Das 460-Millionen Parameter umfassende KI-Modell von Tether sagt: Hören Sie auf, den „Cloud-Tribut“ zu zahlen.

VisionPsy-Nano konzentriert sich auf die Inferenz direkt auf dem Gerät.

Tethers neuestes KI-Produkt basiert auf einer einfachen Idee: Eine signifikante Reduzierung der Kosten für KI-Lösungen könnte entstehen, wenn die Inferenz auf dem Gerät durchgeführt wird, anstatt jede Anfrage ins Cloud-System gesendet zu werden. VisionPsy-Nano ist…460 Millionen ParameterEin Vision-Language-Modell, das Tether als Open-Source-Software veröffentlicht hat – damit Entwickler dieses Modell herunterladen, testen und einsetzen können.

Die Führungsqualitäten als Benchmark sind das A und O – aber nicht die vollständige Beweislast.

Tether sagt, dass VisionPsy-Nano es geschafft hat.Höchster normierte Wert: 62,3und führte seine Gewichtsklasse an.16 von 17 BenchmarksDas beweist nicht allein, dass die Cloud-Lösungen eine Alternative darstellen können – aber es zeigt doch, dass kompakte Modelle auf Konsumentenhardware immer noch konkurrenzfähig sind. Die eigentliche Frage ist nun nicht mehr nur, ob kleine Modelle gut funktionieren können – sondern ob sie ausreichend verbreitet werden können, um etwas zu bewirken.

Es handelt sich dabei noch um eine frühe Version des Systems. Die Leistung des Modells muss weiterhin durch unabhängige Tests bestätigt werden. Tether ist noch kein etablierter Anbieter von KI-Lösungen. Doch die Veröffentlichung ist konkret – und nicht nur theoretisch: Das Modell ist offen verfügbar und dient vor allem für den Einsatz auf dem Gerät selbst oder in Edge-Bereichen.

Der wirtschaftliche Aspekt liegt im lokalen AI-System.

Ein besonders auffälliger Schlagzeile zieht die Aufmerksamkeit auf sich – doch der eigentliche Wert entsteht aus dem gesamten Kontext. Sobald die Inferenz lokal stattfinden kann, wird die entscheidende Frage sein: Wie viel Geld kann jedes Gerät im Laufe der Zeit durch den Einsatz von Cloud-Diensten verursachen?

Memorie und Flexibilität des Hardware-Systems sind die echten Engpässe.

QVAC Fabric adressiert gleichzeitig zwei der größten Einschränkungen auf dem Gerät. Es berichtet…77,8 % weniger VRAM als die entsprechenden 16-Bit-Modelle.Und es ist möglich, ein 1B-Modell in 78 Minuten auf dem Galaxy S25 zu optimieren – dabei wird die eigene GPU des Handys verwendet, während die Daten weiterhin auf dem Gerät bleiben. Das ist wichtig, denn der Investitionsaspekt geht nicht nur darum, eine bestimmte Leistung zu erreichen. Es geht vielmehr darum, ob die Konsumentenhardware als praktische Inferenzfläche dienen kann.

Kurze Anweisungen sind einfach für lokale Ausführung geeignet. Längere Dokumente, Codebases und mehrtägige Aufgaben werden in der Regel ins Cloud ausgeliefert. TurboQuant ändert etwas an dieser Situation – indem es bestimmte Aspekte der Berechnungen verändert.Bis zu 5-fach Kontext-Memorie-KompressionIm lokalen Inferenzpfad gibt es kaum messbare Verluste bei der Genauigkeit auf langen Kontext-Benchmarks. Automatische Erweiterung hinzugefügt.KV-Cache-KompressionUnd die angepasste Hilfe bei der Nutzung von Werkzeugen kann die größere Herausforderung bewältigen – nicht nur das Modellgröße, sondern auch das Arbeitsspeichervermögen während der tatsächlichen Anwendung.

Eine umfassendere lokale-Inferenzarchitektur entwickelt sich.

