Tether 发布 QVAC BotPsy，让个人设备上的 AI 能够调用工具

Tether AI Research 于 2026 年 11 月 11 日宣布推出 QVAC BotPsy-0.8B。这是一款开放权重模型，拥有 8 亿个参数，可在个人设备上调用工具。据称，在六项智能体基准测试中，它的表现优于所有受测的、参数量不超过 12 亿的模型。

BotPsy 基于 Alibaba 的 Qwen3.5-0.8B 构建，专为本地部署中的函数调用和多步骤智能体工作流而设计。其目标任务涵盖日历、消息、文件、设备设置、网络研究、旅行、商业和客户服务运营，最适合处理难度较低至中等的工作。外围应用负责提供服务连接、权限和执行控制。

在 Tether 展示的 ACEBench 示例中，由于 Wi-Fi 已关闭且收件箱已满，消息发送失败。BotPsy 在发送消息前开启了 Wi-Fi 并清理收件箱空间，而其基础模型则重复执行了失败的操作。该模型还能识别出可用工具中没有任何一种适用于某项请求；对于在真实应用中运行的助手来说，这是一项重要能力。

专业化设计带来基准测试成绩提升

在 Tether 的模型卡评测中，BFCL v4 的得分从 Qwen3.5-0.8B-Think 基础模型的 23.4 提升至 BotPsy 的 44.0；ACEBench 得分从 30.1 提升至 58.7；ToolSandbox 得分则从 30.5 提升至 64.6。在六项智能体基准测试中，BotPsy 有五项得分超过 Qwen3.5-2B-Think；较大的模型只在 Claw-Eval 上领先，得分为 48.9，而 BotPsy 为 46.5。五个模型均使用统一测试框架，在思考模式下进行评测，得分均为百分比。

提升最大的是跨轮次对话中的连续处理能力。Tether 报告称，BotPsy 在 BFCL v4 多轮测试中的得分为 46.1，高于其基础模型的 7.5 和 Qwen3.5-2B-Think 的 23.8。这项测试衡量智能体能否在新信息不断出现时继续完成任务，例如查询可用时间、处理冲突并更新日历。BotPsy 在 BFCL 幻觉测试中取得 86.1 分，衡量的则是另一项能力：当没有可用工具适用于请求时，不调用工具。

Tether 更广泛的测试结果并不能证明 BotPsy 整体更胜一筹。BotPsy 在 GPQA Diamond 和 MMLU-Pro 上分别取得 38.1 分和 48.9 分，明显低于 2B 模型的 59.9 分和 65.5 分。BotPsy 在 BrowseComp-Plus 上的得分为 4.5，虽在五个模型中领先，但绝对分数仍然很低，暴露出其开放式研究能力较弱。因此，BotPsy 的设计目标是：遇到自身不知道的事实时调用工具。

训练与设备端部署

一篇技术说明介绍了四个后训练阶段：监督微调、多教师在线策略蒸馏，以及两轮强化学习。蒸馏期间，三种专门的 Qwen3.5-4B 教师模型分别负责工具使用、通用推理和指令遵循。强化学习阶段采用基于规则且可验证的奖励，第一轮侧重工具调用，随后一轮则加入更多数学、代码、知识和结构化输出任务。此次发布未提供训练代码和训练数据。

最终模型生成的推理过程也比基础模型更短。在五个模型都答对的 GPQA Diamond 题目中，Tether 测得 BotPsy 使用了 3,690 个推理词元，而其基础模型使用了 11,563 个；在 MMLU-Pro 中，两者分别使用了 1,912 个和 5,105 个。由于所有模型都答对了这些题目，这项比较衡量的是推理长度，而非题目难度，因此可作为本地推理效率的一项实用指标。

此次GGUF 版本发布为 llama.cpp 和 QVAC SDK 提供了三个文件：BF16 版本约 1.52 GB，Q8_0 版本约 0.81 GB，Q4_K_M 版本约 0.53 GB。Tether 推荐使用 Q8_0；该版本在十项基准测试中的平均得分为 50.7，接近 BF16 GGUF 版本的 50.4，而文件大小约为后者的一半。Q4_K_M 的平均得分为 48.9，适用于内存预算更紧张的情况。主代码仓库提供采用 Apache 2.0 许可证的 BF16 safetensors 权重。

安全限制与 QVAC 规划

模型卡对预期用途设定了不少限制。BotPsy 的训练和测试主要使用英语，因此推荐使用英语。其 Multi-IF 评测还覆盖了另外七种语言，但在印地语和俄语中的指令遵循表现明显较弱。BotPsy 可能出错，不适用于安全关键或高风险的自动化决策，也不适用于涉及金钱、个人信息、健康及其他敏感主题的应用。

在 Tether 针对六类危害开展的自动化红队测试中，BotPsy 有 21% 的时间会生成不安全回复，而其基础模型的这一比例为 36%。在提示注入攻击下——这对会读取不可信工具输出的智能体尤为值得关注——两者报告的不安全回复比例分别为 31% 和 46%。较小的模型在这两项测试中都有所改善，但仍会生成不安全回复。

BotPsy 加入了 QVAC 的视觉、语音、健康和翻译模型阵容；未来的开发计划是将这些模型的专业能力结合起来。Tether 首席执行官 Paolo Ardoino 表示：“用户应当决定助手可以访问哪些内容，以及它可以连接哪些外部服务。”

Tether 的长期设计设想是通过 Android 或 iPhone 界面进行日常交互，将要求较高的任务交由家用电脑或可信的点对点节点处理，并通过加密的点对点连接发送网络查询。这一系统目前仍是明确提出的愿景；当前版本提供的是模型和部署文件。

根据文档，BotPsy 的优势在于为日常任务提供专门的本地操作层。它能否成为实用的个人助理，取决于应用层权限和执行控制，也取决于 Tether 计划中的集成和硬件任务委派能否解决本次发布文档所述的研究、复杂性和安全边界问题。