Модели и платформы ИИ
Tether выпускает QVAC BotPsy — ИИ-модель для работы с инструментами на персональных устройствах
Добавьте Unite.AI в избранные источники в Google
Tether AI Research объявила о выпуске QVAC BotPsy-0.8B 11 ноября 2026 года. Это модель с открытыми весами и 0,8 млрд параметров, предназначенная для вызова инструментов на персональных устройствах. По сообщению компании, она превзошла все протестированные модели с числом параметров до 1,2 млрд в шести тестах для ИИ-агентов.
BotPsy создана на основе Qwen3.5-0.8B от Alibaba и специализируется на вызове функций и многоэтапных рабочих процессах ИИ-агентов при локальном развертывании. Предполагается, что модель будет выполнять задачи, связанные с календарями, сообщениями, файлами, настройками устройств, поиском информации в интернете, путешествиями, торговлей и обслуживанием клиентов. Лучше всего она подходит для задач низкой и средней сложности. Подключения к сервисам, разрешения и средства управления выполнением обеспечивает окружающее приложение.
В примере Tether для ACEBench сообщение не удалось отправить, поскольку Wi-Fi был выключен, а входящие сообщения переполнены. BotPsy включила Wi-Fi и освободила место во входящих перед отправкой сообщения, тогда как базовая модель повторила неудачное действие. Модель также может распознать, что ни один из доступных инструментов не подходит для запроса. Это важное свойство помощника, работающего внутри реальных приложений.
Специализация повышает результаты в тестах
Согласно оценке из карточки модели Tether, результат Qwen3.5-0.8B-Think в BFCL v4 вырос с 23,4 до 44,0 у BotPsy, в ACEBench — с 30,1 до 58,7, а в ToolSandbox — с 30,5 до 64,6. BotPsy также превзошла Qwen3.5-2B-Think в пяти из шести тестов для ИИ-агентов; более крупная модель показала лучший результат в Claw-Eval — 48,9 против 46,5. Все пять моделей оценивали в режиме рассуждения с помощью единого тестового комплекса; результаты указаны в процентах.
Наибольший прирост касается последовательной работы на протяжении нескольких ходов. По данным Tether, результат BotPsy в многоходовом тесте BFCL v4 составил 46,1 против 7,5 у базовой модели и 23,8 у Qwen3.5-2B-Think. Тест проверяет, может ли агент продолжать работу по мере поступления новой информации: например, проверять доступность, разрешать конфликты и обновлять календарь. Результат BotPsy 86,1 в тесте BFCL на галлюцинации оценивает другое свойство — способность воздержаться от вызова инструмента, если ни один из доступных инструментов не подходит.
Более широкие результаты Tether не доказывают общего превосходства BotPsy. В тестах GPQA Diamond и MMLU-Pro ее результаты — 38,1 и 48,9 — значительно ниже результатов модели 2B: 59,9 и 65,5. В тесте BrowseComp-Plus BotPsy набрала 4,5 — это лучший результат среди пяти моделей, но в абсолютном выражении он остается низким и указывает на слабые способности к исследовательской работе с открытым сценарием. Поэтому BotPsy предназначена для вызова инструментов, когда ей не хватает знаний.
Обучение и развертывание на устройствах
В техническом описании перечислены четыре этапа дообучения: настройка с учителем, дистилляция по стратегиям нескольких учителей на собственных данных модели и два этапа обучения с подкреплением. На этапе дистилляции за использование инструментов, общие рассуждения и следование инструкциям отвечали три специализированные модели Qwen3.5-4B. На этапах обучения с подкреплением применялись основанные на правилах и проверяемые вознаграждения: сначала основной упор делался на вызов инструментов, затем добавили задачи по математике, программированию, работе со знаниями и структурированному выводу. В выпуск не входят код и данные для обучения.
Полученная модель также формирует более короткие цепочки рассуждений, чем базовая. На вопросах GPQA Diamond, на которые все пять моделей ответили правильно, Tether измерила у BotPsy 3 690 токенов рассуждений против 11 563 у базовой модели; в MMLU-Pro показатели составили 1 912 и 5 105 соответственно. Поскольку все модели справились с этими вопросами, сравнение показывает разницу в длине рассуждений, а не в сложности заданий, и служит полезным показателем эффективности локального вывода.
Выпуск в формате GGUF включает три файла для llama.cpp и QVAC SDK: BF16 размером около 1,52 ГБ, Q8_0 размером около 0,81 ГБ и Q4_K_M размером около 0,53 ГБ. Tether рекомендует Q8_0: его средний результат в десяти тестах составил 50,7 — почти столько же, сколько 50,4 у BF16 GGUF, при этом файл занимает примерно вдвое меньше места. Средний результат Q4_K_M — 48,9; этот вариант рассчитан на устройства с более жесткими ограничениями по памяти. В основном репозитории доступны веса BF16 в формате safetensors по лицензии Apache 2.0.
Ограничения безопасности и план QVAC
В карточке модели установлены существенные ограничения на ее использование. BotPsy обучали и тестировали преимущественно на английском языке, который и рекомендуется для работы с моделью. В оценке Multi-IF проверили еще семь языков; на хинди и русском языке результаты следования инструкциям оказались значительно хуже. BotPsy может ошибаться и не предназначена для критически важных с точки зрения безопасности или сопряженных с высокими рисками автоматизированных решений, а также для приложений, связанных с деньгами, персональными данными, здоровьем и другими чувствительными темами.
В ходе автоматизированного тестирования на устойчивость к атакам по шести категориям вредоносного контента BotPsy давала небезопасные ответы в 21% случаев против 36% у базовой модели. При атаках с внедрением промптов — особом риске для агентов, которые обрабатывают недоверенные данные от инструментов, — доля небезопасных ответов составила, по имеющимся данным, 31% и 46% соответственно. Меньшая модель показала лучшие результаты в обоих тестах, но все же продолжала генерировать небезопасные ответы.
BotPsy дополняет линейку моделей QVAC для компьютерного зрения, речи, здравоохранения и перевода. В будущем планируется объединить их специализированные возможности. «Пользователи должны сами решать, к чему может получить доступ их помощник и с какими внешними сервисами он может соединяться», — заявил генеральный директор Tether Паоло Ардоино.
В долгосрочной концепции Tether для повседневного взаимодействия используется интерфейс Android или iPhone, ресурсоёмкие задачи передаются домашнему ПК или доверенным одноранговым узлам, а веб-запросы направляются через зашифрованные одноранговые соединения. Эта система — заявленная цель на будущее; в текущем выпуске представлены модель и файлы для её развёртывания.
Задокументированное преимущество BotPsy — специализированный локальный уровень выполнения действий для рутинных задач. Станет ли он полезным персональным помощником, зависит от разрешений на уровне приложений и средств контроля выполнения, а также от того, смогут ли запланированная интеграция Tether и передача задач аппаратным средствам учесть ограничения, связанные с исследованиями, сложностью и безопасностью, описанные в этом выпуске.
