Компания Tether запускает программу грантов, усиливая свою стратегию в области ИИ, ориентированную на локальные решения

Компания Tether, эмитент USDT, крупнейшего в мире стейблкоина, нацелилась на искусственный интеллект, инвестируя миллионы долларов в технологии, которые не требуют для работы облачных вычислений. 

Паоло Ардоино, генеральный директор Tether, рассказал о том, как он перешел от облачного ИИ к локальной и самосуверенной системе ИИ, предупредив о рисках, связанных с новыми системами ИИ-агентов. 

Компания Tether платит разработчикам за создание локальных систем искусственного интеллекта 

Компания Tether запустила программу неограниченных грантов для разработчиков, направленную на финансирование локальной инфраструктуры искусственного интеллекта и платежей. Ранее исследовательская группа Tether, занимающаяся разработкой ИИ, выпустила медицинские языковые модели, работающие на стандартных смартфонах и превосходящие по производительности значительно более крупные системы Google (NASDAQ: GOOGL).

Tether присоединяется к движению, которое Ethereum уже осуществил сооснователь пост в личном блоге, подробно описывающий его полный отказ от облачного ИИ.

Cryptopolitan сообщило , что Бутерин утверждает, что теперь запускает все процессы на своих собственных машинах и хочет, чтобы другие делали то же самое, особенно с учетом появления новых «агентских» систем, представляющих значительные угрозы безопасности. Бутерин особо выделил исследования, проведенные на платформе OpenClaw, которая к началу 2026 года достигла 280 000 звезд.

Этот инструмент позволяет агентам ИИ напрямую управлять компьютерами, и исследователи в области безопасности продемонстрировали, что агенты OpenClaw могут изменять критически важные системные настройки, загружать и запускать вредоносные скрипты с веб-страниц без ведома пользователя, а также передавать данные посредством скрытых сетевых вызовов.

Cryptopolitan сообщило, что примерно 15% «навыков», используемых этими агентами, содержат скрытые команды, которые незаметно отправляют данные пользователя на внешние серверы.

«Если вы можете создать что-то, что работает локально, приносит прямую выгоду и не зависит от внешних поставщиков, мы это профинансируем», — сказал генеральный директор Tether Паоло Ардоино.

Tether В рамках грантовой программы разработчикам выплачивается от 1500 до 4000 долларов за выполнение задачи в USDT или Bitcoin (BTC), при этом общая сумма выплат по программе не ограничена. Однако разработчики получают оплату только после выполнения конкретных технических задач.

В рамках программы компания Tether уделяет особое внимание созданию основных библиотек для своей локальной платформы искусственного интеллекта QVAC, подготовке технической документации, разработке приложений на основе открытого стека Tether, а также исследованиям в области децентрализации и периферийного ИИ.

Основное внимание уделяется комплекту для разработки кошельков (WDK), который позволяет разработчикам встраивать собственные кошельки непосредственно в приложения, а также дает пользователям возможность управлять своими счетами и совершать транзакции без использования кастодиальных сервисов или размещенных API. 

Ранее компания Tether два года подряд выделяла 100 000 долларов в виде грантов фонду BTC Pay Server Foundation и пожертвовала 250 000 долларов организации OpenSats на разработку Bitcoin . Tether распределила более 500 грантов на образованиеdent и выделила около 5,38 миллиона долларов (5 миллионов швейцарских франков) на следующий этап программы до 2030 года.

Могут ли более мелкие модели ИИ превзойти более крупные?

исследовательская группа Tether по искусственному интеллекту выпустила QVAC MedPsy — пару медицинских языковых моделей, разработанных для работы непосредственно на смартфонах и носимых устройствах без подключения к интернету. Результаты опровергают предположение о том, что для повышения производительности требуются более крупные модели.

Меньшая по размеру модель, QVAC MedPsy-1.7B (1,7 миллиарда параметров), набрала 62,62 балла по семи закрытым медицинским тестам, превзойдя модель Google MedGemma-1.5-4B-it на 11,42 балла, несмотря на то, что она вдвое меньше по размеру.

Более крупная модель QVAC MedPsy-4B (4 миллиарда параметров) показала результат 70,54 по тем же тестам, превзойдя модель Google MedGemma-27B-text-it, которая почти в семь раз больше и содержит приблизительно 27 миллиардов параметров.

Разница в производительности увеличилась при тестировании моделей в реальных клинических условиях. В тесте HealthBench Hard, предназначенном для оценки прикладного медицинского мышления, QVAC MedPsy-4B набрал 58,00 баллов по сравнению с 42,00 баллами у MedGemma-27B. 

Кроме того, эти модели используют значительно меньше токенов — до 3,2 раз меньше, чем аналогичные системы, — что напрямую приводит к более быстрому времени отклика и снижению вычислительных затрат.

Тезер, Виталик и другие сторонники запуска небольших локальных моделей ИИ будут указывать на эти результаты как на доказательство того, что пользователям не нужно рисковать, отправляя свои данные в облако, для запуска эффективных систем.