Tether запускает программу грантов, удваивая ставку на стратегию локального ИИ

Tether, эмитент USDT, крупнейшего стейблкоина в мире, обратил свой взор на искусственный интеллект, инвестируя миллионы долларов в технологии, которым не требуется облако для работы. 

Паоло Ардойно, генеральный директор Tether, поделился тем, как он мигрировал с облачного ИИ на локальную и суверенную систему ИИ, предупредив о рисках новых систем ИИ-агентов. 

Tether платит разработчикам за создание локальных систем ИИ 

Tether запустила программу грантов для разработчиков без ограничений для финансирования локального ИИ и платежной инфраструктуры. Ранее группа исследований ИИ Tether выпустила медицинские языковые модели, которые работают на стандартных смартфонах и значительно превосходят более крупные системы Google (NASDAQ: GOOGL).

Tether присоединяется к направлению, по которому уже идет сооснователь Ethereum (ETH) Виталик Бутерин. Виталик опубликовал обширное личное пост в блоге 2 апреля, в котором описал свою полную миграцию от облачного ИИ.

Cryptopolitan сообщал Бутерин говорит, что теперь он запускает все на своих собственных машинах и хочет, чтобы другие делали то же самое, особенно с появлением новых систем «агентов», которые представляют значительные угрозы безопасности. Бутерин выделил исследования, проведенные на OpenClaw, который достиг 280 000 звезд в начале 2026 года.

Инструмент позволяет ИИ-агентам управлять компьютерами напрямую, и исследователи безопасности продемонстрировали, что агенты OpenClaw могут изменять критические системные настройки, загружать и выполнять вредоносные скрипты с веб-страниц без ведома пользователя, а также выводить данные через тихие сетевые вызовы.

Cryptopolitan сообщил, что примерно 15% «навыков», которые используют эти агенты, содержат скрытые команды, которые тихо отправляют данные пользователей на внешние серверы.

«Если вы можете построить что-то, что работает локально, сохраняет ценность напрямую и не зависит от внешних провайдеров, мы это профинансируем», — сказал генеральный директор Tether Паоло Ардойно.

Tether’s программа грантов выплачивает физическим лицам от $1 500 до $4 000 за задачу, либо в USDT, либо в Bitcoin (BTC), без ограничений на общую сумму выплат программы. Однако разработчики получают оплату только после завершения конкретных технических результатов.

Tether направляет программу на создание основных библиотек для своей локальной платформы ИИ QVAC, производство технической документации, разработку приложений поверх открытого стека Tether и исследование децентрализации и edge AI.

Основное внимание уделяется Wallet Development Kit (WDK), который позволяет разработчикам встраивать самокастодиальные кошельки непосредственно в приложения, а также позволяет пользователям управлять своими счетами и завершать транзакции, не полагаясь на кастодиальные услуги или хостинговые API. 

Ранее Tether ежегодно выделяла гранты в размере $100 000 Фонду BTC Pay Server и пожертвовала $250 000 OpenSats для разработки Bitcoin. Tether распределила более 500 образовательных грантов для студентов и обязалась выделить до примерно $5,38 млн (5 млн швейцарских франков) на следующий этап программы до 2030 года.

Могут ли более маленькие модели ИИ превосходить более крупные?

Группа исследований ИИ Tether недавно выпустила QVAC MedPsy, пару медицинских языковых моделей, предназначенных для работы непосредственно на смартфонах и носимых устройствах без какого-либо подключения к интернету. Результаты бросают вызов предположению, что лучшая производительность требует более крупных моделей.

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

Более крупная QVAC MedPsy-4B (4 миллиарда параметров) набрала 70,54 на тех же бенчмарках, превзойдя Google’s MedGemma-27B-text-it, модель, почти в семь раз больше, содержащую примерно 27 миллиардов параметров.

Разрыв в производительности widened, когда модели тестировались в реальных клинических сценариях. На HealthBench Hard, тесте, предназначенном для измерения прикладного медицинского рассуждения, QVAC MedPsy-4B набрала 58,00 по сравнению с 42,00 у MedGemma-27B. 

Модели также используют значительно меньше токенов — до 3,2 раз меньше, чем сопоставимые системы, что напрямую переводится в более быстрое время отклика и меньшие вычислительные требования.

Tether, Виталик и другие сторонники запуска более маленьких, локальных моделей ИИ будут указывать на эти результаты как на доказательство того, что пользователям не нужно рисковать отправкой своих данных в облако для запуска эффективных систем.