Tether เปิดตัว QVAC BotPsy สำหรับ AI ที่ใช้เครื่องมือบนอุปกรณ์ส่วนบุคคล

Tether AI Research ประกาศเปิดตัว QVAC BotPsy-0.8B เมื่อวันที่ 11 พฤศจิกายน 2026 ซึ่งเป็นโมเดลแบบ เปิดเผยน้ำหนักโมเดลที่มีพารามิเตอร์ 0.8 พันล้านตัว สำหรับเรียกใช้เครื่องมือบนอุปกรณ์ส่วนบุคคล พร้อมรายงานว่าโมเดลนี้ทำได้ดีกว่าโมเดลทุกตัวที่นำมาทดสอบ ซึ่งมีพารามิเตอร์ไม่เกิน 1.2 พันล้านตัว ในเกณฑ์มาตรฐานสำหรับเอเจนต์ AI ทั้ง 6 รายการ

BotPsy สร้างขึ้นบน Qwen3.5-0.8B ของ Alibaba โดยเชี่ยวชาญด้านการเรียกใช้ฟังก์ชันและเวิร์กโฟลว์เอเจนต์ AI แบบหลายขั้นตอนสำหรับการทำงานบนอุปกรณ์ BotPsy มุ่งรองรับงานหลากหลายประเภท ทั้งปฏิทิน การส่งข้อความ ไฟล์ การตั้งค่าอุปกรณ์ การค้นคว้าบนเว็บ การเดินทาง การค้า และการดำเนินงานด้านลูกค้า โดยเหมาะที่สุดกับงานที่มีความยากระดับต่ำถึงปานกลาง ส่วนแอปพลิเคชันที่ใช้งานร่วมกันจะจัดการการเชื่อมต่อกับบริการต่าง ๆ สิทธิ์การเข้าถึง และการควบคุมการดำเนินงาน

ในตัวอย่าง ACEBench ของ Tether การส่งข้อความล้มเหลวเพราะปิด Wi-Fi ไว้และกล่องจดหมายเข้าก็เต็ม BotPsy เปิด Wi-Fi และเพิ่มพื้นที่ว่างในกล่องจดหมายเข้าก่อนส่งข้อความ ขณะที่โมเดลพื้นฐานของมันกลับทำซ้ำการดำเนินการที่ล้มเหลว โมเดลยังตรวจพบได้ด้วยว่าไม่มีเครื่องมือที่มีอยู่ชิ้นใดเหมาะกับคำขอ ซึ่งเป็นพฤติกรรมสำคัญสำหรับผู้ช่วยที่ทำงานอยู่ภายในแอปพลิเคชันจริง

ความเชี่ยวชาญเฉพาะทางช่วยเพิ่มคะแนนเกณฑ์มาตรฐาน

ในการประเมินตามเอกสารข้อมูลโมเดลของ Tether คะแนน BFCL v4 เพิ่มจาก 23.4 ของ Qwen3.5-0.8B-Think รุ่นพื้นฐานเป็น 44.0 ของ BotPsy ส่วน ACEBench เพิ่มจาก 30.1 เป็น 58.7 และ ToolSandbox เพิ่มจาก 30.5 เป็น 64.6 BotPsy ยังทำคะแนนเหนือกว่า Qwen3.5-2B-Think ในเกณฑ์มาตรฐานสำหรับเอเจนต์ AI 5 ใน 6 รายการ โดยโมเดลขนาดใหญ่กว่าทำคะแนนนำใน Claw-Eval ที่ 48.9 เทียบกับ 46.5 โมเดลทั้งห้าตัวได้รับการประเมินในโหมดคิดโดยใช้ชุดเครื่องมือประเมินเดียวกัน และคะแนนทั้งหมดเป็นเปอร์เซ็นต์

คะแนนที่เพิ่มขึ้นมากที่สุดเกี่ยวข้องกับความต่อเนื่องในการทำงานข้ามรอบ Tether รายงานว่า BotPsy ได้คะแนน BFCL v4 แบบหลายรอบ 46.1 เทียบกับ 7.5 ของโมเดลพื้นฐาน และ 23.8 ของ Qwen3.5-2B-Think การทดสอบนี้วัดว่าเอเจนต์ทำงานต่อได้หรือไม่เมื่อมีข้อมูลใหม่เข้ามา เช่น ตรวจสอบเวลาว่าง จัดการความขัดแย้ง และอัปเดตปฏิทิน คะแนน 86.1 ของ BotPsy ในการทดสอบการสร้างข้อมูลหลอนของ BFCL วัดคุณสมบัติอีกข้อหนึ่งโดยเฉพาะ นั่นคือการไม่เรียกใช้เครื่องมือเมื่อไม่มีเครื่องมือที่มีอยู่ชิ้นใดเหมาะสม

