeren Rechenaufwand niederschlägt.

Tether, Vitalik und andere Befürworter des Betriebs kleinerer, lokaler KI-Modelle werden diese Ergebnisse als Beweis dafür anführen, dass Benutzer nicht das Risiko eingehen müssen, ihre Daten in die Cloud zu senden, um effiziente Systeme zu betreiben.