Tether veröffentlicht QVAC-SDK für KI-Modelle auf persönlichen Geräten
Tether hat QVAC, seine KI-Initiative für den lokalen Betrieb von Modellen auf alltäglicher Hardware, mit Entwicklerwerkzeugen unterlegt, wie Crypto Briefing berichtet.
Werkzeugpaket und Laufzeitumgebung
Tether brachte das QVAC-SDK am 9. April 2026 heraus. Ein Software Development Kit liefert Entwicklern fertige Bausteine für Apps auf einer Plattform, sodass sie die Grundmechanik nicht selbst programmieren müssen. Kern ist eine plattformübergreifende Inferenz-Laufzeit, die auf einem bestimmten Gerät die Antwort eines Modells erzeugt.
Das beschriebene Ziel ist, dass ein Modell auf Laptop, Desktop und Smartphone läuft, ohne für jedes Gerät gesondert neu aufgebaut zu werden. Tether nennt Personalisierung und Ausführung auf dem Gerät als seine beiden wichtigsten Entwurfsprioritäten.
Feinabstimmung auf Consumer-Hardware
Eine zweite Komponente, QVAC Fabric, übernimmt das Fine-Tuning, also das weitere Training eines bestehenden Modells auf eine enger umrissene Aufgabe. Laut dem Bericht arbeitet sie auf einer Reihe von Consumer-Geräten, darunter mobile GPUs, Chips für viele gleichzeitige Berechnungen. Fabric baut auf Fortschritten beim LoRA-Fine-Tuning auf, einem Verfahren, das nur einen kleinen Teil eines Modells verändert statt es vollständig neu zu trainieren.
Tether hat zentrale Komponenten außerdem unter freizügigen Lizenzen als Open Source veröffentlicht, sodass externe Entwickler den Code prüfen, ändern und erweitern können.
Kleineres Modell mit Benchmark-Angaben
Am 11. November 2026 veröffentlichte Tether QVAC BotPsy, ein Modell mit 800 Millionen Parametern, das auf agentische Aufgaben abgestimmt ist. Dabei ruft eine KI Werkzeuge auf, führt Aktionen aus und erledigt mehrstufige Aufträge für einen Nutzer. Laut ersten Benchmarks erreichte BotPsy im BFCL-v4-Test 44,0 Prozent, ein Modell mit 2 Milliarden Parametern kam im selben Test auf 37,7 Prozent. Diese Werte stammen aus den berichteten ersten Benchmarks und sind nicht unabhängig überprüft.
Offene Fragen
- Wie belastbar sind die Benchmark-Ergebnisse von BotPsy bei unabhängigen Tests?
- Welche Geräte und Modelle das SDK in der Praxis unterstützen wird?