Tether udostępnia QVAC BotPsy — sztuczną inteligencję korzystającą z narzędzi na urządzeniach osobistych

Tether AI Research ogłosił 11 listopada 2026 r. wydanie QVAC BotPsy-0.8B — modelu o otwartych wagach, mającego 0,8 mld parametrów i przeznaczonego do wywoływania narzędzi na urządzeniach osobistych. Poinformował też, że model uzyskał lepsze wyniki niż wszystkie testowane modele mające do 1,2 mld parametrów w sześciu testach porównawczych dla agentów.

BotPsy, oparty na modelu Alibaba Qwen3.5-0.8B, specjalizuje się w wywoływaniu funkcji i wieloetapowych przepływach pracy agentów, przeznaczonych do uruchamiania lokalnego. Zadania, do których został przystosowany, obejmują kalendarze, wiadomości, pliki, ustawienia urządzenia, wyszukiwanie informacji w internecie, podróże, handel i obsługę klienta. Najlepiej sprawdza się przy zadaniach o niskim lub średnim stopniu trudności. Aplikacja, w której działa, zapewnia połączenia z usługami, uprawnienia i kontrolę wykonywania działań.

W przykładzie z testu ACEBench przedstawionym przez Tether wysłanie wiadomości nie powiodło się, ponieważ Wi-Fi było wyłączone, a skrzynka odbiorcza pełna. BotPsy włączył Wi-Fi i zwolnił miejsce w skrzynce, zanim wysłał wiadomość, podczas gdy jego model bazowy ponowił nieudaną próbę. Model potrafi również rozpoznać, że żadne z dostępnych narzędzi nie pasuje do danego zadania. To ważna cecha asystenta działającego w rzeczywistych aplikacjach.

Specjalizacja źródłem lepszych wyników w testach

W ocenie opisanej w karcie modelu przez Tether wynik BotPsy w teście BFCL v4 wzrósł z 23,4 dla modelu bazowego Qwen3.5-0.8B-Think do 44,0, w ACEBench — z 30,1 do 58,7, a w ToolSandbox — z 30,5 do 64,6. BotPsy uzyskał też lepsze wyniki niż Qwen3.5-2B-Think w pięciu z sześciu testów porównawczych dla agentów; większy model wypadł lepiej w Claw-Eval, uzyskując 48,9 wobec 46,5. Wszystkie pięć modeli oceniono w trybie rozumowania, przy użyciu tego samego zestawu testowego, a wyniki podano w procentach.

Największa poprawa dotyczy zachowania ciągłości działania w kolejnych turach. Tether podaje, że BotPsy uzyskał w wieloturowym teście BFCL v4 wynik 46,1, w porównaniu z 7,5 dla modelu bazowego i 23,8 dla Qwen3.5-2B-Think. Test sprawdza, czy agent potrafi kontynuować pracę w miarę napływu nowych informacji, na przykład sprawdzić dostępność, rozwiązać konflikt i zaktualizować kalendarz. Wynik BotPsy wynoszący 86,1 w teście halucynacji BFCL mierzy odrębną umiejętność: powstrzymanie się od wywołania narzędzia, gdy żadne z dostępnych narzędzi nie pasuje do zadania.

Szerszy zakres wyników Tether nie dowodzi ogólnej przewagi modelu. Wyniki BotPsy w GPQA Diamond i MMLU-Pro — odpowiednio 38,1 i 48,9 — są znacznie niższe niż wyniki modelu 2B, wynoszące 59,9 i 65,5. BotPsy uzyskał najwyższy wynik wśród pięciu modeli w BrowseComp-Plus — 4,5 — ale w wartościach bezwzględnych pozostaje on niski, co wskazuje na słabe wyniki w otwartych zadaniach badawczych. Dlatego BotPsy zaprojektowano tak, by korzystał z narzędzi w celu ustalania nieznanych mu faktów.

Trenowanie i wdrażanie na urządzeniach

Opis techniczny przedstawia cztery etapy trenowania po wstępnym treningu: dostrajanie nadzorowane, destylację on-policy z wykorzystaniem wielu nauczycieli oraz dwie rundy uczenia ze wzmocnieniem. Podczas destylacji zastosowano trzy wyspecjalizowane modele Qwen3.5-4B, które pełniły rolę nauczycieli w zakresie korzystania z narzędzi, ogólnego rozumowania i stosowania się do instrukcji. W etapach uczenia ze wzmocnieniem wykorzystano nagrody oparte na regułach i możliwe do zweryfikowania: najpierw położono nacisk na wywoływanie narzędzi, a następnie rozszerzono zakres zadań o matematykę, programowanie, wiedzę i uporządkowane formaty wyjściowe. Wraz z modelem nie udostępniono kodu ani danych treningowych.

