Η Tether κυκλοφορεί το QVAC BotPsy, ένα μοντέλο τεχνητής νοημοσύνης που χρησιμοποιεί εργαλεία σε προσωπικές συσκευές

Η Tether AI Research ανακοίνωσε στις 11 Νοεμβρίου 2026 την κυκλοφορία του QVAC BotPsy-0.8B, ενός μοντέλου ανοιχτών βαρών με 0,8 δισεκατομμύρια παραμέτρους, το οποίο εκτελεί κλήσεις εργαλείων σε προσωπικές συσκευές. Η εταιρεία ανέφερε ότι το μοντέλο ξεπέρασε όλα τα μοντέλα που δοκιμάστηκαν, με έως και 1,2 δισεκατομμύρια παραμέτρους, σε έξι σημεία αναφοράς για αυτόνομους πράκτορες.

Βασισμένο στο Qwen3.5-0.8B της Alibaba, το BotPsy ειδικεύεται στην κλήση συναρτήσεων και σε ροές εργασίας αυτόνομων πρακτόρων πολλαπλών βημάτων για τοπική εκτέλεση. Οι εργασίες για τις οποίες προορίζεται περιλαμβάνουν ημερολόγια, μηνύματα, αρχεία, ρυθμίσεις συσκευών, διαδικτυακή έρευνα, ταξίδια, εμπόριο και εξυπηρέτηση πελατών, ενώ καταλληλότερες θεωρούνται οι εργασίες χαμηλής έως μέτριας δυσκολίας. Η εφαρμογή που το περιβάλλει παρέχει συνδέσεις με υπηρεσίες, δικαιώματα πρόσβασης και ελέγχους εκτέλεσης.

Στο παράδειγμα του ACEBench που παρουσιάζει η Tether, ένα μήνυμα δεν στάλθηκε επειδή το Wi-Fi ήταν απενεργοποιημένο και τα εισερχόμενα ήταν γεμάτα. Το BotPsy ενεργοποίησε το Wi-Fi και ελευθέρωσε χώρο στα εισερχόμενα προτού στείλει το μήνυμα, ενώ το βασικό μοντέλο του επανέλαβε την ενέργεια που είχε αποτύχει. Το μοντέλο μπορεί επίσης να αναγνωρίσει πότε κανένα από τα διαθέσιμα εργαλεία δεν είναι κατάλληλο για ένα αίτημα, μια σημαντική συμπεριφορά για έναν βοηθό που λειτουργεί μέσα σε πραγματικές εφαρμογές.

Η εξειδίκευση οδηγεί σε υψηλότερες επιδόσεις στα σημεία αναφοράς

Στην αξιολόγηση της κάρτας μοντέλου της Tether, η βαθμολογία του BFCL v4 αυξήθηκε από 23,4 για το βασικό Qwen3.5-0.8B-Think σε 44,0 για το BotPsy, του ACEBench από 30,1 σε 58,7 και του ToolSandbox από 30,5 σε 64,6. Το BotPsy ξεπέρασε επίσης το Qwen3.5-2B-Think σε πέντε από τα έξι σημεία αναφοράς για αυτόνομους πράκτορες· το μεγαλύτερο μοντέλο προηγήθηκε στο Claw-Eval, με 48,9 έναντι 46,5. Και τα πέντε μοντέλα αξιολογήθηκαν σε λειτουργία συλλογισμού με κοινό πλαίσιο αξιολόγησης, ενώ οι βαθμολογίες εκφράζονται ως ποσοστά.

Η μεγαλύτερη βελτίωση αφορά τη συνέχεια από τον έναν γύρο στον επόμενο. Η Tether αναφέρει βαθμολογία 46,1 για το BotPsy στο τεστ πολλαπλών γύρων του BFCL v4, έναντι 7,5 για το βασικό μοντέλο του και 23,8 για το Qwen3.5-2B-Think. Το τεστ μετρά αν ένας πράκτορας μπορεί να συνεχίσει να εργάζεται καθώς προκύπτουν νέες πληροφορίες, για παράδειγμα ελέγχοντας τη διαθεσιμότητα, αντιμετωπίζοντας μια σύγκρουση και ενημερώνοντας ένα ημερολόγιο. Η βαθμολογία 86,1 του BotPsy στο τεστ παραισθήσεων του BFCL αξιολογεί μια διαφορετική απαίτηση: να μην καλεί κάποιο εργαλείο όταν κανένα από τα διαθέσιμα εργαλεία δεν είναι κατάλληλο.

