Tether представила QVAC BotPsy — открытую ИИ-модель, созданную для выполнения реальных задач через приложения и внешние инструменты. Несмотря всего на 0,8 млрд параметров, модель превзошла более крупные системы в шести агентных тестах, организованных Tether, — результат, который, по словам компании, указывает на потенциал специализированного ИИ для удовлетворения повседневных потребностей непосредственно на личных устройствах. Анонс был опубликован 11 ноября 2026 года вместе с результатами бенчмарков, сравнивающих модель с более крупными конкурентами.

С этим релизом Tether — компания, наиболее известная выпуском стейблкоина USDT, — стремится перенести более способных ИИ-ассистентов на личные устройства, away от централизованных серверов, позиционируя небольшие специализированные модели как альтернативу облачной обработке.

Tether сообщила новость через свой официальный аккаунт X (Twitter) 11 ноября:

Tether's 800M AI Agent Beats Models 2.5x Its Size on Everyday Phone Tasks. Learn more:

— Tether (@tether) November 11, 2026

Превосходство над более крупными моделями в шести бенчмарках

По данным Tether, QVAC BotPsy превзошла все модели с 1,2 млрд параметров и менее в шести агентных бенчмарках: BFCL v4, ACEBench, τ-bench, Claw-Eval, BrowseComp-Plus и ToolSandbox. Бенчмарки такого рода оценивают, способна ли модель выстраивать цепочки вызовов инструментов в несколько шагов для выполнения задачи, а не просто генерировать текстовый ответ.

По четырем ключевым метрикам BotPsy почти удвоила результаты своей базовой архитектуры Qwen3.5-0.8B-Think. Ее результат в BFCL v4 вырос с 23,4 до 44,0, а в ACEBench — с 30,1 до 58,7. Модель также набрала 51,5 в τ-bench и 64,6 в ToolSandbox.

Tether также утверждает, что BotPsy превосходит Alibaba Qwen3.5-2B-Think — модель с 2,5-кратным числом параметров. В BFCL multi-turn tool calling BotPsy набрала 46,1 балла против 23,8 у более крупной модели, тогда как ее базовая архитектура получила 7,5 балла.

В дальнейших сравнениях, приведенных Tether, BotPsy значительно опередила MiniCPM5-1B-Think с результатом 82,5, превзошла Qwen3.5-2B-Think с 69,3 и обошла LLama3-3B-Think с 74,4.

Компания представила эти результаты как свидетельство того, что специализированный ИИ может справляться с повседневными задачами на отдельных устройствах, не полагаясь на более крупные системы общего назначения. Цифры получены из сравнений, организованных самой Tether, однако открытый релиз весов модели позволяет сторонним разработчикам скачать ее и провести собственные оценки.

Превращение повседневных запросов в действия

В отличие от обычных ИИ-моделей, ориентированных на генерацию ответов, BotPsy создана для совершения правильных вызовов инструментов в несколько шагов. По словам Tether, такой дизайн может поддерживать практические задачи: организацию мероприятий, отправку сообщений и даже планирование путешествий.

Один из сценариев ACEBench проиллюстрировал это поведение. Первая попытка отправить сообщение не удалась из-за отсутствия подключения к Wi-Fi и переполненного почтового ящика. BotPsy обнаружила оба препятствия, активировала Wi-Fi, освободила место в ящике и затем доставила сообщение. Базовая модель, напротив, обычно повторяла бы одно и то же неудачное действие многократно.

Модель также может определить, когда для запроса не требуется ни один из доступных инструментов, вместо совершения нежелательного вызова. Tether описывает эту способность как значимую для ассистентов, которые должны выполнять множество действий и изменять контент.

Локальный ИИ может снизить зависимость от централизованных серверов

BotPsy основана на открытой модели Alibaba Qwen3.5 и при 0,8 млрд параметров — внутренних весов, составляющих модель — достаточно компактна для работы на личном оборудовании, что означает возможность выполнения запросов локально. Такая обработка на устройстве ограничивает объем конфиденциальной информации — писем, контактов, календарей и прочего, — который необходимо отправлять центральным провайдерам.

Генеральный директор Tether Паоло Ардоино отметил, что с локальным ИИ пользователи получат больше контроля над обработкой своих личных данных и доступностью сервисов для своего ассистента, что подчеркивает внимание компании к конфиденциальности на устройстве.

BotPsy расширяет экосистему QVAC, разработанную Tether, — семейство моделей, включающее также VisionPsy для ответов на визуальные вопросы; TranscribePsy для работы с речью и TranslatePsy для задач перевода. В совокупности эта линейка показывает, как Tether развивает свое направление ИИ на устройствах в областях зрения, речи и перевода.

Источник: Crypto Ninjas