Powstały model generuje również krótsze ślady rozumowania niż model bazowy. W przypadku pytań z testu GPQA Diamond, na które wszystkie pięć modeli odpowiedziało poprawnie, Tether zmierzył 3690 tokenów rozumowania dla BotPsy i 11 563 dla jego modelu bazowego; w MMLU-Pro liczby te wyniosły odpowiednio 1912 i 5105. Ponieważ wszystkie modele rozwiązały te zadania, porównanie dotyczy długości rozumowania, a nie poziomu trudności pytań, i stanowi użyteczny wskaźnik wydajności wnioskowania lokalnego.

Wydanie w formacie GGUF obejmuje trzy pliki przeznaczone dla llama.cpp i QVAC SDK: BF16 o wielkości około 1,52 GB, Q8_0 — około 0,81 GB, oraz Q4_K_M — około 0,53 GB. Tether zaleca Q8_0: model uzyskał w nim średni wynik 50,7 w dziesięciu testach porównawczych, zbliżony do wyniku 50,4 dla BF16 w formacie GGUF, przy około dwukrotnie mniejszym rozmiarze pliku. Średni wynik Q4_K_M wyniósł 48,9; wariant ten jest przeznaczony do pracy przy bardziej ograniczonej pamięci. Główne repozytorium udostępnia wagi BF16 w formacie safetensors na licencji Apache 2.0.

Ograniczenia bezpieczeństwa i plany QVAC

Ograniczenia dotyczące zamierzonego zastosowania, określone w karcie modelu, są istotne. BotPsy trenowano i testowano przede wszystkim w języku angielskim, który jest językiem zalecanym. W ocenie Multi-IF uwzględniono siedem dodatkowych języków; w języku hindi i rosyjskim model znacznie słabiej stosował się do instrukcji. BotPsy popełnia błędy i nie jest przeznaczony do zastosowań krytycznych dla bezpieczeństwa ani do zautomatyzowanego podejmowania decyzji o poważnych konsekwencjach, ani do aplikacji dotyczących pieniędzy, danych osobowych, zdrowia i innych wrażliwych tematów.

W zautomatyzowanych testach red-teamowych Tether, obejmujących sześć kategorii zagrożeń, BotPsy generował niebezpieczne odpowiedzi w 21% przypadków, a jego model bazowy — w 36%. W przypadku ataków polegających na wstrzykiwaniu poleceń, stanowiących szczególne zagrożenie dla agentów odczytujących niezaufane wyniki działania narzędzi, odsetki niebezpiecznych odpowiedzi wyniosły odpowiednio 31% i 46%. Mniejszy model wypadł lepiej w obu testach, ale nadal generował niebezpieczne odpowiedzi.

BotPsy dołącza do modeli QVAC przeznaczonych do przetwarzania obrazu, rozpoznawania mowy, ochrony zdrowia i tłumaczenia. W przyszłości planuje się połączenie ich wyspecjalizowanych możliwości. „Użytkownicy powinni decydować, do czego ich asystent ma dostęp i z jakimi usługami zewnętrznymi może się łączyć” — powiedział Paolo Ardoino, dyrektor generalny Tether.

Długoterminowa koncepcja Tether zakłada wykorzystywanie interfejsu na Androidzie lub iPhonie do codziennej interakcji, przekazywanie wymagających zadań domowemu komputerowi PC lub zaufanym węzłom peer-to-peer oraz kierowanie zapytań internetowych przez szyfrowane połączenia peer-to-peer. Ten system to zapowiedziana wizja; obecne wydanie udostępnia model i pliki wdrożeniowe.

Udokumentowaną mocną stroną BotPsy jest wyspecjalizowana, lokalna warstwa wykonywania działań do rutynowych zadań. To, czy stanie się użytecznym osobistym asystentem, zależy od uprawnień na poziomie aplikacji i mechanizmów kontroli wykonywania, a także od tego, czy planowana przez Tether integracja i delegowanie zadań do sprzętu uwzględnią ograniczenia dotyczące badań, złożoności i bezpieczeństwa opisane w tym wydaniu.