Tether ने व्यक्तिगत उपकरणों पर टूल इस्तेमाल करने वाले AI के लिए QVAC BotPsy जारी किया

Tether AI Research ने 11 नवंबर 2026 को QVAC BotPsy-0.8B जारी करने की घोषणा की। यह व्यक्तिगत उपकरणों पर टूल कॉल के लिए बनाया गया ओपन-वेट मॉडल है, जिसमें 0.8 अरब पैरामीटर हैं। कंपनी ने बताया कि छह एजेंट-आधारित बेंचमार्क पर इसने 1.2 अरब तक पैरामीटर वाले परीक्षण किए गए हर मॉडल से बेहतर प्रदर्शन किया।

Alibaba के Qwen3.5-0.8B पर आधारित BotPsy, स्थानीय रूप से चलाए जाने वाले फ़ंक्शन कॉलिंग और बहु-चरणीय एजेंट-आधारित कार्यप्रवाहों के लिए विशेष रूप से बनाया गया है। इसके लक्षित कामों में कैलेंडर, संदेश, फ़ाइलें, उपकरण की सेटिंग, वेब पर शोध, यात्रा, वाणिज्य और ग्राहक सेवाएँ शामिल हैं; कम से मध्यम कठिनाई वाले काम इसके लिए सबसे उपयुक्त बताए गए हैं। इससे जुड़ा ऐप्लिकेशन सेवाओं के कनेक्शन, अनुमतियाँ और काम पूरा करने के नियंत्रण उपलब्ध कराता है।

Tether के ACEBench उदाहरण में, Wi-Fi बंद होने और इनबॉक्स भर जाने के कारण एक संदेश नहीं भेजा जा सका। संदेश भेजने से पहले BotPsy ने Wi-Fi चालू किया और इनबॉक्स में जगह खाली की, जबकि उसके आधार मॉडल ने वही विफल कार्रवाई दोहराई। मॉडल यह भी पहचान सकता है कि उपलब्ध टूल में से कोई भी अनुरोध के अनुकूल नहीं है। वास्तविक ऐप्लिकेशन के भीतर काम करने वाले सहायक के लिए यह एक अहम क्षमता है।

विशेषीकरण से बेंचमार्क में बेहतर नतीजे

Tether के मॉडल कार्ड के मूल्यांकन में, BFCL v4 का स्कोर Qwen3.5-0.8B-Think आधार मॉडल के 23.4 से बढ़कर BotPsy के लिए 44.0 हो गया; ACEBench का स्कोर 30.1 से 58.7 और ToolSandbox का 30.5 से 64.6 हो गया। छह एजेंट-आधारित बेंचमार्क में से पाँच पर BotPsy ने Qwen3.5-2B-Think को भी पीछे छोड़ दिया; बड़े मॉडल ने Claw-Eval में बढ़त हासिल की—48.9 बनाम 46.5। सभी पाँच मॉडलों का साझा परीक्षण ढाँचे के साथ विचार-मोड में मूल्यांकन किया गया और स्कोर प्रतिशत में हैं।

सबसे बड़ी बढ़त संवाद के अलग-अलग चरणों में निरंतरता बनाए रखने में दिखी। Tether के अनुसार, BFCL v4 के बहु-चरणीय परीक्षण में BotPsy का स्कोर 46.1 रहा, जबकि उसके आधार मॉडल का 7.5 और Qwen3.5-2B-Think का 23.8 था। इस परीक्षण से पता चलता है कि नई जानकारी मिलने पर कोई एजेंट काम जारी रख पाता है या नहीं—मसलन, उपलब्धता जाँचना, टकराव सुलझाना और कैलेंडर अपडेट करना। BFCL के भ्रम-उत्पन्न करने वाले उत्तरों से जुड़े परीक्षण में BotPsy का 86.1 स्कोर एक अलग क्षमता मापता है: उपलब्ध टूल में से कोई भी उपयुक्त न होने पर टूल कॉल करने से बचना।

Tether के व्यापक नतीजे यह साबित नहीं करते कि मॉडल हर मामले में बेहतर है। GPQA Diamond और MMLU-Pro में BotPsy के स्कोर क्रमशः 38.1 और 48.9 रहे, जो 2B मॉडल के 59.9 और 65.5 से काफ़ी कम हैं। पाँच मॉडलों के समूह में BotPsy का BrowseComp-Plus स्कोर 4.5 सबसे अधिक था, लेकिन कुल मिलाकर यह अब भी कम है और खुले विषयों पर शोध करने में इसकी कमज़ोरी उजागर करता है। इसलिए BotPsy को उन तथ्यों के लिए टूल इस्तेमाल करने के लिहाज़ से बनाया गया है जिन्हें वह नहीं जानता।

प्रशिक्षण और उपकरण पर तैनाती

एक तकनीकी विवरण में प्रशिक्षण के बाद के चार चरण बताए गए हैं: पर्यवेक्षित फ़ाइन-ट्यूनिंग, कई शिक्षकों से ऑन-पॉलिसी डिस्टिलेशन और रीइन्फ़ोर्समेंट लर्निंग के दो चरण। डिस्टिलेशन के दौरान Qwen3.5-4B के तीन विशेषज्ञ शिक्षक टूल के इस्तेमाल, सामान्य तर्क और निर्देशों का पालन करने के लिए काम में लिए गए। रीइन्फ़ोर्समेंट लर्निंग के चरणों में नियम-आधारित और सत्यापन योग्य पुरस्कार इस्तेमाल किए गए—पहले टूल कॉलिंग पर ज़ोर दिया गया, फिर गणित, कोड, ज्ञान और संरचित आउटपुट से जुड़े और काम जोड़े गए। जारी सामग्री में प्रशिक्षण कोड और प्रशिक्षण डेटा शामिल नहीं हैं।