ผลการประเมินที่กว้างขึ้นของ Tether ไม่ได้แสดงว่า BotPsy เหนือกว่าในทุกด้าน คะแนน GPQA Diamond และ MMLU-Pro ของ BotPsy ที่ 38.1 และ 48.9 ต่ำกว่าคะแนนของโมเดล 2B ซึ่งอยู่ที่ 59.9 และ 65.5 มาก แม้คะแนน BrowseComp-Plus ของ BotPsy ที่ 4.5 จะสูงที่สุดในกลุ่มโมเดลห้าตัว แต่ก็ยังต่ำเมื่อพิจารณาจากคะแนนโดยรวม ซึ่งสะท้อนประสิทธิภาพที่อ่อนในการค้นคว้าแบบปลายเปิด ดังนั้น BotPsy จึงได้รับการออกแบบให้เรียกใช้เครื่องมือเพื่อค้นหาข้อเท็จจริงที่ไม่รู้

การฝึกและการใช้งานบนอุปกรณ์

เอกสารทางเทคนิคอธิบายขั้นตอนหลังการฝึก 4 ขั้น ได้แก่ การปรับแต่งแบบมีผู้สอน การกลั่นความรู้แบบออนโพลิซีจากครูหลายโมเดล และการเรียนรู้แบบเสริมกำลังอีก 2 รอบ ระหว่างการกลั่นความรู้ มีโมเดลครูผู้เชี่ยวชาญ Qwen3.5-4B สามตัวดูแลงานด้านการใช้เครื่องมือ การให้เหตุผลทั่วไป และการทำตามคำสั่ง ขั้นตอนการเรียนรู้แบบเสริมกำลังใช้รางวัลที่อิงกฎและตรวจสอบได้ โดยรอบแรกเน้นการเรียกใช้เครื่องมือ ส่วนรอบถัดมาเพิ่มงานด้านคณิตศาสตร์ การเขียนโค้ด ความรู้ และเอาต์พุตแบบมีโครงสร้าง ในชุดที่เผยแพร่ไม่มีโค้ดฝึกโมเดลและข้อมูลฝึก

โมเดลที่ได้ยังสร้างลำดับการให้เหตุผลสั้นกว่าโมเดลพื้นฐานด้วย สำหรับคำถาม GPQA Diamond ที่โมเดลทั้งห้าตัวตอบถูก Tether วัดจำนวนโทเค็นที่ใช้ในการให้เหตุผลของ BotPsy ได้ 3,690 โทเค็น เทียบกับ 11,563 โทเค็นของโมเดลพื้นฐาน ส่วนใน MMLU-Pro มีจำนวน 1,912 และ 5,105 โทเค็นตามลำดับ เนื่องจากโมเดลทุกตัวตอบคำถามเหล่านั้นได้ถูกต้อง การเปรียบเทียบนี้จึงแยกวัดความยาวของการให้เหตุผลโดยไม่ขึ้นกับความยากของคำถาม และเป็นตัวชี้วัดประสิทธิภาพที่มีประโยชน์สำหรับการอนุมานบนอุปกรณ์

ชุดไฟล์ GGUFมีไฟล์สามรายการสำหรับ llama.cpp และ QVAC SDK ได้แก่ BF16 ขนาดประมาณ 1.52 GB, Q8_0 ขนาดประมาณ 0.81 GB และ Q4_K_M ขนาดประมาณ 0.53 GB Tether แนะนำ Q8_0 หลังจากได้คะแนนเฉลี่ย 50.7 จากเกณฑ์มาตรฐานสิบรายการ ใกล้เคียงกับคะแนน 50.4 ของ GGUF แบบ BF16 แต่มีขนาดไฟล์ประมาณครึ่งหนึ่ง ส่วน Q4_K_M ได้คะแนนเฉลี่ย 48.9 และเหมาะกับอุปกรณ์ที่มีหน่วยความจำจำกัดกว่า ที่เก็บโค้ดหลักมีน้ำหนักโมเดลแบบ safetensors ของ BF16 ภายใต้สัญญาอนุญาต Apache 2.0

