বুধবার টেথার ব্যক্তিগত ডিভাইসে দৈনন্দিন কাজের জন্য একটি এআই এজেন্ট হিসেবে QVAC BotPsy প্রকাশ করে। মডেলটিতে 800 মিলিয়ন প্যারামিটার রয়েছে। টেথারের পরীক্ষায় দেখা গেছে যে BotPsy এর চেয়ে 2.5 গুণ বেশি প্যারামিটার সহ প্রতিদ্বন্দ্বী মডেলগুলির চেয়ে ভালো ফলাফল দিয়েছে। BotPsy ছয়টি মডেলের মধ্যে পাঁচটির সাথে তুলনা করে ছয়টি টুল-ব্যবহার মূল্যায়নের মধ্যে পাঁচটিতে সর্বোত্তম ফলাফল অর্জন করেছে। এই ফলাফলগুলি এই কথা প্রকাশ করে যে ব্যবহারিক কাজগুলির জন্য AI সহায়কদের খুব বড় মডেলের প্রয়োজন হতে পারে না।
BotPsy ফোনের সেটিংস, মেসেজিং এবং সময়সূচী নিয়ে বহু-পদক্ষেপের কাজ পরিচালনা করতে পারে, সম্ভবত ব্যক্তিগত তথ্যকে ক্লাউড সার্ভারে স্থানান্তর না করে। এজেন্টটি নির্ধারণ করে যে কোন সফটওয়্যার টুলগুলি একটি কাজের জন্য প্রয়োজন, ক্রমানুসারে কমান্ড চালায় এবং একটি অপারেশন ব্যর্থ হলে সামঞ্জস্য করে। টেথার একটি মেসেজিং পরীক্ষার বর্ণনা দিয়েছিলেন, যেখানে BotPsy বন্ধ Wi-Fi এবং পূর্ণ ইনবক্সের সম্মুখীন হয়েছিল। টেথার বলেছিলেন যে BotPsy Wi-Fi সক্রিয় করেছিল, যথেষ্ট স্টোরেজ ফ্রি করেছিল এবং মেসেজটি পাঠিয়েছিল। তবে অধীনস্থ মডেলটি একটি ব্যর্থ অপারেশনকে পুনরাবৃত্তি করতে থাকে।
টেদার বটপসি তৈরি করেছে অ্যালিবাবার Qwen3.5-0.8B আর্কিটেকচার ব্যবহার করে এবং সফটওয়্যার-টুল ইন্টারঅ্যাকশনের উপর ভিত্তি করে অতিরিক্ত প্রশিক্ষণ প্রদান করেছে। প্যারামিটারগুলি হল প্রশিক্ষণের সময় শিখা সংখ্যাগত মান, এবং কম প্যারামিটারযুক্ত মডেলগুলি সাধারণত কম মেমোরি প্রয়োজন। বেশি প্যারামিটার সংখ্যা সাধারণত পারফরম্যান্স উন্নত করে, এবং আজকের অগ্রণী AI মডেলগুলিতে ট্রিলিয়ন প্যারামিটার রয়েছে।
টেদারের টেকনিক্যাল ডকুমেন্টেশন অনুযায়ী, BotPsy-এর BFCL v4-এ স্কোর 44.0%। BFCL v4 টাস্ক এবং কথোপকথনের মধ্যে ফাংশন নির্বাচন এবং বাস্তবায়ন পরিমাপ করে, টুল-ব্যবহার ক্যাটাগরির ওজনযুক্ত সফলতা শতাংশের মাধ্যমে। অন্তর্নিহিত Qwen3.5-0.8B এই বেঞ্চমার্কে 23.4% স্কোর করেছে। বড় Qwen3.5-2B 37.7% স্কোর করেছে।