तैयार मॉडल अपने आधार मॉडल की तुलना में छोटे तर्क-क्रम भी तैयार करता है। GPQA Diamond के उन सवालों पर, जिनका पाँचों मॉडलों ने सही उत्तर दिया, Tether ने BotPsy के लिए 3,690 तर्क-टोकन और उसके आधार मॉडल के लिए 11,563 तर्क-टोकन मापे; MMLU-Pro पर ये संख्याएँ क्रमशः 1,912 और 5,105 थीं। चूँकि सभी मॉडलों ने उन सवालों को हल किया, इसलिए यह तुलना सवालों की कठिनाई के बजाय तर्क की लंबाई को अलग करके दिखाती है और स्थानीय अनुमान के लिए दक्षता का उपयोगी संकेत देती है।

GGUF रिलीज़ में llama.cpp और QVAC SDK के लिए तीन फ़ाइलें हैं: BF16 लगभग 1.52 जीबी, Q8_0 लगभग 0.81 जीबी और Q4_K_M लगभग 0.53 जीबी। Tether, Q8_0 इस्तेमाल करने की सलाह देता है: दस बेंचमार्क में इसका औसत स्कोर 50.7 रहा, जो लगभग आधे फ़ाइल आकार वाले BF16 GGUF के 50.4 स्कोर के क़रीब है। Q4_K_M का औसत स्कोर 48.9 रहा और यह कम मेमोरी वाले सिस्टम के लिए है। मुख्य रिपॉज़िटरी में Apache 2.0 लाइसेंस के तहत BF16 safetensors वेट उपलब्ध हैं।

सुरक्षा की सीमाएँ और QVAC की योजना

मॉडल कार्ड में बताए गए उपयोग की सीमाएँ काफ़ी अहम हैं। BotPsy को मुख्य रूप से अंग्रेज़ी में प्रशिक्षित और परखा गया है, इसलिए इसी भाषा के इस्तेमाल की सिफ़ारिश की गई है। इसके Multi-IF मूल्यांकन में सात अन्य भाषाएँ शामिल थीं और हिंदी तथा रूसी में निर्देशों का पालन करने के नतीजे काफ़ी कमज़ोर रहे। BotPsy से गलतियाँ हो सकती हैं। इसका इस्तेमाल सुरक्षा के लिहाज़ से महत्वपूर्ण या बड़े जोखिम वाले स्वचालित निर्णयों के लिए, अथवा पैसे, निजी जानकारी, स्वास्थ्य और अन्य संवेदनशील विषयों से जुड़े ऐप्लिकेशन में करने का इरादा नहीं है।

नुकसान की छह श्रेणियों में Tether की स्वचालित रेड-टीम जाँच के दौरान, BotPsy ने 21% मामलों में असुरक्षित जवाब दिए, जबकि उसके आधार मॉडल ने 36% मामलों में। प्रॉम्प्ट-इंजेक्शन हमलों के तहत—जो ऐसे एजेंटों के लिए खास चिंता का विषय हैं जो अविश्वसनीय टूल आउटपुट पढ़ते हैं—असुरक्षित जवाबों की बताई गई दरें क्रमशः 31% और 46% थीं। छोटे मॉडल ने दोनों परीक्षणों में बेहतर प्रदर्शन किया, फिर भी उसने असुरक्षित जवाब दिए।

BotPsy, QVAC के विज़न, वाक्, स्वास्थ्य और अनुवाद मॉडलों के साथ जुड़ता है। भविष्य में इनकी विशेषज्ञ क्षमताओं को मिलाने का इरादा है। Tether के CEO Paolo Ardoino ने कहा, “उपयोगकर्ताओं को तय करना चाहिए कि उनका सहायक किन चीज़ों तक पहुँच सकता है और किन बाहरी सेवाओं से जुड़ सकता है।”

Tether की दीर्घकालिक योजना में रोज़मर्रा के इस्तेमाल के लिए Android या iPhone इंटरफ़ेस, ज़्यादा कठिन कामों को होम पीसी या भरोसेमंद पीयर-टू-पीयर नोड्स को सौंपना और वेब पर की जाने वाली क्वेरी को एन्क्रिप्टेड पीयर-टू-पीयर कनेक्शनों से भेजना शामिल है। यह व्यवस्था अभी घोषित की गई एक परिकल्पना है; मौजूदा रिलीज़ में मॉडल और उसे तैनात करने वाली फ़ाइलें उपलब्ध हैं।

BotPsy की दर्ज की गई खासियत रोज़मर्रा के कामों के लिए स्थानीय स्तर पर उपलब्ध विशेष कार्रवाई-परत है। यह एक उपयोगी निजी सहायक बन पाएगा या नहीं, यह ऐप्लिकेशन-स्तर की अनुमतियों और निष्पादन नियंत्रणों पर निर्भर करता है। साथ ही, यह इस बात पर भी निर्भर करेगा कि Tether का नियोजित एकीकरण और हार्डवेयर को काम सौंपने की व्यवस्था इस रिलीज़ में दर्ज शोध, जटिलता और सुरक्षा संबंधी सीमाओं का समाधान कर पाती है या नहीं।