Tether ra mắt QVAC BotPsy, AI có thể sử dụng công cụ trên thiết bị cá nhân

Tether AI Research công bố phát hành QVAC BotPsy-0.8B vào ngày 11 tháng 11 năm 2026. Đây là mô hình có trọng số mở, gồm 0,8 tỷ tham số, dành cho việc gọi công cụ trên thiết bị cá nhân. Tether cho biết mô hình vượt trội hơn tất cả các mô hình được thử nghiệm có tối đa 1,2 tỷ tham số trong sáu phép đo chuẩn về khả năng hoạt động như tác tử.

Được xây dựng trên Qwen3.5-0.8B của Alibaba, BotPsy chuyên xử lý lệnh gọi hàm và các quy trình nhiều bước theo kiểu tác tử để triển khai cục bộ. Các tác vụ mục tiêu gồm lịch, nhắn tin, tệp, cài đặt thiết bị, nghiên cứu web, du lịch, thương mại và vận hành dịch vụ khách hàng; mô hình phù hợp nhất với những công việc có độ khó từ thấp đến trung bình. Ứng dụng bao quanh mô hình cung cấp các kết nối dịch vụ, quyền truy cập và cơ chế kiểm soát thực thi.

Trong ví dụ ACEBench của Tether, một tin nhắn không gửi được vì Wi-Fi đang tắt và hộp thư đến đã đầy. BotPsy bật Wi-Fi và giải phóng dung lượng hộp thư trước khi gửi tin nhắn, trong khi mô hình nền lặp lại thao tác thất bại. Mô hình cũng có thể nhận ra khi không công cụ nào hiện có phù hợp với yêu cầu—ámột hành vi quan trọng đối với trợ lý hoạt động bên trong các ứng dụng thực tế.

Khả năng chuyên biệt tạo nên mức tăng điểm chuẩn

Trong đánh giá theo thẻ mô hình của Tether, điểm BFCL v4 tăng từ 23.4 với mô hình nền Qwen3.5-0.8B-Think lên 44.0 với BotPsy; điểm ACEBench tăng từ 30.1 lên 58.7, còn ToolSandbox tăng từ 30.5 lên 64.6. BotPsy cũng vượt Qwen3.5-2B-Think ở năm trong sáu phép đo chuẩn về khả năng hoạt động như tác tử; mô hình lớn hơn dẫn đầu ở Claw-Eval, với điểm 48.9 so với 46.5. Cả năm mô hình đều được đánh giá ở chế độ suy luận bằng cùng một bộ công cụ kiểm thử, và các điểm số được tính theo phần trăm.

Mức cải thiện lớn nhất nằm ở khả năng duy trì mạch xử lý qua nhiều lượt. Tether báo cáo BotPsy đạt 46.1 điểm ở bài kiểm tra nhiều lượt BFCL v4, so với 7.5 điểm của mô hình nền và 23.8 điểm của Qwen3.5-2B-Think. Bài kiểm tra này đo lường khả năng tiếp tục làm việc khi có thông tin mới, chẳng hạn như kiểm tra tình trạng còn chỗ, xử lý xung đột và cập nhật lịch. Điểm 86.1 của BotPsy trong bài kiểm tra ảo giác của BFCL đánh giá một yêu cầu riêng: không gọi công cụ khi không có công cụ nào hiện có phù hợp.

Các kết quả rộng hơn của Tether không chứng minh được ưu thế tổng thể. Điểm GPQA Diamond và MMLU-Pro của BotPsy lần lượt là 38.1 và 48.9, thấp hơn đáng kể so với mức 59.9 và 65.5 của mô hình 2B. Điểm BrowseComp-Plus của BotPsy là 4.5, dẫn đầu nhóm năm mô hình nhưng vẫn thấp nếu xét giá trị tuyệt đối, cho thấy năng lực nghiên cứu mở còn yếu. Vì vậy, BotPsy được thiết kế để gọi công cụ nhằm tìm kiếm những dữ kiện mà mô hình không biết.

Huấn luyện và triển khai trên thiết bị

Tài liệu kỹ thuật mô tả bốn giai đoạn hậu huấn luyện: tinh chỉnh có giám sát, chưng cất theo chính sách hiện hành từ nhiều giáo viên và hai vòng học tăng cường. Trong quá trình chưng cất, ba mô hình Qwen3.5-4B chuyên biệt đảm nhiệm việc sử dụng công cụ, suy luận tổng quát và làm theo hướng dẫn. Các giai đoạn học tăng cường sử dụng phần thưởng dựa trên quy tắc và có thể kiểm chứng; giai đoạn đầu tập trung vào việc gọi công cụ, sau đó mở rộng sang các tác vụ về toán học, mã nguồn, kiến thức và đầu ra có cấu trúc. Bản phát hành không bao gồm mã huấn luyện và dữ liệu huấn luyện.

