Tether, firma stojąca za USDT, największym stablecoinem na świecie, zaprezentowała kompaktowego agenta AI, który we własnych testach porównawczych firmy przewyższył modele do 2,5 razy większe od niego — co sugeruje, że sprawni asystenci AI mogą nie potrzebować ogromnych modeli, aby wykonywać zadania.

W środę firma ogłosiła QVAC BotPsy, agenta AI o 800 milionach parametrów, zaprojektowanego do wykonywania codziennych zadań na urządzeniach osobistych, w tym zarządzania ustawieniami telefonu, wiadomościami i harmonogramem, potencjalnie bez wysyłania danych osobowych na serwery chmurowe.

Parametry to w istocie pokrętła, które określają, ile model AI potrafi, a większa ich liczba zazwyczaj przekłada się na lepszą wydajność. Dla porównania, czołowe modele AI dzisiaj liczą tryliony parametrów. Tymczasem w testach firmy stosunkowo mały model Tether pokonał konkurentów z liczbą parametrów do 2,5 razy większą w pięciu z sześciu benchmarków wykorzystania narzędzi.

Dla tego rodzaju oprogramowania rozmiar to coś więcej niż ciekawostka w tabelach wyników: sprzęt konsumencki narzuca ścisłe limity pamięci, więc liczba parametrów modelu przeznaczonego do pracy lokalnie kształtuje to, co realnie może działać na urządzeniu w kieszeni.

Agent, nie chatbot

W przeciwieństwie do tradycyjnych chatbotów, które po prostu odpowiadają na pytania, BotPsy jest agentowy, czyli zaprojektowany do podejmowania działań. Potrafi zidentyfikować, jakich narzędzi potrzebuje aplikacja, wykonać polecenia we właściwej kolejności i skorygować działanie, gdy coś pójdzie nie tak.

Tether opisał scenariusz testowy, w którym asystent AI miał wysłać wiadomość, ale napotkał dwa problemy: Wi-Fi było wyłączone, a skrzynka odbiorcza pełna. BotPsy włączył Wi-Fi, zwolnił wystarczająco dużo miejsca i ukończył zadanie, podczas gdy model bazowy wielokrotnie próbował tej samej nieudanej operacji. To dość prozaiczne osiągnięcie, ale dokładnie ten rodzaj problemu sprawia, że agenci AI są użyteczni poza oknem chatbota.

Zbudowany na małym modelu Qwen

BotPsy jest zbudowany na architekturze Qwen3.5-0.8B od Alibaba, stosunkowo małym modelu językowym, który Tether dodatkowo wytrenował, aby specjalizował się w interakcji z narzędziami oprogramowania. Jego 800 milionów parametrów to wartości liczbowe wyuczone podczas treningu, a mniejsza liczba parametrów oznacza zazwyczaj mniejsze zapotrzebowanie na pamięć.

Według dokumentacji technicznej Tether BotPsy uzyskał 44,0% w BFCL v4, benchmarku oceniającym zdolność systemu AI do wybierania i wykonywania funkcji oprogramowania w różnych zadaniach i rozmowach. Wyniki odzwierciedlają ważoną procentową skuteczność w kategoriach wykorzystania narzędzi. Model bazowy Qwen3.5-0.8B uzyskał 23,4%, a znacznie większy Qwen3.5-2B osiągnął 37,7%.

BotPsy uzyskał także 58,7% w ACEBench, który ocenia dokładność wywołań funkcji, w tym wybieranie odpowiednich narzędzi i argumentów. Jego model bazowy uzyskał 30,1%, a konkurent o 2 miliardach parametrów 55,4%.

Firma przetestowała pięć modeli w sześciu ocenach wykorzystania narzędzi, przy czym BotPsy uzyskał najwyższe wyniki w pięciu. Jego średni wynik w tych testach osiągnął 45,0%, wobec 38,8% dla większego modelu Qwen.

Część ekosystemu QVAC

BotPsy to najnowszy element QVAC, projektu Tether mającego na celu budowę ekosystemu AI działającego na urządzeniach kontrolowanych przez użytkowników, zamiast polegania wyłącznie na scentralizowanej infrastrukturze chmurowej. Firma po raz pierwszy zaprezentowała QVAC w maju 2025 roku, pozycjonując projekt jako alternatywę dla usług AI prowadzonych przez gigantów technologicznych. Jego długoterminowe ambicje obejmowały autonomicznych agentów zdolnych do interakcji z aplikacjami i potencjalnie dokonywania płatności w Bitcoinie i USDT.

Ta ambicja płatnicza to również miejsce, w którym program AI Tether spotyka się z jego podstawową działalnością: agent zdolny do transakcji w USDT obsługiwałby właśnie ten stablecoin, który firma emituje.

Tether rozszerzył tę inicjatywę w październiku 2025 roku o zbiór danych liczący 41 miliardów tokenów do trenowania modeli naukowych i inżynieryjnych, wraz z QVAC Workbench, aplikacją pozwalającą użytkownikom uruchamiać modele AI lokalnie. Wcześniej w tym roku firma wydała własny zestaw narzędzi programistycznych (SDK), zapewniając deweloperom narzędzia do budowy aplikacji AI działających offline na systemach operacyjnych mobilnych i desktopowych.

Dla tej wizji kompaktowe modele są praktycznym warunkiem wstępnym, ponieważ przesłanką ekosystemu jest to, że AI powinno działać na sprzęcie kontrolowanym przez użytkowników, a nie w odległych centrach danych.

Tether opracował także QVAC MedPsy, system AI medycznego zaprojektowany do działania na sprzęcie konsumenckim. Jego wersja o 1,7 miliarda parametrów przewyższyła znacznie większy MedGemma-27B od Google w HealthBench Hard — teście realistycznych rozmów klinicznych ocenianych według kryteriów opracowanych przez lekarzy.

Dostępność i zastrzeżenia

BotPsy jest obecnie dostępny jako model z otwartymi wagami na licencji Apache 2.0, co oznacza, że deweloperzy mogą go pobierać, modyfikować i integrować z własnymi aplikacjami. Tether wydał również wersje skompresowane, mające zmniejszyć wymagania pamięciowe przy wdrożeniu lokalnym.

Firma nie ogłosiła daty wydania gotowego asystenta konsumenckiego opartego na BotPsy, a opublikowana karta modelu wskazuje, że kod treningowy i dane treningowe nie są objęte wydaniem.

Oznacza to, że bezpośrednią grupą odbiorców wydania są deweloperzy: otwarte wagi i wersje skompresowane są już dostępne do pobrania, natomiast każdy gotowy asystent konsumencki oparty na BotPsy pozostaje bez ustalonej daty.