تُصدر Tether نموذج QVAC BotPsy للذكاء الاصطناعي القادر على استخدام الأدوات على الأجهزة الشخصية

أعلن فريق Tether AI Research عن إصدار QVAC BotPsy-0.8B في 11 نوفمبر 2026، وهو نموذج مفتوح الأوزان يضم 0.8 مليار معلمة، ومصمم لاستدعاء الأدوات على الأجهزة الشخصية. وأفاد الفريق بأنه تفوق على جميع النماذج التي اختُبرت، والتي يصل عدد معلماتها إلى 1.2 مليار، في ستة معايير لاختبار قدرات الوكلاء.

بُني BotPsy على Qwen3.5-0.8B من Alibaba، ويتخصص في استدعاء الدوال وسير العمل متعدد الخطوات القائم على الوكلاء، للتشغيل محليًا. وتشمل المهام المستهدفة التقويمات والمراسلات والملفات وإعدادات الأجهزة والبحث على الويب والسفر والتجارة وخدمة العملاء، فيما حُددت المهام ذات الصعوبة المنخفضة إلى المتوسطة بوصفها الأنسب له. ويتولى التطبيق المحيط به توفير الاتصالات بالخدمات والأذونات وضوابط التنفيذ.

في المثال الذي أوردته Tether من ACEBench، تعذّر إرسال رسالة لأن شبكة Wi-Fi كانت متوقفة وصندوق الوارد ممتلئًا. فعّل BotPsy شبكة Wi-Fi وأفرغ مساحة في صندوق الوارد قبل إرسال الرسالة، بينما كرر نموذجه الأساسي المحاولة الفاشلة. ويمكن للنموذج أيضًا إدراك متى لا تلائم أي من الأدوات المتاحة طلبًا ما، وهو سلوك مهم لمساعد يعمل داخل تطبيقات حقيقية.

التخصص وراء المكاسب في نتائج المعايير

في تقييم بطاقة النموذج الذي أجرته Tether، ارتفعت نتيجة BFCL v4 من 23.4 للنموذج الأساسي Qwen3.5-0.8B-Think إلى 44.0 لـBotPsy، وارتفعت نتيجة ACEBench من 30.1 إلى 58.7، ونتيجة ToolSandbox من 30.5 إلى 64.6. كما تفوق BotPsy على Qwen3.5-2B-Think في خمسة من معايير الوكلاء الستة؛ بينما تصدر النموذج الأكبر Claw-Eval بنتيجة 48.9 مقابل 46.5. قُيّمت النماذج الخمسة كلها في وضع التفكير باستخدام بيئة اختبار موحدة، والنتائج معبّر عنها بالنسب المئوية.

يتعلق أكبر تحسن بالاستمرارية عبر الأدوار الحوارية. وتفيد Tether بأن BotPsy حقق 46.1 في اختبار الأدوار المتعددة ضمن BFCL v4، مقابل 7.5 لنموذجه الأساسي و23.8 لـQwen3.5-2B-Think. ويقيس هذا الاختبار قدرة الوكيل على مواصلة العمل عند ورود معلومات جديدة، مثل التحقق من التوافر والتعامل مع تعارض وتحديث تقويم. أما نتيجة BotPsy البالغة 86.1 في اختبار الهلوسة ضمن BFCL، فتقيس متطلبًا مختلفًا: الامتناع عن استدعاء أداة عندما لا تلائم أي أداة متاحة الطلب.

لا تثبت نتائج Tether الأوسع تفوقًا عامًا. فنتيجتا BotPsy في GPQA Diamond وMMLU-Pro، والبالغتان 38.1 و48.9، أدنى بكثير من نتيجتي نموذج 2B البالغتين 59.9 و65.5. وتصدرت نتيجة BotPsy في BrowseComp-Plus، البالغة 4.5، مجموعة النماذج الخمسة، لكنها تظل منخفضة بالقيمة المطلقة، ما يكشف ضعف أدائه في البحث المفتوح. لذلك صُمم BotPsy لاستدعاء الأدوات للحصول على الحقائق التي لا يعرفها.

التدريب والتشغيل على الجهاز

يصف عرض تقني أربع مراحل لاحقة للتدريب: الضبط الدقيق الخاضع للإشراف، والتقطير وفق سياسة المعلم المتعدد، وجولتين من التعلم المعزز. وتولى ثلاثة نماذج متخصصة من Qwen3.5-4B مهام استخدام الأدوات والاستدلال العام واتباع التعليمات خلال التقطير. واستخدمت مرحلتا التعلم المعزز مكافآت قائمة على القواعد وقابلة للتحقق؛ ركزت الأولى على استدعاء الأدوات، ثم أضافت الثانية مزيدًا من مهام الرياضيات والبرمجة والمعرفة والإخراج المنظم. ولا يتضمن الإصدار شيفرة التدريب أو بياناته.