Mô hình sau huấn luyện cũng tạo ra chuỗi suy luận ngắn hơn mô hình nền. Với các câu hỏi GPQA Diamond mà cả năm mô hình đều trả lời đúng, Tether đo được 3,690 token suy luận ở BotPsy, so với 11,563 token ở mô hình nền; với MMLU-Pro, các con số lần lượt là 1,912 và 5,105. Vì mọi mô hình đều giải được các câu hỏi này, phép so sánh phản ánh độ dài suy luận chứ không phải độ khó của câu hỏi, qua đó cung cấp một chỉ báo hữu ích về hiệu quả khi suy luận cục bộ.

Bản phát hành GGUF cung cấp ba tệp dành cho llama.cpp và QVAC SDK: BF16 có dung lượng khoảng 1.52 GB, Q8_0 khoảng 0.81 GB và Q4_K_M khoảng 0.53 GB. Tether khuyến nghị Q8_0 vì phiên bản này đạt điểm trung bình 50.7 qua mười phép đo chuẩn, gần bằng mức 50.4 của BF16 GGUF trong khi dung lượng tệp chỉ bằng khoảng một nửa. Q4_K_M đạt điểm trung bình 48.9 và hướng đến các thiết bị có ngân sách bộ nhớ hạn chế hơn. Kho lưu trữ chính cung cấp trọng số safetensors BF16 theo giấy phép Apache 2.0.

Giới hạn an toàn và kế hoạch QVAC

Các giới hạn về mục đích sử dụng được nêu trong thẻ mô hình rất đáng kể. BotPsy chủ yếu được huấn luyện và kiểm thử bằng tiếng Anh, cũng là ngôn ngữ được khuyến nghị. Phép đánh giá Multi-IF bao gồm thêm bảy ngôn ngữ và cho thấy khả năng làm theo hướng dẫn bằng tiếng Hindi và tiếng Nga yếu hơn nhiều. BotPsy có thể mắc lỗi và không предназнач dành cho các quyết định tự động liên quan đến an toàn trọng yếu hoặc có hệ quả lớn, cũng như các ứng dụng liên quan đến tiền bạc, thông tin cá nhân, sức khỏe và những chủ đề nhạy cảm khác.

Trong hoạt động kiểm thử đối kháng tự động của Tether trên sáu nhóm nguy hại, BotPsy đưa ra câu trả lời không an toàn trong 21% số trường hợp, so với 36% ở mô hình nền. Khi đối mặt với các cuộc tấn công chèn lệnh, vốn là mối lo ngại đặc biệt đối với tác tử đọc đầu ra công cụ không đáng tin cậy, tỷ lệ phản hồi không an toàn được báo cáo lần lượt là 31% và 46%. Mô hình nhỏ hơn cải thiện kết quả ở cả hai bài kiểm tra nhưng vẫn tạo ra các câu trả lời không an toàn.

BotPsy bổ sung vào nhóm mô hình thị giác, giọng nói, sức khỏe và dịch thuật của QVAC; định hướng phát triển trong tương lai là kết hợp các năng lực chuyên biệt của chúng. “Người dùng nên quyết định trợ lý của mình được phép truy cập những gì và có thể kết nối với những dịch vụ bên ngoài nào,” CEO Tether Paolo Ardoino cho biết.

Thiết kế dài hạn của Tether sử dụng giao diện Android hoặc iPhone để tương tác hằng ngày, chuyển các tác vụ đòi hỏi nhiều tài nguyên sang PC tại nhà hoặc các nút ngang hàng đáng tin cậy, đồng thời định tuyến truy vấn web qua các kết nối ngang hàng được mã hóa. Hệ thống đó là tầm nhìn đã được công bố; bản phát hành hiện tại cung cấp mô hình và các tệp triển khai.

Điểm mạnh được ghi nhận của BotPsy là lớp thực thi tác vụ cục bộ chuyên biệt dành cho các công việc thường lệ. Việc BotPsy có trở thành một trợ lý cá nhân hữu ích hay không phụ thuộc vào quyền của ứng dụng và các biện pháp kiểm soát thực thi, cũng như việc tích hợp theo kế hoạch và khả năng phân giao tác vụ cho phần cứng của Tether có giải quyết được những giới hạn về nghiên cứu, độ phức tạp và an toàn được nêu trong bản phát hành này hay không.