Tether, der Herausgeber von USDT, dem größten Stablecoin der Welt, hat den Fokus auf künstliche Intelligenz gelegt und investiert Millionen von Dollar in Technologien, die nicht auf die Cloud angewiesen sind.
Paolo Ardoino, CEO von Tether, teilte mit, wie er von cloud-basierten KI-Systemen zu einem lokalen und selbstbestimmten KI-System gewechselt ist und warnte vor den Risiken neuer KI-Agenten-Systeme.
Tether bezahlt Entwickler, um lokale KI-Systeme aufzubauen.
Tether hat ein unbegrenztes Förderprogramm für Entwickler ins Leben gerufen, um lokal orientierte KI- und Zahlungsinfrastruktur zu finanzieren. Zuvor hatte Tethers KI-Forschungsteam medizinische Sprachmodelle veröffentlicht, die auf Standard-Smartphones laufen und die deutlich größeren Systeme von Google (NASDAQ: GOOGL) übertreffen.
Tether schließt sich einem Kurs an, auf dem Ethereum- (ETH-)Mitgründer Vitalik Buterin bereits unterwegs ist. Vitalik veröffentlichte am 2. April einen ausführlichen persönlichen Blogbeitrag, in dem er seine vollständige Migration weg von cloudbasierten KI-Systemen beschreibt.
Cryptopolitan berichtete, dass Buterin sagt, er lasse nun alles auf seinen eigenen Maschinen laufen und wolle, dass andere es ihm gleichtun – insbesondere mit der Einführung neuer „Agent“-Systeme, die erhebliche Sicherheitsrisiken darstellen. Buterin hob die Forschung zu OpenClaw hervor, die Anfang 2026 280.000 Sterne erreichte.
Das Tool ermöglicht es KI-Agenten, Computer direkt zu steuern. Sicherheitsforscher haben gezeigt, dass OpenClaw-Agenten kritische Systemeinstellungen verändern, aus Webseiten bösartige Skripte herunterladen und ausführen können – ohne dass Nutzer es bemerken – und Daten über stille Netzwerkaufrufe abfließen lassen können.
Cryptopolitan berichtete, dass etwa 15 % der „Skills“, die diese Agents verwenden, versteckte Befehle enthalten, die still und leise Nutzerdaten an externe Server senden.
„Wenn man etwas bauen kann, das lokal läuft, den Wert direkt hält und nicht von externen Anbietern abhängt, dann finanzieren wir das.“ Das sagte Tethers CEO Paolo Ardoino.
Das Förderprogramm von Tether zahlt Einzelpersonen 1.500 bis 4.000 US-Dollar pro Aufgabe, entweder in USDT oder Bitcoin (BTC), ohne Deckelung für die Gesamtauszahlungen des Programms. Entwickler werden jedoch nur bezahlt, sobald bestimmte technische Ergebnisse erbracht sind.
Tether richtet das Programm darauf aus, zentrale Bibliotheken für seine lokale KI-Plattform QVAC aufzubauen, technische Dokumentation zu erstellen, Anwendungen auf der offenen Tech-Stack von Tether zu entwickeln und Dezentralisierung sowie Edge-KI zu erforschen.
Ein großer Schwerpunkt ist das Wallet Development Kit (WDK). Damit können Entwickler Self-Custody-Wallets direkt in Anwendungen einbetten und gleichzeitig Nutzern ermöglichen, ihre Konten zu verwalten und Transaktionen abzuschließen, ohne auf Custodial-Dienste oder gehostete APIs angewiesen zu sein.
Tether hat zuvor in aufeinanderfolgenden Jahren 100.000 US-Dollar an die BTC Pay Server Foundation vergeben und 250.000 US-Dollar an OpenSats für die Entwicklung von Bitcoin gespendet. Tether hat außerdem mehr als 500 Stipendien zur studentischen Bildung ausgeteilt und sich bis zu ungefähr 5,38 Millionen US-Dollar (CHF 5 Millionen) für die nächste Phase des Programms bis 2030 verpflichtet.
Können kleinere KI-Modelle leistungsstärkere größere übertreffen?
Die KI-Forschungsgruppe von Tether hat kürzlich QVAC MedPsy veröffentlicht – ein Duo medizinischer Sprachmodelle, das dafür ausgelegt ist, direkt auf Smartphones und Wearables zu laufen, ohne dass eine Internetverbindung erforderlich ist. Die Ergebnisse stellen die Annahme in Frage, dass bessere Leistung größere Modelle erfordert.
Das kleinere Modell QVAC MedPsy-1.7B (1,7 Milliarden Parameter) erzielte 62,62 in sieben geschlossenen medizinischen Benchmarks und schlug Googles MedGemma-1.5-4B-it um 11,42 Punkte, obwohl es weniger als halb so groß ist.
Das größere QVAC MedPsy-4B (4 Milliarden Parameter) erzielte in denselben Benchmarks 70,54 und übertraf Googles MedGemma-27B-text-it – ein Modell, das fast sieben Mal größer ist und etwa 27 Milliarden Parameter enthält.
Die Leistungslücke wurde größer, als die Modelle in realen klinischen Szenarien getestet wurden. Bei HealthBench Hard, einem Test zur Messung angewandter medizinischer Argumentation, erzielte QVAC MedPsy-4B 58,00 im Vergleich zu 42,00 von MedGemma-27B.
Die Modelle nutzen außerdem deutlich weniger Token – bis zu 3,2-mal weniger als vergleichbare Systeme. Das führt direkt zu schnelleren Antwortzeiten und geringeren Rechenanforderungen.
Tether, Vitalik und andere Befürworter kleinerer, lokaler KI-Modelle werden auf diese Ergebnisse als Beleg dafür verweisen, dass Nutzer nicht riskieren müssen, ihre Daten in die Cloud zu schicken, um effiziente Systeme auszuführen.
Lies nicht nur Krypto-News. Verstehe sie. Abonniere unseren Newsletter. Er ist kostenlos.