主要な焦点は、開発者が自己管理型ウォレットをアプリケーションに直接埋め込めるWallet Development Kit（WDK）です。これにより、ユーザーはカストディアルサービスやホステッドAPIに頼ることなく、自分のアカウントを管理し、取引を完了できます。
テザーは以前、BTC Pay Server Foundationに10万ドルの助成金を連続して授与し、OpenSatsに25万ドルを寄付してビットコインの開発を支援しました。これまでに500以上の学生教育助成金を配布し、2030年までの次のフェーズに約538万ドル（CHF 500万）を投入することを約束しています。
テザー、地域運営のインテリジェンスツールを資金援助するためのAI助成金を開始
テザー、世界最大のステーブルコインであるUSDTの発行者は、人工知能に注目し、クラウドを必要としない技術に数百万ドルを投資しています。
パオロ・アルドイノ、テザーのCEOは、クラウドベースのAIからローカルで自己主権型のAIシステムへの移行方法を共有し、新しいAIエージェントシステムのリスクについて警告しました。
テザーは開発者にローカルAIシステムの構築を促すために報酬を支払っています。
テザーは、ローカル優先のAIと決済インフラを資金援助する無制限の開発者助成金プログラムを開始しました。これ以前に、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のはるかに大きなシステムを上回る医療用言語モデルをリリースしました。
テザーは、すでにイーサリアム（ETH）の共同創設者ビタリック・ブテリンが進めている道に加わっています。ビタリックは4月2日に、クラウドベースのAIから完全に移行したことを詳細に述べた個人のブログ投稿を公開しました。
Cryptopolitanは、ブテリンが現在すべてを自分のマシンで運用しており、特に新しい「エージェント」システムの導入に伴うセキュリティ上の大きな脅威を考慮して、他者にも同じことを行うよう求めていると報じました。ブテリンは、2026年初頭に星数28万を超えたOpenClawに関する研究を強調しました。
このツールはAIエージェントがコンピュータを直接制御できるようにし、セキュリティ研究者はOpenClawエージェントが重要なシステム設定を変更したり、ユーザーの気付かないうちにウェブページから悪意のあるスクリプトをダウンロード・実行したり、静かなネットワーク呼び出しを通じてデータを外部に送信したりできることを示しました。
Cryptopolitanは、これらのエージェントが使用する「スキル」の約15％に隠されたコマンドが含まれており、静かにユーザーデータを外部サーバーに送信していると報じました。
「ローカルで動作し、直接価値を保持し、外部プロバイダーに依存しないものを構築できるなら、資金を提供します。」とテザーのCEOパオロ・アルドイノは述べました。
テザーの助成金プログラムは、個人に対して1,500ドルから4,000ドルをUSDTまたはビットコイン（BTC）で支払い、総支給額に上限はありません。ただし、開発者は特定の技術的成果物が完成した場合のみ支払いを受けます。
テザーは、QVACというローカルAIプラットフォームのコアライブラリ構築、技術ドキュメントの作成、テザーのオープンスタック上でのアプリケーション開発、分散化とエッジAIの研究にプログラムを向けています。
主要な焦点は、開発者が自己管理型ウォレットをアプリケーションに直接埋め込めるWallet Development Kit（WDK）です。これにより、ユーザーはカストディアルサービスやホステッドAPIに頼ることなく、自分のアカウントを管理し、取引を完了できます。
テザーは以前、BTC Pay Server Foundationに10万ドルの助成金を連続して授与し、OpenSatsに25万ドルを寄付してビットコインの開発を支援しました。これまでに500以上の学生教育助成金を配布し、2030年までの次のフェーズに約538万ドル（CHF 500万）を投入することを約束しています。
より小さなAIモデルは大きなモデルを超えられるのか？
テザーのAI研究グループは最近、QVAC MedPsyという、インターネット接続なしでスマートフォンやウェアラブルデバイス上で直接動作する医療用言語モデルのペアをリリースしました。これらの結果は、より良い性能を得る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、7つの閉鎖型医療ベンチマークで62.62点を獲得し、GoogleのMedGemma-1.5-4B-itを11.42ポイント上回り、サイズは半分以下です。
より大きなQVAC MedPsy-4B（40億パラメータ）は、同じベンチマークで70.54点を獲得し、約27億パラメータを含むGoogleのMedGemma-27B-text-itを7倍近く超えました。
実世界の臨床シナリオでのテストでは、性能差がさらに拡大しました。医療推論の応用能力を測るHealthBench Hardでは、QVAC MedPsy-4Bが58.00点を獲得し、MedGemma-27Bの42.00点を上回りました。
これらのモデルは、比較可能なシステムよりも最大3.2倍少ないトークンを使用しており、これが直接、応答時間の短縮と計算負荷の低減につながっています。
テザー、ビタリック、その他の小型・ローカルAIモデルの推進者は、これらの結果を、ユーザーが効率的なシステムを運用するためにクラウドにデータを送信するリスクを負う必要がない証拠として指摘するでしょう。
暗号ニュースを読むだけでなく、それを理解しよう。私たちのニュースレターに登録してください。無料です。