Τα ευρύτερα αποτελέσματα της Tether δεν αποδεικνύουν γενική υπεροχή. Οι βαθμολογίες του BotPsy στα GPQA Diamond και MMLU-Pro, 38,1 και 48,9 αντίστοιχα, είναι πολύ χαμηλότερες από τις 59,9 και 65,5 του μοντέλου 2B. Η βαθμολογία 4,5 του BotPsy στο BrowseComp-Plus ήταν η υψηλότερη μεταξύ των πέντε μοντέλων, αλλά παραμένει χαμηλή σε απόλυτους όρους, αναδεικνύοντας τις αδυναμίες του στην ανοιχτού τύπου έρευνα. Γι’ αυτό, το BotPsy έχει σχεδιαστεί ώστε να καλεί εργαλεία για πληροφορίες που δεν γνωρίζει.

Εκπαίδευση και εκτέλεση στη συσκευή

Μια τεχνική ανάλυση περιγράφει τέσσερα στάδια μετεκπαίδευσης: επιτηρούμενη λεπτομερής ρύθμιση, απόσταξη υπό πολιτική με πολλαπλούς εκπαιδευτικούς και δύο γύρους ενισχυτικής μάθησης. Κατά την απόσταξη, τρία εξειδικευμένα μοντέλα Qwen3.5-4B λειτούργησαν ως εκπαιδευτικοί για τη χρήση εργαλείων, τον γενικό συλλογισμό και την τήρηση οδηγιών. Στα στάδια ενισχυτικής μάθησης χρησιμοποιήθηκαν ανταμοιβές βασισμένες σε κανόνες και επαληθεύσιμες ανταμοιβές: αρχικά δόθηκε έμφαση στην κλήση εργαλείων και στη συνέχεια προστέθηκαν περισσότερες εργασίες μαθηματικών, κώδικα, γνώσεων και δομημένης εξόδου. Η κυκλοφορία δεν περιλαμβάνει τον κώδικα εκπαίδευσης ούτε τα δεδομένα εκπαίδευσης.

Το μοντέλο που προέκυψε παράγει επίσης συντομότερες αλυσίδες συλλογισμού από το βασικό μοντέλο του. Σε ερωτήσεις του GPQA Diamond που απάντησαν σωστά και τα πέντε μοντέλα, η Tether μέτρησε 3.690 διακριτικά συλλογισμού για το BotPsy, έναντι 11.563 για το βασικό μοντέλο του· στο MMLU-Pro, οι αριθμοί ήταν 1.912 και 5.105. Καθώς όλα τα μοντέλα απάντησαν σωστά στις συγκεκριμένες ερωτήσεις, η σύγκριση απομονώνει το μήκος του συλλογισμού από τη δυσκολία των ερωτήσεων, παρέχοντας έναν χρήσιμο δείκτη αποδοτικότητας για τοπική εκτέλεση συμπερασμού.

Η έκδοση σε μορφή GGUF περιλαμβάνει τρία αρχεία για τα llama.cpp και το QVAC SDK: BF16, περίπου 1,52 GB· Q8_0, περίπου 0,81 GB· και Q4_K_M, περίπου 0,53 GB. Η Tether συνιστά το Q8_0, καθώς πέτυχε μέσο όρο 50,7 σε δέκα σημεία αναφοράς, κοντά στο 50,4 του BF16 GGUF, με περίπου το μισό μέγεθος αρχείου. Το Q4_K_M πέτυχε μέσο όρο 48,9 και προορίζεται για συσκευές με πιο περιορισμένη διαθέσιμη μνήμη. Το κύριο αποθετήριο παρέχει βάρη safetensors BF16 με άδεια Apache 2.0.

