Tether Data hat VisionPsy-Nano als Open Source veröffentlicht, ein Vision-Language-Modell mit 460 Millionen Parametern, das für die direkte Ausführung auf Smartphones, Laptops und anderen Edge-Geräten entwickelt wurde, ohne dass eine kontinuierliche Cloud-Konnektivität erforderlich ist. Die Veröffentlichung markiert die fortgesetzte Expansion von Tether über sein Kern-Stablecoin-Geschäft – USDT ist der nach Marktkapitalisierung größte Stablecoin – hinaus in eine offene KI-Infrastruktur.

Das Modell wurde von QVAC, der Forschungsinitiative für künstliche Intelligenz von Tether Data, entwickelt, die sich auf den Aufbau offener, dezentraler und anpassungsfähiger KI-Systeme konzentriert. Die Veröffentlichung spiegelt eine branchenweite Bemühung wider, fortschrittliche multimodale Funktionen aus zentralen Rechenzentren auf Geräte zu verlagern, die direkt von den Nutzern kontrolliert werden. Apple, Google und andere haben ähnlich in die On-Device-KI-Verarbeitung investiert, was die Latenz verringern, die Serverkosten senken und Nutzerdaten lokal halten kann, anstatt sie an Remote-Server zu übertragen.

VisionPsy-Nano wurde entwickelt, um sowohl visuelle als auch textliche Informationen zu verarbeiten und zu interpretieren. Zu seinen Fähigkeiten gehören Dokumentanalysen, optische Zeichenerkennung (OCR), Szenenverständnis, visuelles Schlussfolgern und das Befolgen von Anweisungen. Tether Data erklärte, dass das Modell fortschrittliche Vision-Language-Funktionen auf mobilen und Edge-Geräten bietet und dabei vollständig ohne Cloud-basierte Verarbeitung funktioniert, was bedeutet, dass Bilder und Texte, die vom Modell verarbeitet werden, niemals das Gerät verlassen.

Benchmark-Leistung

Laut den von Tether Data veröffentlichten Evaluierungsergebnissen erzielte VisionPsy-Nano die höchste overall normalisierte Punktzahl unter den bewerteten Vision-Language-Modellen mit weniger als 500 Millionen Parametern. Das Modell erreichte eine Punktzahl von 62,3 und belegte in der Kategorie der Modelle mit weniger als 500 Millionen Parametern den ersten Platz für Gesamtqualität und Leistung.

Das Unternehmen berichtete, dass VisionPsy-Nano bei 16 von 17 Benchmarks im Vergleich zu konkurrierenden kompakten Systemen gut abschnitt. Dazu gehörten Modelle von Liquid AI und Hugging Face sowie das Basismodell, das bei der Entwicklung von VisionPsy-Nano verwendet wurde.

Zwei Versionen decken Anforderungen an Genauigkeit und Geschwindigkeit ab

Tether Data hat zwei Versionen des Modells veröffentlicht, um verschiedene Bereitstellungsanforderungen zu unterstützen.

Die Version VisionPsy-Nano-460M ist auf Genauigkeit optimiert und soll starke Leistungen bei Standard-Vision-Language-Evaluierungen in ihrer Parametergrößenordnung bieten.

Die zweite Version, VisionPsy-Nano-460M-Flash, wurde entwickelt, um die Reaktionszeiten für reale mobile Anwendungen zu verkürzen. Das Unternehmen sagte, das Flash-Modell habe etwa 99 % der Gesamtqualität der Vollversion behalten, während es eine normalisierte Punktzahl von 61,4 erreichte. Tether Data führte einen Teil der Geschwindigkeitsverbesserung auf die Verwendung weniger visueller Tokens zurück.

In Tests, die auf Geräten wie dem Google Pixel 9, Samsung Galaxy S23, Samsung Galaxy S25 Ultra und Apple iPhone 15 durchgeführt wurden, generierte die Flash-Version Berichten zufolge ihr erstes Ausgabe-Token auf mehreren Android-Geräten etwa 19 bis 23 Mal schneller als ausgewählte kompakte Modelle. Das Unternehmen berichtete, dass der Geschwindigkeitsvorteil auf dem iPhone 15 bis zu 36 Mal erreichte. Es hieß außerdem, das Modell habe über alle ausgewählten Testgeräte hinweg eine geringere Latenz aufrechterhalten als mehrere konkurrierende Systeme.

