Tether AI Research Group 发布新一代医疗 AI 模型 QVAC MedPsy，主打可直接在智能手机、可穿戴设备等低算力硬件本地运行，无需依赖云端服务器，同时在多项医疗基准测试中超越多款更大规模的 SOTA 模型。

官方数据显示，17 亿参数版本 QVAC MedPsy 在 7 项封闭式医疗基准测试中平均得分 62.62，较 Google

的 MedGemma-1.5-4B-it 高出 11.42 分，尽管模型规模不足后者一半。在 HealthBench Hard 等真实临床测试中，该模型甚至超过参数规模接近其 16 倍的 MedGemma 27B。

此外，40 亿参数版本平均得分达 70.54，在多项医疗推理评估中超过多款规模高达其近 7 倍的大模型。Tether 表示，该模型通过后训练医疗推理优化、强化学习及高质量医学数据训练，实现了“小模型高性能”。

相比传统云端 AI 架构，QVAC MedPsy 还大幅降低推理成本。其 40 亿参数版本平均生成约 909 tokens，远低于同类系统的 2953 tokens，可实现更低延迟与更低计算成本。模型同时提供 GGUF 量化版本，适用于移动端和边缘设备本地部署。

Paolo Ardoino 表示，该模型的核心目标是提升模型效率，而非单纯扩大参数规模，使医疗 AI 能够直接在医院本地系统或终端设备运行，从而避免敏感医疗数据上传云端。