テザーは水曜日、個人デバイスでの日常タスク用のAIエージェント「QVAC BotPsy」を発表しました。このモデルは8億パラメーターを備えています。テザーのテストでは、BotPsyが最大2.5倍のパラメーターを持つ競合モデルを上回りました。BotPsyは、5つのモデルを対象とした6つのツール利用評価のうち5つで最良の結果を記録しました。これらの結果は、AIアシスタントが実用的なタスクを実行するために非常に大規模なモデルを必要としない可能性を示唆しています。
BotPsyは、電話の設定、メッセージ送信、スケジューリングを含む複数ステップの操作を処理でき、個人情報をクラウドサーバーに転送せずに実行する可能性があります。エージェントはタスクに必要なソフトウェアツールを判断し、コマンドを順次実行し、操作が失敗した際に適応します。Tetherは、BotPsyがWi-Fiが無効化されており、受信トレイが満杯の状況に遭遇したメッセージテストを説明しました。Tetherによると、BotPsyはWi-Fiを有効化し、十分なストレージを確保してメッセージを送信しました。一方、基盤となるモデルは、失敗した操作を繰り返し実行し続けました。
TetherはAlibabaのQwen3.5-0.8Bアーキテクチャを用いてBotPsyを構築し、ソフトウェアツールとの相互作用に焦点を当てた追加学習を実施しました。パラメータは学習中に学習される数値であり、パラメータが少ないモデルは一般的に少ないメモリを必要とします。パラメータ数が多いほど一般的にパフォーマンスが向上し、今日の最先端AIモデルは兆単位のパラメータを含んでいます。
Tetherの技術ドキュメントによると、BotPsyはBFCL v4で44.0%のスコアを獲得しました。BFCL v4は、ツール使用カテゴリごとの重み付けされた成功割合を用いて、タスクおよび会話における機能選択と実行を評価します。基盤となるQwen3.5-0.8Bはこのベンチマークで23.4%、より大規模なQwen3.5-2Bは37.7%を達成しました。
BotPsyは、ツールの選択とツールに渡される引数を含む関数呼び出しの正確性を測定するACEBenchで58.7%を達成しました。ベースモデルはACEBenchで30.1%を記録しました。20億パラメータの競合モデルは55.4%でした。Tetherの6つの評価において、BotPsyの平均スコアは45.0%でした。より大きなQwenモデルは、これらの評価全体で平均38.8%を記録しました。
BotPsyは、Tetherが中央集権的なクラウドインフラへの完全依存ではなく、ユーザーが制御するデバイスを中心に開発しているAIエコシステムQVACを拡張しています。USDT、世界最大のステーブルコインの開発元であるTetherは、すでに医療、翻訳、音声処理向けのローカルQVACモデルを保有しています。Tetherは2025年5月に、大手テクノロジー企業のAIサービスに代わる選択肢としてQVACを導入しました。Tetherの長期的な目標には、アプリケーションを操作し、BitcoinやUSDTで支払いを可能にする自律エージェントの実現が含まれています。
テザーは2025年10月、410億トークンを含む科学・工学トレーニングデータセットを追加しました。テザーはまた、AIモデルをローカルで実行するためのアプリケーション「QVAC Workbench」を導入しました。今年初め、テザーはモバイルおよびデスクトップオペレーティングシステム上でオフラインAIアプリケーションを構築するためのソフトウェア開発キットをリリースしました。テザーはまた、消費者向けハードウェア上で医療AIタスクを実行するための「QVAC MedPsy」を開発しました。17億パラメータのMedPsyバージョンは、医師によって策定された基準に基づいて現実的な臨床会話を評価するHealthBench Hardで、より大規模なGoogleのMedGemma-27Bを上回りました。
BotPsyは、Apache 2.0ライセンスのもとでオープンウェイトモデルとして利用可能となり、開発者はこのモデルをダウンロード、修正し、アプリケーションに組み込むことができます。Tetherは、ローカル使用時のメモリ使用量を削減するため、圧縮バージョンも提供しています。Tetherは、BotPsyを用いた完成した消費者向けアシスタントのリリース日を発表していません。公開されたモデルカードには、トレーニングコードおよびトレーニングデータは本リリースに含まれていないと記載されています。