QVAC ist in der Lage, auf den Chips von AMD, Intel, Apple, Qualcomm und ARM zu funktionieren. Das ist wichtig – denn eine Stack-Architektur, die nicht auf einem bestimmten Accelerator-Ecosystem beruht, hat mehr Möglichkeiten zur Einführung. Tether unterstützt ebenfalls diese Entwicklung.Peer-to-Peer-NetzwerkFür die Zusammenarbeit zwischen verschiedenen Geräten – und ein einheitliches Framework, das Smartphones, Laptops, eingebettete Systeme und andere Endgeräte umfasst.

Die Bulls betrachten das als ein potenzielles Druckpunkt auf die Ausgaben für die Cloud-API. Die Bears können jedoch argumentieren, dass ein weiterer Open-Source-Stack nicht sofort zu mehr Einnahmen für die Hyperscaler führen wird. Dennoch ist die Entwicklung interessant zu beobachten: Ein lokaler AI-Stack, der von der Geräte-Einschätzung zu einer distribuierteren Inferenznetzwerkweise übergeht.

Warum Investoren den Bewertungsaspekt mehr beachten als den Umsatzaspekt

Die wichtigere Frage ist nicht, ob das Modell von Tether allein funktioniert. Es geht vielmehr darum, ob lokale Schätzungen im Laufe der Zeit die Höhe des Preises bewegen können, den der Markt für die Entwicklung der KI-Infrastruktur zahlen will. Die Ausgaben von Big Tech für KI werden oft anhand von Prognosen gemessen.über 405 Milliarden DollarIm Bereich der Capex-Investitionen sowie die Gewinne im Bereich der AI-Chip-Aktien allein brachten etwa…2 Billionen Dollar im MarktwertDas bedeutet, dass bereits eine beträchtliche Nachfrage für die Zukunft in den Preisen enthalten ist.

Das „Bull-Case“-Szenario bedeutet ein geringeres Multiplikationsverhältnis – keine unmittelbare Einnahmeverschlechterung.

Wenn die Arbeitslasten teilweise auf Geräte verlagert werden, ist der erste Effekt möglicherweise eine Veränderung der Bewertung, nicht aber der gemeldete Umsatz. Das AI-System ist vielfältig und vernetzt.Chiphersteller, Cloud-Unternehmen, Stromversorger und SoftwarefirmenAlle bewegen sich gemeinsam, denn die Kapitalausgaben sind der gemeinsame Antriebsfaktor. Wenn die Investoren anfangen zu fragen, wie dauerhaft diese Ausgaben sein müssen, können die Kursverluste schnell auftreten, bevor die Gewinne wirklich geschädigt werden.

Das würde nicht dazu erfordern, dass die Anforderungen der hyperscalers überkompensiert werden müssen. Es würde lediglich erfordern, dass der Markt einen geringeren langfristigen Ertrag für jeden neuen Rack berechnet. In diesem Szenario würden diejenigen, die später in den Markt eintreten, wie z.B.…Fortgeschrittene Fertigungstechnologien sowie VerpackungskapazitätenEs könnte widerstandsfähiger sein als die traditionelle Cloud-Narrativ, wenn die Investoren Assets belohnen, die eine klare Einnahmequelle bieten und weniger von endlosen Investitionen abhängig sind.

Das Problem ist, dass die Nachfrage nach Cloud-Diensten immer noch sehr stark ist.

Das stärkere Problem bleibt klar: Die Expansion verläuft weiterhin schnell. Die Ausgaben der großen Technologieunternehmen sind im letzten Berichtsquartal um 19% gestiegen. Die Aktien von AI-Chips haben ebenfalls an Wert zugenommen.2 Billionen Dollar im MarktwertNur im Juli allein. Vor diesem Hintergrund ist es unwahrscheinlich, dass eine einzelne Edge-Stapel allein den Prozess verändern kann. Im Moment scheint es eher wie eine Debatte über die Bewertung als zu einem Verlust von Gewinnen.

Was würde die These bestätigen oder in Frage stellen?

Achten Sie auf Anzeichen dafür, dass die lokale Implementierung mehr als nur ein Proof-of-Concept wird:

• Adoption des Open-Source-Modells und der Tools durch die Entwickler
• Beweise dafür, dass langsamere Arbeitslasten auf dem Gerät bleiben können, ohne stark von der Cloud abhängig zu sein.
• Anzeichen dafür, dass das Interesse an Investitionen nachlässt – auch wenn die Nachfrage weiterhin besteht.