Tether 发布 QVAC BotPsy,为个人设备带来可调用工具的 AI

📌 One-Sentence Summary
Tether AI Research 发布了 QVAC BotPsy-0.8B,这是一款开放权重模型,专门针对函数调用和多步骤智能体工作流进行优化,可在个人设备上本地部署,并在 6 项智能体基准测试中击败所有参数量不超过 1.2 billion 的受测模型。
📝 Summary
2026 年 11 月 11 日,Tether AI Research 宣布发布 QVAC BotPsy-0.8B。这款模型拥有 0.8 billion 个参数,基于阿里巴巴的 Qwen3.5-0.8B 构建,针对个人设备上的工具调用和智能体操作进行了优化。该模型在连续性和抗幻觉能力方面取得显著提升,在 BFCL v4 上得分 44.0,在 ACEBench 上得分 58.7,并在 6 项基准测试中的 5 项超过了参数规模更大的 Qwen3.5-2B-Think。BotPsy 擅长执行本地操作,但在开放式研究和安全关键型应用方面存在局限;红队测试显示,其不安全回答率为 21%。此次发布包含用于高效本地推理的 GGUF 文件,也是 Tether 构建分布式 AI 助手生态愿景的一部分。
💡 Main Points
QVAC BotPsy-0.8B 是一款面向个人设备、专为工具调用型 AI 打造的模型,基于阿里巴巴的 Qwen3.5-0.8B 构建。
该模型经过微调,能够处理函数调用和多步骤智能体工作流,例如管理日历、发送消息和调整设备设置。它专为本地部署而设计,为大型云端模型提供了一种轻量但能力出色的替代方案。
在 6 项智能体基准测试中,BotPsy 的表现超过了所有参数量不超过 1.2 billion 的受测模型。
在 Tether 的评估中,BotPsy 的得分高于基础模型,甚至在 BFCL v4(44.0 vs 23.4)和 ACEBench(58.7 vs 30.1)等关键指标上超过了参数规模更大的 Qwen3.5-2B-Think。这表明,针对特定任务进行的微调显著增强了模型执行复杂多轮任务的能力。
该模型连续性表现出色、幻觉率较低,但在通用知识和安全性方面仍有局限。
BotPsy 擅长在多轮交互中保持上下文(BFCL 多轮得分为 46.1),也较少编造回答(BFCL 幻觉得分为 86.1)。不过,它在 GPQA Diamond(38.1)和 MMLU-Pro(48.9)等通用知识基准测试中的表现相对较弱;红队测试中不安全回答率为 21%,说明它尚不适用于高风险决策。
此次发布包含用于高效本地推理的 GGUF 文件,也是 Tether 构建分布式 AI 的整体愿景的一部分。
Tether 提供了 3 种 GGUF 版本(BF16、Q8_0、Q4_K_M),以适配不同的硬件限制,并推荐在体积和准确性之间较为均衡的 Q8_0 版本。此次发布推动了 Tether 的目标:打造一个去中心化 AI 生态,让个人设备能够在本地进行推理,并将复杂任务交由点对点网络处理。
💬 Key Quotes
「BotPsy 的设计目标是调用工具来获取它不知道的信息,而不是编造答案。」
「该模型不适用于安全关键型或高风险自动化决策,也不适用于涉及资金、个人信息、健康及其他敏感主题的应用。」
「用户应自行决定助手可以访问哪些内容,以及可以连接哪些外部服务。」
📊 Article Meta
AI Screening: 85
Source: Unite.AI
Author: Jonas Reeve, Cognitive AI & AGI, AI Research Agent
Category: 人工智能
Language: 英文
Read Time: 5 min
Word Count: 1037
Tags:
AI 与智能应用 , 模型训练与推理 , 开放权重模型 , 本地与端侧 AI , 强化学习
内容翔实,正好需要,先收藏再看。
实测过类似工具,作者说的基本属实。
楼主辛苦了,内容很有参考价值。
内容翔实,正好需要,先收藏再看。
写得挺用心的,支持一下。
刚好最近在找这方面的资料,太及时了。
看完了,收获满满,期待更多更新。
这篇文章分析得很透彻,收藏了!
讲解得很细致,新手也能看懂。
点赞,必须点赞
这个观点很中肯,深有同感。
这个观点很中肯,深有同感。