全球最大穩定幣 USDT 背後的公司 Tether 推出一款輕量級 AI 代理，在該公司自己的基準測試中，其表現擊敗了體積最大達2.5倍的模型，這顯示功能強大的 AI 助理未必需要龐大的模型才能完成任務。

週三，該公司宣布推出 QVAC BotPsy，這是一個8億參數的 AI 代理，設計用於在個人裝置上執行日常任務，包括管理手機設定、傳送訊息與排程，並可能無需將個人資訊傳送至雲端伺服器。

參數本質上是決定 AI 模型能力大小的旋鈕，參數越多通常代表效能越好。作為參考，如今的前沿 AI 模型參數規模以兆計。然而在公司測試中，Tether 這個相對微小的模型在六項工具使用基準測試中的五項，擊敗了參數最多達其2.5倍的競爭模型。

對這類軟體而言，體積不只是排行榜上的數字：消費性硬體有嚴格的記憶體限制，因此一個要在本機執行的模型，其參數數量決定了哪些功能能真正在使用者口袋裡的裝置上運作。

是代理，而非聊天機器人

與僅僅回答問題的傳統聊天機器人不同，BotPsy 具有代理能力，意味著它被設計來採取行動。它能識別應用程式需要哪些工具、以正確順序執行指令，並在出錯時進行調整。

Tether 描述了一個基準測試情境：AI 助理需要傳送一則訊息，但遇到兩個問題：Wi-Fi 已關閉且收件匣已滿。BotPsy 開啟了 Wi-Fi、清理出足夠的儲存空間並完成了任務，而基礎模型則反覆嘗試同一個失敗的操作。這是相當平凡的成就，但正是這類問題讓 AI 代理在聊天視窗之外發揮作用。

建基於小型 Qwen 模型

BotPsy 建基於 Alibaba 的 Qwen3.5-0.8B 架構，這是一個相對較小的語言模型，Tether 對其進一步訓練，使其專精於與軟體工具互動。其8億參數代表模型在訓練過程中學到的數值，而較少的參數數量通常意味著執行時所需的記憶體更少。

根據 Tether 的技術文件，BotPsy 在 BFCL v4 上獲得44.0%，該基準測試評估 AI 系統在不同任務與對話中選擇和執行軟體函式的能力。分數反映各工具使用類別中成功表現的加權百分比。基礎的 Qwen3.5-0.8B 模型得分23.4%，而規模大得多的 Qwen3.5-2B 則達到37.7%。

BotPsy 在 ACEBench 上也獲得58.7%，該基準測試評估函式呼叫的準確性，包括選擇適當的工具與參數。其基礎模型得分30.1%，而20億參數的競爭模型得分55.4%。

該公司在六項工具使用評估中測試了五個模型，BotPsy 在其中五項獲得最高成績。它在這些測試中的平均分數達到45.0%，而較大的 Qwen 模型為38.8%。

QVAC 生態系的一環

BotPsy 是 QVAC 的最新成員，這是 Tether 打造在用戶控制的裝置上執行、而非完全依賴中心化雲端基礎設施的 AI 生態系的努力。該公司於2025年5月首次推出 QVAC，將該專案定位為科技巨頭所營運 AI 服務的替代方案。其更長期的目標包括能與應用程式互動、並可能使用 Bitcoin 和 USDT 進行付款的自主代理。

這個付款願景也是 Tether 的 AI 計畫與其核心業務交會之處：能以 USDT 交易的代理，處理的正是該公司發行的穩定幣。

Tether 於2025年10月擴展了這項計畫，推出一個用於訓練科學與工程模型的410億 token 資料集，以及讓使用者在本機執行 AI 模型的應用程式 QVAC Workbench。今年稍早，該公司發布了其軟體開發套件，為開發者提供建構跨行動與桌面作業系統離線 AI 應用程式的工具。

對這個願景而言，輕量模型是實際的先決條件，因為該生態系的前提是 AI 應在使用者控制的硬體上執行，而非在遠端的資料中心。

Tether 也開發了 QVAC MedPsy，一個設計在消費性硬體上執行的醫療 AI 系統。其17億參數版本在 HealthBench Hard 上擊敗了 Google 規模大得多的 MedGemma-27B，HealthBench Hard 是一項以醫師制定的標準評估真實臨床對話的測試。

可用性與注意事項

BotPsy 目前以 Apache 2.0 授權的開放權重模型形式提供，開發者可以下載、修改並整合到自己的應用程式中。Tether 也發布了壓縮版本，旨在降低本機部署的記憶體需求。

該公司尚未公布由 BotPsy 驅動的成品消費者助理的發布日期，而其發布的模型卡也註明訓練程式碼與訓練資料未包含在此版本中。

這使開發者成為此版本目前的直接受眾：開放權重與壓縮版本已可供下載，而任何以 BotPsy 為基礎的成品消費者助理則尚未定下時程。