Tether推出了QVAC BotPsy，一个旨在通过应用和外部工具执行真实任务的开放权重AI模型。尽管仅有8亿参数，该模型在Tether组织的六项智能体测试中超越了更大的系统——该公司表示，这一结果表明专为特定目的构建的AI有潜力直接在个人设备上满足日常需求。该公告于2026年11月11日发布，同时公布了将该模型与更大竞争对手进行比较的基准测试结果。

随着此次发布，Tether——这家以发行USDT稳定币而闻名的公司——正努力将更强大的AI助手引入个人设备、远离中心化服务器，将小型专用模型定位为云端处理的替代方案。

Tether于11月11日通过其官方X（Twitter）账号分享了这一消息：

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

— Tether (@tether) November 11, 2026

在六项基准测试中超越更大模型

据Tether称，QVAC BotPsy在六项智能体基准测试中超越了所有参数不超过12亿的模型：BFCL v4、ACEBench、τ-bench、Claw-Eval、BrowseComp-Plus和ToolSandbox。此类基准测试衡量的是模型能否跨多个步骤串联工具调用来完成任务，而不仅仅是生成文本回答。

在四项关键指标上，BotPsy的成绩几乎是其基础架构Qwen3.5-0.8B-Think的两倍。其BFCL v4得分从23.4攀升至44.0，ACEBench成绩从30.1升至58.7。该模型在τ-bench上得到51.5分，在ToolSandbox上得到64.6分。

Tether还声称，BotPsy的性能超过阿里巴巴的Qwen3.5-2B-Think，后者的参数量是其2.5倍。在BFCL多轮工具调用测试中，BotPsy得到46.1分，而更大的模型为23.8分，其基础架构则为7.5分。

在Tether引用的进一步对比中，BotPsy以82.5的得分大幅领先MiniCPM5-1B-Think，以69.3的得分超越Qwen3.5-2B-Think，并以74.4的得分险胜LLama3-3B-Think。

该公司将这些结果定性为定制化AI能够在个人设备上处理日常需求、而无需依赖更大的通用系统的证明。这些数据来自Tether自行组织的对比，不过该模型的开放权重发布也为外部开发者提供了下载并运行自行评估的空间。

将日常请求转化为行动

与专注于生成回答的传统AI模型不同，BotPsy的设计目标是跨多个步骤做出正确的工具调用。Tether表示，这一设计可支持诸如组织活动、发送消息甚至安排旅行等实际任务。

ACEBench的一个场景演示了这种行为。最初尝试发送一条消息时，由于缺乏Wi-Fi连接且收件箱已满而失败。BotPsy检测到了这两个障碍，激活了Wi-Fi，清理了收件箱空间，然后成功发送了消息。相比之下，基准模型通常会反复重试同一失败的操作。

该模型还能判断何时没有可用的工具来处理某个请求，而不是进行不必要的调用。Tether称这一能力对于必须执行大量操作并修改内容的助手而言意义重大。

本地AI可减少对中心化服务器的依赖

BotPsy基于阿里巴巴开源的Qwen3.5构建，8亿参数——即构成模型的内部权重——的体量足够小，可在个人硬件上运行，这意味着请求可以在本地得到满足。这种端侧处理限制了必须发送给中心化服务商的敏感信息量——包括电子邮件、联系人、日历等等。

Tether CEO Paolo Ardoino表示，借助本地AI，用户将对个人数据的处理方式以及助手服务的可及性拥有更多控制权，凸显了该公司对端侧隐私的重视。

BotPsy拓展了Tether开发的QVAC生态系统，该模型家族还包括处理视觉问答的VisionPsy、处理语音的TranscribePsy以及处理翻译任务的TranslatePsy。总体来看，这一产品线表明Tether正在视觉、语音和翻译任务方面全面推进其端侧AI布局。

来源：Crypto Ninjas