Tether startet ein Förderprogramm und setzt weiter auf eine lokal-first-KI-Strategie

Tether, der Emittent von USDT, der weltweit größten Stablecoin, hat sich auf künstliche Intelligenz spezialisiert und Millionen von Dollar in Technologien investiert, die nicht auf der Cloud basieren müssen, um zu funktionieren. 

Paolo Ardoino, CEO von Tether, teilte mit, wie er von cloudbasierter KI zu einem lokalen und selbstbestimmten KI-System migrierte und warnte vor den Risiken neuer KI-Agent-Systeme. 

Tether zahlt Entwicklern für den Aufbau lokaler KI-Systeme 

Tether hat ein unbegrenztes Entwickler-Grant-Programm gestartet, um lokale-first-KI- und Zahlungsinfrastruktur zu finanzieren. Vorher hat die KI-Forschungsgruppe von Tether medizinische Sprachmodelle veröffentlicht, die auf Standard-Smartphones laufen und die deutlich größeren Systeme von Google (NASDAQ: GOOGL) übertreffen.

Tether schließt sich einer Spur an, die Ethereum-Mitbegründer Vitalik Buterin bereits beschreitet. Vitalik veröffentlichte eine umfangreiche persönliche Blogbeitrag am 2. April, in der er seine vollständige Abwanderung von cloudbasierter KI beschrieb.

Cryptopolitan berichtete Buterin sagt, dass er jetzt alles auf seinen eigenen Maschinen betreibt und möchte, dass andere dasselbe tun, insbesondere mit der Einführung neuer „Agent“-Systeme, die erhebliche Sicherheitsbedrohungen darstellen. Buterin hob die Forschung zu OpenClaw hervor, die Anfang 2026 280.000 Stars erreichte.

Das Tool ermöglicht es KI-Agenten, Computer direkt zu steuern, und Sicherheitsexperten haben demonstriert, dass OpenClaw-Agenten kritische Systemeinstellungen ändern, bösartige Skripte von Webseiten ohne Wissen des Benutzers herunterladen und ausführen sowie Daten durch stille Netzwerkaufrufe abfließen lassen können.

Cryptopolitan berichtete, dass etwa 15 % der „Skills“, die diese Agenten verwenden, versteckte Befehle enthalten, die Benutzerdaten leise an externe Server senden.

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

Tethers Grant-Programm zahlt Einzelpersonen 1.500 bis 4.000 US-Dollar pro Aufgabe, entweder in USDT oder Bitcoin (BTC), ohne Obergrenze für die Gesamtzahlungen des Programms. Entwickler werden jedoch nur bezahlt, wenn bestimmte technische Lieferungen abgeschlossen sind.

Tether richtet das Programm darauf aus, Kernbibliotheken für seine lokale KI-Plattform QVACzu erstellen, technische Dokumentation zu produzieren, Anwendungen auf Basis von Tethers offenem Stack zu entwickeln und Dezentralisierung sowie Edge-KI zu erforschen.

Ein Schwerpunkt liegt auf dem Wallet Development Kit (WDK), das Entwicklern ermöglicht, selbstverwahrte Wallets direkt in Anwendungen einzubetten, und gleichzeitig Benutzern die Verwaltung ihrer Konten und die Durchführung von Transaktionen ermöglicht, ohne auf Custodial-Dienste oder gehostete APIs angewiesen zu sein. 

Tether vergab zuvor in aufeinanderfolgenden Jahren 100.000 US-Dollar an Grants an die BTC Pay Server Foundation und spendete 250.000 US-Dollar an OpenSats für die Bitcoin-Entwicklung. Tether hat über 500 Bildungsgrants für Studenten verteilt und sich verpflichtet, bis zu etwa 5,38 Millionen US-Dollar (5 Millionen CHF) für die nächste Phase des Programms bis 2030 bereitzustellen.

Können kleinere KI-Modelle größere übertreffen?

Tethers KI-Forschungsgruppe hat kürzlich QVAC MedPsy veröffentlicht, ein Paar medizinischer Sprachmodelle, die direkt auf Smartphones und Wearables ohne Internetverbindung laufen sollen. Die Ergebnisse widerlegen die Annahme, dass bessere Leistung größere Modelle erfordert.

Das kleinere Modell, QVAC MedPsy-1.7B (1,7 Milliarden Parameter), erzielte über sieben geschlossene medizinische Benchmarks einen Score von 62,62 und übertraf 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 auf denselben Benchmarks einen Score von 70,54 und übertraf Googles MedGemma-27B-text-it, ein Modell, das fast siebenmal größer ist und etwa 27 Milliarden Parameter enthält.

Die Leistungslücke vergrößerte sich, als die Modelle in realen klinischen Szenarien getestet wurden. Auf HealthBench Hard, einem Test zur Messung angewandter medizinischer Reasoning, erzielte QVAC MedPsy-4B einen Score von 58,00 im Vergleich zu 42,00 für MedGemma-27B. 

Die Modelle verwenden auch signifikant bis zu 3,2-mal weniger Tokens als vergleichbare Systeme, was direkt zu schnelleren Antwortzeiten und geringeren Rechenanforderungen führt.

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