Tether는 현지에서 운영 가능한 인텔리전스 도구에 자금을 지원하는 AI 보조금 프로그램을 시작합니다

세계 최대 스테이블코인인 USDT를 발행하는 테더는 인공지능에 주목하며 클라우드 컴퓨팅 없이 작동하는 기술에 수백만 달러를 투자하고 있습니다. 

테더의 CEO인 파올로 아르도이노는 클라우드 기반 AI에서 로컬 기반의 자율적인 AI 시스템으로 전환한 과정을 공유하며, 새로운 AI 에이전트 시스템의 위험성에 대해 경고했습니다. 

테더는 개발자들이 로컬 AI 시스템을 구축하도록 비용을 지불하고 있습니다 

테더는 현지 우선 AI 및 결제 인프라 구축을 지원하기 위해 무제한 개발자 보조금 프로그램을 시작했습니다. 앞서 테더의 AI 연구팀은 일반 스마트폰에서도 실행되고 구글(NASDAQ: GOOGL)의 훨씬 더 큰 시스템보다 뛰어난 성능을 보이는 의료 언어 모델을 공개한 바 있습니다.

길에 합류했습니다 Ethereum (ETH) 공동 창립자 비탈릭 부테린이 이미 걷고 있는 블로그 클라우드 기반 AI에서 완전히 벗어나는 과정을 자세히 설명하는 글을 게시했습니다.

Cryptopolitan 보도했습니다 비탈릭 부테린이 이제 모든 시스템을 자신의 컴퓨터에서 직접 실행하고 있으며, 특히 상당한 보안 위협을 초래하는 새로운 "에이전트" 시스템의 도입으로 인해 다른 사람들도 그렇게 하기를 바란다고 말했다고

이 도구를 사용하면 AI 에이전트가 컴퓨터를 직접 제어할 수 있으며, 보안 연구원들은 OpenClaw 에이전트가 중요한 시스템 설정을 수정하고, 사용자가 인지하지 못하는 사이에 웹 페이지에서 악성 스크립트를 다운로드 및 실행하고, 사용자 모르게 네트워크 호출을 통해 데이터를 유출할 수 있음을 입증했습니다.

Cryptopolitan 이러한 에이전트들이 사용하는 "스킬" 중 약 15%에 사용자의 데이터를 외부 서버로 은밀하게 전송하는 숨겨진 명령어가 포함되어 있다고 보도했습니다.

테더의 CEO 파올로 아르도이노는 "만약 여러분이 로컬에서 실행되고, 직접적인 가치를 지니며, 외부 공급자에 의존하지 않는 무언가를 만들 수 있다면, 우리는 투자할 것입니다."라고 말했습니다.

테더의 보조금 프로그램은 개인에게 작업당 1,500달러에서 4,000달러를 USDT 또는 Bitcoin (BTC)으로 지급하며, 총 지급액에는 상한선이 없습니다. 단, 개발자는 특정 기술적 결과물이 완료된 후에만 지급받습니다.

테더는 이 프로그램을 통해 자체 AI 플랫폼인 QVAC, 기술 문서를 작성하고, 테더의 오픈 스택 기반 애플리케이션을 개발하고, 탈중앙화 및 엣지 AI를 연구하는 데 집중할 계획입니다.

주요 초점은 개발자가 자체 관리형 지갑을 애플리케이션에 직접 내장할 수 있도록 하는 지갑 개발 키트(WDK)이며, 사용자는 관리 서비스나 호스팅 API에 의존하지 않고도 계정을 관리하고 거래를 완료할 수 있습니다. 

테더는 이전에 BTC Pay Server Foundation에 2년 연속 10만 달러의 보조금을 지급했으며, Bitcoin 개발을 위해 OpenSats에 25만 달러를 기부했습니다. 테더는 500건 이상의dent 교육 보조금을 지급했으며, 2030년까지 프로그램의 다음 단계에 최대 약 538만 달러(500만 스위스 프랑)를 투자하기로 약속했습니다.

더 작은 AI 모델이 더 큰 모델보다 더 나은 성능을 보일 수 있을까요?

테더의 AI 연구 그룹은 최근 인터넷 연결 없이 스마트폰과 웨어러블 기기에서 직접 실행되도록 설계된 두 가지 의료 언어 모델인 QVAC MedPsy를 출시했습니다. 이 결과는 더 나은 성능을 위해서는 더 큰 모델이 필요하다는 기존의 가정에 의문을 제기합니다.

더 작은 모델인 QVAC MedPsy-1.7B(17억 개의 매개변수)는 7개의 폐쇄형 의료 벤치마크에서 62.62점을 기록하여 크기가 절반도 안 됨에도 불구하고 Google의 MedGemma-1.5-4B-it보다 11.42점 높은 성능을 보였습니다.

더 큰 규모의 QVAC MedPsy-4B(40억 개의 매개변수)는 동일한 벤치마크에서 70.54점을 기록하여, 약 7배 더 크고 약 270억 개의 매개변수를 포함하는 Google의 MedGemma-27B-text-it 모델을 능가했습니다.

실제 임상 시나리오에서 모델을 테스트했을 때 성능 격차가 더욱 벌어졌습니다. 응용 의학 추론을 측정하도록 설계된 HealthBench Hard 테스트에서 QVAC MedPsy-4B는 58.00점을 기록한 반면 MedGemma-27B는 42.00점을 기록했습니다. 

또한 이 모델들은 유사한 시스템보다 최대 3.2배 적은 토큰을 사용하므로 응답 속도가 더 빠르고 계산 요구량이 더 낮아집니다.

테더, 비탈릭 부테린을 비롯한 소규모 로컬 AI 모델 실행 지지자들은 이러한 결과를 근거로 사용자들이 효율적인 시스템을 운영하기 위해 데이터를 클라우드로 전송하는 위험을 감수할 필요가 없다고 주장할 것입니다.

암호화폐 분야의 최고 전문가들이 이미 저희 뉴스레터를 구독하고 있습니다. 함께하고 싶으신가요? 지금 바로 참여하세요.