Περιορισμοί ασφάλειας και το σχέδιο QVAC

Οι περιορισμοί της προβλεπόμενης χρήσης που περιγράφονται στην κάρτα μοντέλου είναι σημαντικοί. Το BotPsy εκπαιδεύτηκε και δοκιμάστηκε κυρίως στα αγγλικά, τα οποία είναι και η συνιστώμενη γλώσσα. Η αξιολόγηση Multi-IF κάλυψε επτά επιπλέον γλώσσες και έδειξε πολύ ασθενέστερη επίδοση στην τήρηση οδηγιών στα Χίντι και στα ρωσικά. Το BotPsy κάνει λάθη και δεν προορίζεται για αποφάσεις αυτοματοποιημένες που είναι κρίσιμες για την ασφάλεια ή έχουν σημαντικές συνέπειες, ούτε για εφαρμογές που αφορούν χρήματα, προσωπικά δεδομένα, υγεία και άλλα ευαίσθητα θέματα.

Στην αυτοματοποιημένη άσκηση ελέγχου από την ομάδα της Tether, η οποία κάλυψε έξι κατηγορίες βλάβης, το BotPsy παρήγαγε μη ασφαλείς απαντήσεις στο 21% των περιπτώσεων, έναντι 36% για το βασικό μοντέλο του. Σε επιθέσεις έγχυσης εντολών, που αποτελούν ιδιαίτερη ανησυχία για πράκτορες οι οποίοι διαβάζουν μη έμπιστες εξόδους εργαλείων, τα αντίστοιχα αναφερόμενα ποσοστά μη ασφαλών απαντήσεων ήταν 31% και 46%. Το μικρότερο μοντέλο βελτιώθηκε και στις δύο δοκιμές, αλλά εξακολουθούσε να παράγει μη ασφαλείς απαντήσεις.

Το BotPsy εντάσσεται στο όραμα της QVAC, το οποίο περιλαμβάνει μοντέλα όρασης, ομιλίας, υγείας και μετάφρασης, ενώ μελλοντικά προβλέπεται να συνδυαστούν οι εξειδικευμένες δυνατότητές τους. «Οι χρήστες θα πρέπει να αποφασίζουν σε τι έχει πρόσβαση ο βοηθός τους και με ποιες εξωτερικές υπηρεσίες μπορεί να συνδεθεί», δήλωσε ο διευθύνων σύμβουλος της Tether, Paolo Ardoino.

Ο μακροπρόθεσμος σχεδιασμός της Tether προβλέπει τη χρήση μιας διεπαφής Android ή iPhone για την καθημερινή αλληλεπίδραση, την ανάθεση απαιτητικών εργασιών σε έναν οικιακό υπολογιστή ή σε αξιόπιστους ομότιμους κόμβους και τη δρομολόγηση ερωτημάτων στον ιστό μέσω κρυπτογραφημένων συνδέσεων μεταξύ ομότιμων κόμβων. Αυτό το σύστημα αποτελεί δηλωμένο όραμα· η τρέχουσα έκδοση παρέχει το μοντέλο και τα αρχεία ανάπτυξης.

Το τεκμηριωμένο πλεονέκτημα του BotPsy είναι ένα εξειδικευμένο τοπικό επίπεδο εκτέλεσης ενεργειών για εργασίες ρουτίνας. Το κατά πόσο θα εξελιχθεί σε χρήσιμο προσωπικό βοηθό εξαρτάται από τα δικαιώματα σε επίπεδο εφαρμογής και τους ελέγχους εκτέλεσης, καθώς και από το αν η σχεδιαζόμενη ενσωμάτωση της Tether και η ανάθεση εργασιών στο υλικό θα αντιμετωπίσουν τους περιορισμούς που σχετίζονται με την έρευνα, την πολυπλοκότητα και την ασφάλεια και τεκμηριώνονται σε αυτή την έκδοση.