BotPsy এসিইবেঞ্চে 58.7% স্কোর অর্জন করেছে, যা টুল নির্বাচন এবং টুলগুলিতে প্রদানকৃত আর্গুমেন্টসহ ফাংশন-কল সঠিকতা পরিমাপ করে। বেস মডেলটি এসিইবেঞ্চে 30.1% স্কোর অর্জন করেছে। 2-বিলিয়ন-প্যারামিটার প্রতিদ্বন্দ্বী 55.4% স্কোর অর্জন করেছে। টেটারের ছয়টি মূল্যায়নে BotPsy-এর গড় স্কোর 45.0%। বড় Qwen মডেলটি এই মূল্যায়নগুলিতে গড়ে 38.8% স্কোর অর্জন করেছে।
BotPsy হল QVAC-এর একটি প্রসারিত সংস্করণ, যা Tether ব্যবহারকারী-নিয়ন্ত্রিত ডিভাইসের চারপাশে একটি AI বাস্তুতন্ত্র তৈরি করছে, কেন্দ্রীয়কৃত ক্লাউড ইনফ্রাস্ট্রাকচারের উপর সম্পূর্ণ নির্ভরশীলতা ছাড়াই। USDT, বিশ্বের সবচেয়ে বড় স্টেবলকয়েনের পিছনের কোম্পানি Tether ইতিমধ্যেই চিকিৎসা, অনুবাদ এবং স্পিচ প্রসেসিংয়ের জন্য স্থানীয় QVAC মডেল রাখে। Tether 2025 সালের মে মাসে QVAC চালু করেছিল, যা বড় প্রযুক্তি কোম্পানিগুলির AI সেবাগুলির বিকল্প হিসেবে। Tether-এর দীর্ঘমেয়াদী লক্ষ্যগুলির মধ্যে রয়েছে স্বয়ংক্রিয় এজেন্টগুলি, যারা অ্যাপ্লিকেশনগুলি ব্যবহার করতে পারবে এবং বিটকয়েন এবং USDT-এর মাধ্যমে পেমেন্টও করতে পারবে।
অক্টোবর ২০২৫-এ টেথার ৪১ বিলিয়ন টোকেন সম্বলিত একটি বিজ্ঞান ও প্রকৌশল প্রশিক্ষণ ডেটাসেট যোগ করে। টেথার QVAC ওয়ার্কবেঞ্চও চালু করে, যা একটি অ্যাপ্লিকেশন যা AI মডেলগুলি স্থানীয়ভাবে চালানোর জন্য ব্যবহার করা যায়। এই বছরের শুরুতে, টেথার মোবাইল এবং ডেস্কটপ অপারেটিং সিস্টেমগুলিতে অফলাইন AI অ্যাপ্লিকেশন তৈরির জন্য একটি সফটওয়্যার ডেভেলপমেন্ট কিট প্রকাশ করে। টেথার QVAC MedPsyও উন্নয়ন করেছে, যা ভোক্তা হার্ডওয়্যারে মেডিকেল AI কাজগুলির জন্য। ১.৭ বিলিয়ন প্যারামিটারযুক্ত MedPsy সংস্করণটি HealthBench Hard-এ Google-এর বড় MedGemma-27B-কে ছাড়িয়েছে, যা চিকিৎসকদের দ্বারা উন্নয়নকৃত মানদণ্ডের বিপরীতে বাস্তবসম্মত ক্লিনিক্যাল কথোপকথনগুলির মূল্যায়ন করে।
BotPsy এখন Apache 2.0 লাইসেন্সের অধীনে একটি ওপেন-ওয়েট মডেল হিসেবে উপলব্ধ, যার মাধ্যমে ডেভেলপাররা মডেলটি ডাউনলোড, পরিবর্তন এবং অ্যাপ্লিকেশনে একীভূত করতে পারেন। টেটার স্থানীয় ব্যবহারের জন্য মেমোরির প্রয়োজনীয়তা কমানোর জন্য সংকুচিত সংস্করণগুলিও উপলব্ধ করেছে। টেটার BotPsy ব্যবহার করে একটি সম্পূর্ণ কনজিউমার অসিস্ট্যান্টের লঞ্চ তারিখ প্রদান করেননি। প্রকাশিত মডেল কার্ডটি বলছে যে, এই রিলিজে ট্রেইনিং কোড এবং ট্রেইনিং ডেটা অন্তর্ভুক্ত নয়।