Tether 的精巧 BotPsy AI 代理在手機操控任務中挑戰更大型模型

目錄

• 你可能想知道
• 主題
• 重點摘要表
• 後續……

你可能想知道

• 執行軟體任務時，相對小型的 AI 代理如何能勝過參數更多的模型？
• BotPsy 對於直接在個人裝置上執行功能強大的 AI 助理有何啟示？

主題

全球最大穩定幣 USDT 背後的公司 Tether 推出了 QVAC BotPsy，這是一款旨在於個人裝置上執行日常任務的 AI 代理。這個模型擁有 800 million 個參數，設計目標是與軟體互動，而不只是回答問題。在公司的測試中，它在大多數工具使用評測中的表現優於參數數量最多達其 2.5 倍的模型。

參數是在訓練期間學習到的數值，有助於決定模型如何處理資訊並產生輸出。較大的參數量可能帶來更強的能力，但也可能需要更多記憶體與運算資源。前沿 AI 系統的參數量可能達到數兆，使 BotPsy 相形之下相當精巧。據稱的測試結果帶出了一個實際問題：透過審慎的專門化，小型模型能否在特定任務上發揮作用，而不必具備通用系統的規模？

BotPsy 被描述為具代理能力的模型。它不只是產生回應，還能判斷哪些應用程式工具與任務相關、依序執行指令，並在嘗試的操作失敗時調整做法。這項差異對涉及多個步驟或取決於裝置狀態變化的任務很重要。能夠規劃並從失敗中恢復的助理，在日常情境中或許比只提供操作指示、讓人照著執行的助理更實用。

Tether 以一個訊息情境說明這項能力。助理接到傳送訊息的指令，卻遇到兩個障礙：Wi-Fi 已停用，而且收件匣已滿。據稱 BotPsy 啟用了 Wi-Fi、清出足夠的儲存空間，接著完成了任務。相較之下，底層模型一再嘗試已經失敗的相同操作。這個例子的範圍不大，卻凸顯了實用代理的一項基本要求：它們必須能因應環境中的問題，而不是只重複最初的計畫。

BotPsy 以 Alibaba 的 Qwen3.5-0.8B 架構為基礎。Tether 進一步訓練這個模型，使其專精於與軟體工具互動。模型包含的 800 million 個參數代表學習到的數值，而較小的模型通常較容易部署在記憶體有限的硬體上。Tether 表示，這個代理旨在成為一個生態系的一部分，該生態系專注於在使用者掌控的裝置上執行 AI，而非完全依賴集中式雲端基礎設施。

該公司公布的技術文件列出多項基準測試結果。在評估系統能否在不同任務與對話中選擇並執行軟體函式的 BFCL v4 上，BotPsy 得分為 44.0%。底層的 Qwen3.5-0.8B 模型得分為 23.4%，而更大型的 Qwen3.5-2B 模型則得分為 37.7%。這些數據顯示，在這項評測中，BotPsy 的表現優於其基礎模型和較大型的比較模型。

在 ACEBench 上，這項基準測試評估函式呼叫的準確度，包括選擇適當的工具與引數，BotPsy 得分為 58.7%。其基礎模型得分為 30.1%，而參數量為 2 billion 的競爭模型則達到 55.4%。Tether 表示，該公司在六項工具使用評測中比較了五個模型。BotPsy 在六項評測中的五項取得最高成績，平均得分為 45.0%，高於較大型 Qwen 模型的 38.8%。

這些分數是 Tether 自行測試的結果，並不保證 BotPsy 在每款應用程式、每種裝置或所有真實情境中都能勝過更大型系統。基準測試的表現可能取決於所選任務、評估方法，以及工具的連接方式。這些結果是了解該模型據稱能力的相關證據，但應在此背景下解讀。

BotPsy 是 QVAC 的最新專案。QVAC 是 Tether 更廣泛的努力，旨在開發能在使用者掌控的裝置上本機執行的 AI。Tether 於 May 2025 推出 QVAC，將其定位為大型科技公司集中式基礎設施所支援之 AI 服務的替代方案。該公司的長期計畫包括能與應用程式互動，並可能使用 Bitcoin 和 USDT 付款的自主代理。

在 October 2025，Tether 以一組 41-billion-token 資料集擴展這項計畫，該資料集旨在訓練科學與工程模型；同時推出 QVAC Workbench，這是一款讓使用者能在本機執行 AI 模型的應用程式。今年稍早，該公司發布了 SDK，為開發者提供工具，以打造適用於行動與桌面作業系統的離線 AI 應用程式。整體而言，這些努力展現出結合模型、開發工具與本機執行的策略。

這個生態系的另一個組成部分是 QVAC MedPsy，這是一套為在消費級硬體上執行而設計的醫療 AI 系統。Tether 表示，其參數量為 1.7-billion 的版本在 HealthBench Hard 上勝過規模大得多的 Google MedGemma-27B。HealthBench Hard 是一項以真實臨床對話為基礎，並採用醫師制定標準的測試。這個例子與 BotPsy 據稱的工具使用測試結果一樣，反映出該公司對專用系統的興趣，這些系統力求不必使用規模最大的模型，也能提供實用的效能。

目前，BotPsy 以開放權重模型形式提供，採用 Apache 2.0 授權。開發者可以下載、修改，並將其整合到自己的應用程式中。Tether 也提供了壓縮版本，以降低本機部署所需的記憶體。不過，這次發布仍有其限制：該公司尚未公布由 BotPsy 驅動的完整消費者助理推出日期，而已發布的模型卡也指出，訓練程式碼與訓練資料並未包含在內。

這些細節區分了取得模型權重與完整公開模型製作方式之間的差異。開放權重能讓開發者更容易進行實驗、評估效能及建立整合功能。然而，由於缺少訓練資料與程式碼，獨立審查者可能無法重現完整訓練流程，也無法檢視模型開發的各個面向。在允許模型變更裝置設定或處理訊息前，使用者與開發者也需要評估它在特定應用程式中的行為，以及它需要哪些權限。

重點摘要表

後續……

BotPsy 的結果為一場更廣泛的討論增添了內容：AI 應該在哪裡執行，以及實用的助理究竟需要多少運算能力。本機模型或許能帶來反應更快、離線使用，以及減少傳送至雲端伺服器的個人資訊等好處。不過，這些只是可能的優點，並非必然的保證：隱私取決於應用程式的設計、它能存取的資料，以及資訊是否會傳送到其他地方。

仍需要進一步研究，評估精巧型代理在基準測試環境以外的表現。重要領域包括可靠地從錯誤中恢復、安全處理裝置權限、跨作業系統相容，以及為可能造成重大影響的操作提供清楚的使用者控制功能。獨立測試也有助於確認結果在不同裝置與任務之間的差異，而更完整的文件則能讓人更容易評估訓練過程並重現研究結果。

隨著本機 AI 工具持續發展，研究人員與開發者應探索高效率的模型架構、安全的裝置端處理方式、透明的評估，以及讓使用者掌控自動化操作的方法。核心問題不只是較小的模型能否在特定測試中比肩較大型模型，而是它能否在人們實際遇到的情境中，以可靠、透明且安全的方式採取行動。