ينتج النموذج الناتج أيضًا مسارات استدلال أقصر من نموذجه الأساسي. ففي أسئلة GPQA Diamond التي أجابت عنها النماذج الخمسة كلها إجابة صحيحة، قاست Tether 3,690 رمزًا للاستدلال لدى BotPsy مقابل 11,563 لدى نموذجه الأساسي؛ وفي MMLU-Pro، بلغ العددان 1,912 و5,105. وبما أن جميع النماذج أجابت عن تلك الأسئلة إجابة صحيحة، فإن المقارنة تعزل طول الاستدلال عن صعوبة الأسئلة، ما يوفر مؤشرًا مفيدًا للكفاءة عند الاستدلال محليًا.

يوفر إصدار GGUF ثلاثة ملفات لـllama.cpp وQVAC SDK: ملف BF16 بحجم يقارب 1.52 GB، وQ8_0 بحجم يقارب 0.81 GB، وQ4_K_M بحجم يقارب 0.53 GB. وتوصي Tether بـQ8_0 بعد أن حقق متوسطًا قدره 50.7 عبر عشرة معايير، قريبًا من متوسط GGUF بصيغة BF16 البالغ 50.4، وبنحو نصف حجم الملف. وحقق Q4_K_M متوسطًا قدره 48.9، وهو مخصص للميزانيات المحدودة من الذاكرة. ويوفر المستودع الرئيسي أوزان safetensors بصيغة BF16 بموجب ترخيص Apache 2.0.

حدود السلامة وخطة QVAC

الحدود المتعلقة بالاستخدام المقصود، كما ترد في بطاقة النموذج، كبيرة. دُرّب BotPsy واختُبر أساسًا باللغة الإنجليزية، وهي اللغة الموصى بها. وشمل تقييم Multi-IF سبع لغات إضافية، وأظهر نتائج أضعف بكثير في اتباع التعليمات بالهندية والروسية. ويرتكب BotPsy أخطاءً، وليس مخصصًا للقرارات الآلية الحساسة للسلامة أو عالية المخاطر، ولا للتطبيقات التي تتناول الأموال أو المعلومات الشخصية أو الصحة أو غيرها من الموضوعات الحساسة.

في اختبار الفريق الأحمر الآلي الذي أجرته Tether عبر ست فئات من الأذى، أنتج BotPsy ردودًا غير آمنة في 21% من الحالات، مقارنةً بـ36% لنموذجه الأساسي. وفي هجمات حقن التعليمات، التي تمثل مصدر قلق خاصًا للوكلاء الذين يقرؤون مخرجات أدوات غير موثوقة، بلغت معدلات الردود غير الآمنة المعلنة 31% و46% على التوالي. تحسن أداء النموذج الأصغر في كلا الاختبارين، لكنه ظل ينتج ردودًا غير آمنة.

ينضم BotPsy إلى نماذج QVAC للرؤية والصوت والصحة والترجمة، وتستهدف خطط التطوير المستقبلية الجمع بين قدراتها المتخصصة. وقال الرئيس التنفيذي لـTether، Paolo Ardoino: «ينبغي للمستخدمين أن يقرروا ما الذي يمكن لمساعدهم الوصول إليه، والخدمات الخارجية التي يمكنه الاتصال بها».

يعتمد التصميم طويل الأمد لدى Tether على واجهة لنظام Android أو iPhone للتفاعل اليومي، ويُسند المهام التي تتطلب قدرات كبيرة إلى حاسوب منزلي أو عُقد موثوقة تعمل بنظام الند للند، ويوجّه استعلامات الويب عبر اتصالات مشفّرة تعمل بالنظام نفسه. وهذا النظام رؤية معلنة، أما الإصدار الحالي فيوفّر النموذج وملفات النشر.

تتمثل نقطة القوة الموثّقة في BotPsy في طبقة تنفيذ محلية متخصصة للمهام الروتينية. ويتوقف تحوّله إلى مساعد شخصي مفيد على أذونات التطبيقات وضوابط التنفيذ، وعلى معالجة التكامل المخطط له لدى Tether وإسناد المهام إلى الأجهزة لحدود البحث والتعقيد والسلامة الموثّقة في هذا الإصدار.