Umfangreiche multimodale Fähigkeiten

Trotz seiner relativ geringen Größe belegte VisionPsy-Nano in der Evaluierung des Unternehmens in vier großen Fähigkeitskategorien den ersten Platz.

Bei der Dokumentenerkennung und optischen Zeichenerkennung wurde das Modell entwickelt, um Text- und Strukturinformationen aus komplexen Bildern zu identifizieren, einschließlich Finanzberichten, Flussdiagrammen und Infografiken. Zu seinen visuellen Wahrnehmungsfähigkeiten gehören Szenenanalysen und die Erkennung räumlicher Layouts. Das Unternehmen berichtete, dass das Modell in diesem Bereich das nächstbeste System in seiner Größenkategorie um eine relative Marge von 4,6 % übertraf.

Tether Data Open-Sources VisionPsy-Nano: Best-in-Class ~460M On-Device Vision-Language Model Leading Industry Benchmarks Learn more: — Tether (@tether) July 29, 2026

VisionPsy-Nano zeigte zudem eine starke visuelle Schlussfolgerung und Wissensleistung und übertraf andere Modelle in der Kategorie von etwa 500 Millionen Parametern um eine relative Marge von 7,4 %. Das Unternehmen berichtete ferner, dass das Modell bei Tests zum Befolgen von Anweisungen und bei Zuverlässigkeitsprüfungen stark abschnitt. Bei ausgewählten Evaluierungen übertraf es die Ergebnisse von Modellen, die das 1,6- bis 2,3-fache seiner Größe aufwiesen.

Tether AI just released VisionPsy, a best-in-class state-of-the-art vision language model optimized for edge devices (phones, laptops, …) with the highest overall score in its class/weight — Paolo Ardoino (@paoloardoino) July 29, 2026

Tether Data sagte, die Benchmark-Ergebnisse des Modells zeigten, dass kompakte KI-Systeme mit deutlich größeren Modellen konkurrieren könnten und gleichzeitig für den direkten Einsatz auf Endverbrauchergeräten geeignet blieben.

Open-Source-Veröffentlichung und Bereitstellungsoptionen

Beide Versionen wurden mit offenen Modellgewichten unter der Apache 2.0-Lizenz veröffentlicht, einer der am weitesten verbreiteten freizügigen Open-Source-Lizenzen, die sowohl die Forschung als auch die kommerzielle Nutzung ohne Lizenzgebühren erlaubt. Das Unternehmen sagte, die Modelle seien dazu gedacht, Forschung, Bildung und einen breiteren Entwicklerzugang zu unterstützen.

Entwickler können die Modelle über drei Bereitstellungsoptionen nutzen. Vollpräzise Inferenz ist über Hugging Face Transformers verfügbar, während quantisierte GGUF-Versionen über llama.cpp auf mobilen Geräten bereitgestellt werden können. Eine produktionsorientierte Option mit vLLM ist ebenfalls für hochdurchsatzfähige Server-Inferenz verfügbar.

Tether Data hat außerdem Evaluierungskonfigurationen und Test-Frameworks veröffentlicht, die auf dem VLMEvalKit-Protokoll basieren, um die Reproduzierbarkeit zu unterstützen.

Paolo Ardoino, Chief Executive Officer von Tether, sagte, die Ergebnisse würden zeigen, dass effiziente, lokal bereitgestellte KI hochwertige Leistungen erbringen könne, ohne vollständig von zentralen Rechenzentren abhängig zu sein. Er wies darauf hin, dass die offene Verfügbarkeit der Technologie Entwicklern einen größeren Zugang zu privaten KI-Tools verschaffen könnte, die auf Geräten arbeiten, die bereits den Nutzern gehören.