ข้อจำกัดด้านความปลอดภัยและแผน QVAC

ขอบเขตการใช้งานตามที่ระบุไว้ในเอกสารข้อมูลโมเดลมีข้อจำกัดสำคัญหลายประการ BotPsy ได้รับการฝึกและทดสอบโดยใช้ภาษาอังกฤษเป็นหลัก ซึ่งเป็นภาษาที่แนะนำ การประเมิน Multi-IF ครอบคลุมภาษาเพิ่มเติมอีก 7 ภาษา และพบว่าผลด้านการทำตามคำสั่งในภาษาฮินดีและภาษารัสเซียอ่อนกว่ามาก BotPsy อาจทำผิดพลาด และไม่ได้มีไว้สำหรับการตัดสินใจอัตโนมัติที่มีความสำคัญต่อความปลอดภัยหรือมีความเสี่ยงสูง รวมถึงการใช้งานที่เกี่ยวข้องกับเงิน ข้อมูลส่วนบุคคล สุขภาพ และประเด็นอ่อนไหวอื่น ๆ

ในการทดสอบเชิงโจมตีแบบอัตโนมัติของ Tether ซึ่งครอบคลุมอันตราย 6 ประเภท BotPsy ให้คำตอบที่ไม่ปลอดภัย 21% ของเวลา เทียบกับ 36% ของโมเดลพื้นฐาน เมื่อทดสอบด้วยการโจมตีแบบแทรกคำสั่ง ซึ่งเป็นข้อกังวลเฉพาะสำหรับเอเจนต์ที่อ่านเอาต์พุตจากเครื่องมือที่ไม่น่าเชื่อถือ อัตราการตอบสนองที่ไม่ปลอดภัยซึ่งรายงานไว้คือ 31% และ 46% ตามลำดับ โมเดลขนาดเล็กกว่าทำได้ดีขึ้นในการทดสอบทั้งสองรายการ แต่ก็ยังคงสร้างคำตอบที่ไม่ปลอดภัย

BotPsy เข้ามาเป็นส่วนหนึ่งของวิสัยทัศน์ QVAC ซึ่งประกอบด้วยโมเดลด้านภาพ เสียงพูด สุขภาพ และการแปล โดยมีแผนพัฒนาในอนาคตเพื่อผสานความสามารถเฉพาะทางของโมเดลเหล่านี้เข้าด้วยกัน Paolo Ardoino ซีอีโอของ Tether กล่าวว่า “ผู้ใช้ควรเป็นผู้ตัดสินใจว่าผู้ช่วยของตนเข้าถึงอะไรได้บ้าง และเชื่อมต่อกับบริการภายนอกใดได้บ้าง”

แนวทางการออกแบบในระยะยาวของ Tether ใช้อินเทอร์เฟซบน Android หรือ iPhone สำหรับการใช้งานในชีวิตประจำวัน มอบหมายงานที่ต้องใช้ทรัพยากรมากให้พีซีที่บ้านหรือโหนดเพียร์ทูเพียร์ที่เชื่อถือได้ และส่งคำค้นหาบนเว็บผ่านการเชื่อมต่อเพียร์ทูเพียร์ที่เข้ารหัสไว้ ระบบดังกล่าวเป็นวิสัยทัศน์ที่ระบุไว้ ส่วนเวอร์ชันที่เปิดตัวในปัจจุบันมีเพียงโมเดลและไฟล์สำหรับติดตั้งใช้งาน

จุดแข็งที่ระบุไว้ในเอกสารของ BotPsy คือชั้นการทำงานเฉพาะทางบนอุปกรณ์ สำหรับจัดการงานทั่วไป ประโยชน์ของ BotPsy ในฐานะผู้ช่วยส่วนบุคคลนั้นขึ้นอยู่กับสิทธิ์ที่กำหนดในระดับแอปพลิเคชันและการควบคุมการทำงาน รวมถึงการที่การผสานระบบและการมอบหมายงานให้ฮาร์ดแวร์ตามแผนของ Tether จะช่วยจัดการข้อจำกัดด้านการวิจัย ความซับซ้อน และความปลอดภัยที่ระบุไว้ในเวอร์ชันนี้ได้หรือไม่