ٹیتھر نے میڈیکل AI کی نقاب کشائی کی جو فون پر چلتی ہے، بہت بڑے SoTA ماڈلز کو بہتر کرتی ہے، اور کلاؤڈ کو پوری طرح سے کاٹ سکتی ہے۔

7 مئی 2026 - ٹیتھر کے AI ریسرچ گروپ نے آج QVAC MedPsy کا آغاز کیا، طبی زبان کے ماڈلز کی ایک نئی کلاس اسمارٹ فونز، پہننے کے قابل، اور محدود پروسیسنگ پاور کے ساتھ دیگر آلات پر براہ راست چلانے کے لیے ڈیزائن کی گئی ہے، ایسی کارکردگی فراہم کرتی ہے جو حریفوں اور، بعض صورتوں میں، مقامی اور نجی رہتے ہوئے نمایاں طور پر بڑے ماڈلز کو پیچھے چھوڑ دیتی ہے۔ ماڈل سائز کے ذریعے کارکردگی کو بڑھانے کے بجائے، نظام کارکردگی پر توجہ مرکوز کرتا ہے، کمپیوٹ کی ضروریات کو کم کرتا ہے اور اس کے نتیجے میں، دور دراز کے کلاؤڈ انفراسٹرکچر پر انحصار کو ختم کرتا ہے۔

آج بھی زیادہ تر سسٹمز ریموٹ سرورز پر چلنے والے بڑے ماڈلز پر انحصار کرتے ہیں، جس میں کلاؤڈ سرور کے ذریعے منتقل ہونے کے لیے حساس ڈیٹا کی ضرورت ہوتی ہے۔ صحت کی دیکھ بھال میں، اس میں مریض کے ریکارڈ، تشخیصی سوالات، اور کلینیکل نوٹس شامل ہیں، یہ سب سخت رازداری اور تعمیل کی پابندیوں سے مشروط ہیں۔ جیسا کہ مارکیٹ کا پیمانہ تقریباً 36 بلین ڈالر سے آج 2033 تک 500 بلین ڈالر سے زیادہ ہونے کے تخمینے کی طرف ہے، اس فن تعمیر کا جواز پیش کرنا مشکل ہوتا جا رہا ہے۔

یہ ریلیز AI میں سب سے زیادہ مضبوط مفروضوں میں سے ایک کو چیلنج کرتی ہے، کہ بہتر کارکردگی کے لیے بڑے ماڈلز اور زیادہ کمپیوٹنگ کی ضرورت ہوتی ہے۔ اس کے بجائے، QVAC MedPsy اس ماڈل کو پلٹ دیتا ہے۔ ایک 1.7 بلین پیرامیٹر ماڈل نے سات بند شدہ میڈیکل بینچ مارکس میں 62.62 کا اوسط اسکور حاصل کیا، جس نے نصف سے کم سائز ہونے کے باوجود Google کے MedGemma-1.5-4B- کو 11.42 پوائنٹس سے پیچھے چھوڑ دیا۔ ہیلتھ بینچ ہارڈ جیسے حقیقی دنیا کے طبی منظرناموں میں، 1.7 بلین ماڈل MedGemma 27B کو بھی پیچھے چھوڑ دیتا ہے، جو تقریباً سولہ گنا بڑا ماڈل ہے۔ ہمارے QVAC MedPsy 4 بلین پیرامیٹر ورژن نے ان ہی سات بند شدہ بینچ مارکس میں 70.54 اسکور کیا، جو کہ MedGemma-27B-text سمیت تقریباً سات گنا بڑے ماڈلز سے زیادہ ہے، اور ہیلتھ بینچ ہارڈ، ہیلتھ بینچ، اور MedXpertQA جیسے کلینیکل طرز کی تشخیص میں اعلیٰ کارکردگی پیش کی۔ مجموعی طور پر، تشخیص میں مجموعی طور پر آٹھ متنوع بینچ مارک سویٹس کا احاطہ کیا گیا: طبی علم اور طبی امتحانات کے لیے MedQA-USMLE اور MedMCQA؛ صحت کی خواندگی کے لیے MMLU Health اور MMLU-Pro Health؛ ماہر طبی استدلال کے لیے MedXpertQA؛ بائیو میڈیکل ریسرچ کی تفہیم کے لیے PubMedQA؛ AfriMedQA غیر محفوظ عالمی صحت کی دیکھ بھال کے سیاق و سباق کے لیے؛ اور HealthBench، بشمول HealthBench Hard، حقیقی دنیا کے طبی منظرناموں کے لیے۔ کارکردگی کے فوائد ایک مرحلہ وار تربیت کے بعد کے طبی عمل سے حاصل ہوتے ہیں جس میں وسیع طبی نگرانی، اعلیٰ قدر والے طبی استدلال کے اعداد و شمار، اور سخت طبی استدلال کے معاملات پر توجہ مرکوز کرنے والی کمک سیکھنے کو ملایا جاتا ہے۔

