テザー、ローカルで動く知能ツールに資金を提供するためのAI助成金を開始

USDT 最大のステーブルコインであるテザーは、人工知能に狙いを定め、クラウドなしで動作する技術に数百万ドルを投資している。
テザーのCEOであるパオロ・アルドイーノは、クラウドベースのAIからローカルで自己主権型のAIシステムへ移行した経緯を共有し、新しいAIエージェント・システムに伴うリスクについて警告した。
テザーはローカルAIシステムを構築するために開発者へ報酬を支払っている
テザーは、ローカル・ファーストのAIと決済インフラを資金面で支援するための、無制限の開発者助成プログラムを立ち上げた。これに先立ち、テザーのAI研究グループは、標準的なスマートフォン上で動作し、Google（NASDAQ: GOOGL）よりも大幅に大規模なシステムを上回る医療言語モデルを公開していた。
Tetherは、すでにEthereum（ETH）の共同創業者であるVitalik Buterinが進んでいるレーンに合流します。Vitalikは4月2日に、クラウド型AIに関する自身の全面的な移行について詳述した大部の個人ブログ記事を公開しました。
CryptopolitanによるとButerinは、今は自分のマシン上ですべてを動かしており、特に相当なセキュリティ上の脅威をもたらす新しい「エージェント」システムの導入により、他の人にも同じことをしてほしいと述べたそうです。Buterinは、OpenClawが2026年初頭に28万のスターを獲得したことに加え、そこで行われた研究を強調しました。
このツールによりAIエージェントがコンピューターを直接制御でき、セキュリティ研究者は、OpenClawのエージェントがユーザーの認識なしにWebページから悪意のあるスクリプトをダウンロードして実行したり、重要なシステム設定を変更したりできること、さらに無音のネットワーク呼び出しを通じてデータを流出（exfiltrate）できることを示しました。
Cryptopolitanによると、これらのエージェントが使う「スキル」の約15%には、ユーザーデータを外部サーバーへ静かに送信する隠れたコマンドが含まれているとのことです。
「ローカルで動き、価値を直接保持でき、外部の提供者に依存しないものを作れるなら、私たちが資金を出します。」TetherのCEOパオロ・アルドイーノはこう述べました。
Tetherの助成プログラムでは、個人に対してタスク1件につき1,500ドルから4,000ドルが、USDTまたはBitcoin（BTC）のいずれかで支払われます。プログラム全体の支払い総額に上限はありません。とはいえ、開発者は特定の技術的成果物が完了した場合に限って支払われます。
Tetherは、ローカルAIプラットフォームQVACのためのコアライブラリの構築、技術ドキュメントの作成、Tetherのオープンスタックの上にアプリケーションを開発、分散化とエッジAIの研究に向けて、このプログラムを推進しています。
主要な焦点の1つがウォレット開発キット（WDK）です。これにより、開発者は自主管理型（self-custodial）のウォレットをアプリケーションに直接埋め込めるほか、ユーザーが保有するアカウントの管理や取引の完了を、カストディ（信託・保管）サービスやホスト型APIに頼らずに行えるようになります。
Tetherはこれまで、BTC Pay Server Foundationに対して連続する年に10万ドルの助成を行い、Bitcoin開発のためにOpenSatsへ25万ドルを寄付してきました。Tetherは500件超の学生向け教育助成金を分配し、同プログラムの次フェーズ（2030年まで）に向けて最大約5.38百万ドル（CHF 5百万）を拠出することを約束しています。
小型のAIモデルは大型のものを上回れるのでしょうか？
TetherのAI研究グループは最近、スマートフォンやウェアラブル端末上で、インターネット接続なしに直接動作するための医療用言語モデル2本組「QVAC MedPsy」をリリースしました。その結果は、「より高い性能にはより大きなモデルが必要だ」という前提に挑戦しています。
小型モデルのQVAC MedPsy-1.7B（17億パラメータ）は、閉形式の医療ベンチマーク7件で62.62を記録し、規模が半分にも満たないにもかかわらず、GoogleのMedGemma-1.5-4B-itを11.42ポイント上回りました。
より大型のQVAC MedPsy-4B（40億パラメータ）は同じベンチマークで70.54を記録し、約270億パラメータを含む、ほぼ7倍規模のGoogleのMedGemma-27B-text-itを上回りました。
モデルを現実の臨床シナリオで試験すると、性能差はさらに広がりました。応用的な医療推論を測るためのテストであるHealthBench Hardでは、QVAC MedPsy-4Bが58.00を記録したのに対し、MedGemma-27Bは42.00でした。
また、モデルは同等のシステムに比べて最大で3.2倍少ないトークン数で運用しており、これはそのままより高速な応答時間と、より低い計算コストに直結します。
ローカルで動作する小型AIモデルを推進するTether、Vitalikをはじめとする支持者たちは、効率的なシステムを動かすためにクラウドへデータを送る必要がないことを示す証拠として、これらの結果を指摘するでしょう。
暗号ニュースを読むだけじゃだめです。それを理解しましょう。ニュースレターを購読してください。無料です。