Tether Data'nın yapay zeka araştırma birimi QVAC, 29 Temmuz 2026'da VisionPsy-Nano adlı yeni bir görsel-dil modelini (VLM) açık kaynak olarak yayınladı. Yaklaşık 460 milyon parametreye sahip model, özellikle mobil cihazlar ve uç (edge) dağıtım için optimize edildi.

VisionPsy-Nano, 0.5B parametre altı VLM kategorisinde en yüksek normalize skoru (62.3) elde ederek birinci sıraya yerleşti. Model, Liquid AI'nin LFM2.5-VL-450M (59.6), Hugging Face'in SmolVLM2-500M (52.5) ve kendi temel modeli nanoVLM-460M-8k (54.9) ile karşılaştırıldığında 17 benchmark'ın 16'sında daha iyi performans gösterdi.

İki farklı varyant sunuluyor:

  • VisionPsy-Nano-460M: En yüksek kalite için optimize edilmiş, referans doğruluğu odaklı.
  • VisionPsy-Nano-460M-Flash: Gecikme süresi için ayarlanmış, tam model kalitesinin ~%99'unu korurken (61.4 normalized skor) çok daha hızlı çıkarım yapıyor.

Temel Yetenekler

Model dört ana kategoride lider:

  • Belge Anlama ve OCR: Karmaşık arka planlardan metin ve yapısal bilgi çıkarma.
  • Görsel Algı: Sahne analizi ve uzamsal düzen anlamada rakiplerine göre +%4.6 avantaj.
  • Muhakeme ve Bilgi: Görsel muhakemede +%7.4 göreceli fark.
  • Talimat Takibi ve Güvenilirlik: MM-IFEval (42.3) ve POPE (87.9) skorlarıyla kendisinden 1.6x-2.3x büyük modelleri (FastVLM-0.5B, Qwen3.5-0.8B, InternVL3.5-1B) geride bırakıyor.

Hız ve Erişilebilirlik

VisionPsy-Nano-460M-Flash, Pixel 9, Galaxy S23, Galaxy S25 Ultra ve iPhone 15'te SmolVLM2-500M ve kendi temel modeline kıyasla ilk token üretiminde ~19-23 kata kadar, iPhone 15'te ise ~36 kata kadar hızlanma sağlıyor. Her iki varyant da Apache 2.0 lisansıyla açık ağırlıklı olarak yayınlanıyor.

Üç çıkarım yolu mevcut:

  • Hugging Face Transformers ile tam hassasiyet.
  • llama.cpp ile mobil cihazlar için quantize GGUF.
  • vLLM ile yüksek verimli sunucu çıkarımı.

Tether CEO'su Paolo Ardoino, "Teknoloji, endüstrinin veri merkezi merkezileşmesine karşı koymaya hazır. Yerel ve verimli yapay zekanın uygulanabilir bir yol olduğunu kanıtlıyoruz" dedi.

Neden önemli

VisionPsy-Nano, büyük dil modellerinin (LLM) bulut bağımlılığını azaltarak, gizlilik ve düşük gecikme gerektiren uygulamalar için önemli bir adım. Açık kaynak lisansı, geliştiricilerin kendi cihazlarında güçlü VLM'ler çalıştırmasına olanak tanıyor. Bu, özellikle sağlık, perakende ve saha hizmetleri gibi hassas veri işleme alanlarında merkezi olmayan yapay zeka çözümlerini teşvik edebilir.