ماڈل تخمینہ کی لاگت کو بھی نمایاں طور پر کم کرتے ہیں۔ ہمارا QVAC MedPsy 4B ماڈل تقابلی نظاموں کے لیے 2,953 ٹوکنز کے مقابلے میں تقریباً 909 ٹوکنز میں ردعمل پیدا کرتا ہے، جس میں 3.2x کمی، جبکہ 1.7B ماڈل اوسطاً 1,110 ٹوکنز بمقابلہ 1,901 ٹوکنز، ایک redux 1. یہ تیز تر ردعمل کے اوقات اور کلاؤڈ انفراسٹرکچر پر انحصار کیے بغیر مقامی طور پر چلانے کی صلاحیت میں ترجمہ کرتا ہے۔ ماڈلز کو مقامی تعیناتی کے لیے کوانٹائزڈ GGUF فارمیٹس میں بھی جاری کیا جا رہا ہے، جس میں تجویز کردہ Q4_K_M ورژن QVAC MedPsy-1.7B کے لیے تقریباً 1.2 GB اور QVAC MedPsy-4B کے لیے 2.6 GB ہیں۔ جانچ میں، ان کمپریسڈ ورژنز نے زیادہ تر بینچ مارک کارکردگی کو برقرار رکھا جبکہ ماڈلز کو موبائل اور ایج ماحول کے لیے عملی بنایا۔

یہ وہ جگہ بدل جاتا ہے جہاں طبی AI کو درحقیقت استعمال کیا جا سکتا ہے۔ ایسے سسٹمز جن کو پہلے بیرونی پروسیسنگ کی ضرورت ہوتی تھی ان کو سائٹ پر موجود سسٹمز کے اندر محفوظ، مقامی ڈیٹا پروسیسنگ اور تجزیہ کے لیے، موبائل آلات پر، یا ایسے ماحول میں جہاں کنیکٹیویٹی، تاخیر، یا رازداری کی رکاوٹیں کلاؤڈ پر مبنی ماڈلز کو ناقابل عمل بناتی ہیں، کی مدد کے لیے تعینات کیے جا سکتے ہیں۔ یہ صحت کی دیکھ بھال میں اپنانے کی اہم رکاوٹوں میں سے ایک کو بھی کم کرتا ہے، حساس ڈیٹا کو کنٹرول شدہ ماحول سے باہر منتقل کرنے کی ضرورت۔

ٹیتھر کے سی ای او پاولو آرڈوینو نے کہا، "QVAC MedPsy کے ساتھ، ہماری توجہ ماڈل کی سطح پر کارکردگی کو بہتر بنانے پر تھی، بجائے اس کے کہ سائز میں اضافہ ہو۔" "ہمارے ٹیسٹوں میں، 1.7 بلین پیرامیٹر QVAC MedPsy ماڈل نے MedGemma-4B جیسے بڑے سسٹمز سے بہتر کارکردگی کا مظاہرہ کیا، اور ہمارے 4 بلین ماڈل نے ماڈلز سے نتائج کو اس کے سائز سے تقریباً سات گنا زیادہ کیا، جبکہ فی جواب میں تین گنا کم ٹوکنز استعمال کیے گئے۔ یہ مجموعہ اہمیت رکھتا ہے کیونکہ یہ براہ راست کمپیوٹ کی ضروریات کو کم کرتا ہے، بجائے اس کے کہ مقامی طور پر معیاری ماڈل پر تاخیر کی اجازت دیتا ہے۔ دور دراز کے بنیادی ڈھانچے پر، جو کہ رکاوٹوں کو مکمل طور پر تبدیل کر دیتا ہے، آپ طبی استدلال چلا سکتے ہیں جہاں ڈیٹا پہلے سے موجود ہے، ہسپتال کے نظام کے اندر یا کسی ڈیوائس پر، حساس معلومات کو بادل کے ذریعے منتقل کیے بغیر یا بیرونی پروسیسنگ کا انتظار کیے بغیر۔"

پچھلی دہائی سے، AI میں پیش رفت کلاؤڈ بیسڈ کمپیوٹ تک رسائی سے منسلک ہے۔ QVAC MedPsy ایک مختلف سمت کی طرف اشارہ کرتا ہے، جہاں کارکردگی، محل وقوع اور رازداری کارکردگی کی وضاحت کرتی ہے۔ اگر یہ فوائد حقیقی دنیا کی تعیناتیوں میں ہیں، تو وہ طبی AI انفراسٹرکچر کی معاشیات کو نئی شکل دے سکتے ہیں، فائدہ کو ایسے نظاموں کی طرف منتقل کر سکتے ہیں جو مقامی طور پر کم لاگت، کم تاخیر، اور حساس ڈیٹا پر زیادہ کنٹرول کے ساتھ کام کرتے ہیں۔

https://qvac.tether.io/models/ پر مزید پڑھیں

ٹیتھر ڈیٹا کے بارے میں

ٹیتھر ڈیٹا، S.A.d