Tether Dataは、スマートフォン、ノートパソコン、その他のエッジデバイス上で継続的なクラウド接続を必要とせずに直接実行されるよう設計された4億6000万パラメータの視覚言語モデル「VisionPsy-Nano」をオープンソース化しました。今回のリリースは、Tetherが主要なステーブルコイン事業（USDTは時価総額で最大のステーブルコイン）を超えて、オープンなAIインフラへ継続的に事業を拡大していることを示すものです。

同モデルは、オープンで分散型かつ適応型のAIシステムの構築に注力するTether Dataの人工知能研究イニシアチブであるQVACによって開発されました。今回のリリースは、高度なマルチモーダル機能を中央集権型データセンターからユーザーが直接制御するデバイスへと移行させる、より広範な業界全体の取り組みを反映しています。AppleやGoogleをはじめとする企業も同様にオンデバイスAI処理に投資しており、これによりレイテンシの削減、サーバーコストの低下、そしてユーザーデータをリモートサーバーに送信せずローカルに保持することが可能になります。

VisionPsy-Nanoは、視覚情報とテキスト情報の両方を処理し解釈するよう設計されています。その機能には、文書解析、光学式文字認識（OCR）、シーン理解、視覚的推論、および指示追従が含まれます。Tether Dataは、同モデルがクラウドベースの処理を一切必要とせずに、モバイルおよびエッジデバイス上で高度な視覚言語機能を提供すると述べており、これはモデルによって処理される画像やテキストがデバイスから外部に送信されないことを意味します。

ベンチマークパフォーマンス

Tether Dataの公開評価結果によると、VisionPsy-Nanoは5億パラメータ未満の評価対象視覚言語モデルの中で最高の総合正規化スコアを達成しました。同モデルは62.3のスコアを記録し、5億パラメータ未満のカテゴリにおいて総合的な品質とパフォーマンスで第1位にランクされました。

同社は、VisionPsy-Nanoが17のベンチマークのうち16において競合するコンパクトシステムと比較して良好な成績を収めたと報告しています。これには、Liquid AIやHugging Faceのモデル、およびVisionPsy-Nanoの開発に使用されたベースモデルが含まれます。

精度と速度の要件に対応する2つのバージョン

Tether Dataは、異なるデプロイメント要件をサポートするために2つのバージョンのモデルをリリースしました。

VisionPsy-Nano-460Mバージョンは精度を最適化しており、同パラメータスケールにおける標準的な視覚言語評価全般で強力なパフォーマンスを提供することを目的としています。

2つ目のバージョンであるVisionPsy-Nano-460M-Flashは、実際のモバイルアプリケーションにおける応答時間の短縮を目的として設計されています。同社によると、Flashモデルは正規化スコア61.4を達成しながら、フルバージョンの総合品質の約99%を維持しました。Tether Dataは、速度向上の一部を視覚トークンの削減使用に起因するものとしています。

Google Pixel 9、Samsung Galaxy S23、Samsung Galaxy S25 Ultra、Apple iPhone 15などのデバイスで実施されたテストでは、Flashバージョンは複数のAndroidデバイスにおいて選定されたコンパクトモデルと比較して、最初の出力トークンを約19〜23倍速く生成したと報告されています。同社は、iPhone 15では速度優位性が最大36倍に達したと報告しています。また、選定されたデバイスでテストされた複数の競合システムと比較しても低いレイテンシを維持したとしています。

幅広いマルチモーダル機能

VisionPsy-Nanoは比較的小型であるにもかかわらず、同社の評価において4つの主要な能力カテゴリーすべてで第1位にランクされました。

文書理解と光学式文字認識において、同モデルは財務報告書、フローチャート、インフォグラフィックを含む複雑な画像からテキストと構造的情報を識別するよう設計されました。視覚知覚機能にはシーン分析と空間レイアウト認識が含まれます。同社は、この領域において同モデルが同サイズカテゴリの次点システムを相対マージン4.6%上回ったと報告しています。

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はまた、強力な視覚的推論と知識パフォーマンスを示し、約5億パラメータのカテゴリーにおいて他のモデルを相対マージン7.4%上回りました。同社はさらに、同モデルが指示追従と信頼性テストにおいて強力な成績を収めたと報告しています。選定された評価において、同モデルは自社の1.6〜2.3倍のサイズに相当するモデルの結果を上回りました。

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は、同モデルのベンチマーク結果が、コンパクトなAIシステムがコンシューマー端末への直接デプロイメントに適したまま、大幅に大型のモデルと競争できることを示していると述べました。

オープンソースリリースとデプロイメントオプション

両バージョンは、最も広く使用されている寛容なオープンソースライセンスの1つであるApache 2.0ライセンスの下でオープンモデルウェイトとしてリリースされており、これによりロイヤリティ義務なしで研究および商用利用の両方が許可されます。同社は、これらのモデルが研究、教育、およびより広範なデベロッパーアクセスをサポートすることを目的としていると述べています。

デベロッパーは3つのデプロイメントオプションを通じてモデルを利用できます。Hugging Face Transformersを通じたフル精度推論が利用可能であり、量子化されたGGUFバージョンはllama.cppを通じてモバイルデバイスにデプロイできます。また、vLLMを使用した本番指向のオプションは、高スループットのサーバー推論にも利用可能です。

Tether Dataはまた、再現性をサポートするために、VLMEvalKitプロトコルに基づく評価構成とテストフレームワークをリリースしました。

Tetherの最高経営責任者であるPaolo Ardoino氏は、今回の結果が効率的でローカルにデプロイされたAIが、中央集権型データセンターに完全に依存することなく高品質なパフォーマンスを提供できることを示していると述べました。同氏は、この技術をオープンに利用可能にすることで、デベロッパーがユーザーがすでに所有するデバイス上で動作するプライベートAIツールへのアクセスをより広く得られるようになると示唆しました。