Tether 的 BotPsy AI 模型在基準測試中表現優於較大模型:需知重點

Tether 作為 USDT 穩定幣的發行方,已透過推出 QVAC BotPsy-0.8B 這一輕量級 AI 模型,擴展其人工智慧研究。據稱,該模型在多項代理基準測試中表現優於較大的競爭對手。Tether 於 2026 年 11 月 11 日宣布,這款擁有 8 億參數的模型在六項選定測試中的五項中超越了阿里巴巴的 Qwen3.5-2B。這些結果凸顯了市場對小型、專門化 AI 系統日益增長的興趣,這類系統能夠執行軟體指令並處理多步驟任務。然而,關於基準測試的可比性、實際應用的可靠性與安全性,仍存在疑問。了解 BotPsy 的架構、訓練方法、性能結果及其與 Tether 更廣泛的 QVAC 策略的關聯,有助於更清晰地評估其潛在重要性。
重點摘要
-
Tether AI Research 於 2026 年 11 月 11 日推出 QVAC BotPsy-0.8B,推出一款專為工具調用和多步驟任務自動化設計的 8 億參數 AI 模型。
-
BotPsy 在 Tether 的評估中,於六項代理基準測試中的五項表現優於較大的 Qwen3.5-2B 模型,展現出在專門 AI 任務中的優勢。
-
該模型採用監督微調、知識蒸餾和強化學習來提升指令遵循、函數調用和任務執行能力。
-
BotPsy 透過可下載的量化模型格式支援本地 AI 部署,可能減少對集中式雲端基礎設施的依賴。
-
儘管其基準表現出色,BotPsy 在複雜推理、多語言任務、資訊檢索和安全敏感應用方面仍存在限制。
-
Tether 的更廣泛 QVAC 計畫旨在擴展去中心化、注重隱私的 AI 功能,儘管商業採用和實際可靠性仍不確定。
什麼是 Tether 的 BotPsy AI 模型?它是如何運作的?
Tether 的 BotPsy AI 模型,正式名稱為 QVAC BotPsy-0.8B,是一個開放權重的人工智慧系統,旨在透過工具呼叫和多步驟自動化執行日常任務。該模型由 Tether AI 研究於 2026 年 11 月 11 日公布,包含 8 億個參數,並基於阿里巴巴的 Qwen3.5-0.8B 架構。與主要生成文字回應的傳統聊天機器人不同,BotPsy 設計用於與應用程式互動、執行指令,並完成涉及日曆、郵件、檔案和裝置設定的任務。在 Tether 發表的評估中,BotPsy 在六項代理基準測試中的五項表現優於規模更大的 Qwen3.5-2B 模型,凸顯了專門化小型人工智慧模型在本地部署上的潛力。
BotPsy 如何使用 AI 工具呼叫來完成日常任務
BotPsy 透過一種稱為 AI 工具呼叫的流程運作,該流程允許語言模型選擇並向軟體應用程式請求操作,而非僅僅回答問題。例如,當用戶要求助理安排會議時,BotPsy 可識別適當的日曆功能、生成所需的參數,並解讀應用程式返回的結果。更複雜的請求可能涉及多個連貫的操作,例如檢查可用性、解決排程衝突、更新預約以及建立提醒。該模型還可與支援的訊息、文件管理、網頁搜尋和裝置控制功能配合使用。類似的基於工具的功能正在透過 AI agents in crypto進行探索,儘管 BotPsy 的文件應用主要聚焦於一般軟體任務,而非區塊鏈交易。然而,在 BotPsy 能執行這些操作之前,主機應用程式必須提供工具、權限和執行環境。
一個顯著特點是 BotPsy 在嘗試操作失敗時能夠作出回應。根據 Tether 所描述的 ACEBench 評估,該模型被要求發送會議提醒,但遇到了兩個問題:Wi-Fi 被禁用,且訊息收件箱已滿。與不斷重試失敗操作不同,BotPsy 開啟了 Wi-Fi、清理了收件箱空間,並成功發送了訊息。在相同情境下,底層的 Qwen3.5-0.8B 模型則持續嘗試但未能成功。此例說明了多步推理與錯誤恢復對於與應用程式互動的 AI 代理至關重要。然而,所展示的行為僅來自受控的基準測試,並不能證明其在所有真實應用場景中的可靠表現。
BotPsy 的 Qwen3.5 架構與裝置端 AI 功能
BotPsy 以阿里巴巴的 Qwen3.5-0.8B 為基礎,保留了緊湊的架構,並針對代理工作流程進行了行為專優。其 8 億參數的規模相比規模大得多的語言模型,降低了存儲模型權重所需的記憶體需求,使其適合於在智慧型手機、筆記型電腦和個人電腦上進行部署。Tether 已透過 Hugging Face 以 Apache 2.0 許可證釋出模型權重,允許開發者將該模型整合至相容的應用程式中。同時也提供量化 GGUF 版本,包括約 0.53 GB 的 Q4_K_M 模型檔案。這些較小的格式可降低儲存與記憶體需求,但實際推理速度與硬體相容性取決於裝置與軟體配置。
該發佈版本亦支援 Tether 更廣泛的 QVAC(QuantumVerse Automatic Computer)計劃,該計劃專注於開發可在用戶控制的硬體上運行的專用 AI 系統。本地推理可減少將用戶請求傳送至中心化 AI 提供商的需要,從而可能讓個人對敏感資訊和應用程式資料擁有更大的控制權。然而,網路搜尋、訊息傳遞和線上預訂等外部功能仍可能需要網路連線及存取第三方服務。BotPsy 目前以開發者導向的模型形式分發,而非完整的消費者助理工具,而 Tether 的長期願景包括連接智慧型手機、個人電腦和可信的點對點基礎設施。其實際意義在於展示緊湊、任務導向的 AI 模型如何在不完全依賴大型雲端主機語言模型的情況下,支援更強大的個人助理。
Tether BotPsy 對比 Qwen3.5-2B:基準測試結果與性能比較
Tether 的 BotPsy AI 模型在 2026 年 11 月 11 日發布的六項代理基準測試中,有五項表現優於阿里巴巴較大的 Qwen3.5-2B-Think。儘管 BotPsy 僅有 8 億個參數,而 Qwen 擁有 20 億個參數,BotPsy 在函數調用、多步驟任務執行和基於工具的問題解決方面取得了更高分數。根據 Tether AI 研究的技術評估,BotPsy 的未加權平均分數為 45.0,高於 Qwen3.5-2B-Think 的 38.8 和其底層 Qwen3.5-0.8B 模型的 24.7。這些結果顯示了專門化 AI 訓練的潛在優勢,但此比較僅反映所選基準,而非整體人工智慧能力。
BotPsy 與 Qwen3.5-2B 的基準分數和工具調用表現
BotPsy 在測試 AI 代理於多次互動中選擇工具、執行指令和完成任務的有效性方面取得了最出色的結果。在伯克利函數調用排行榜(BFCL v4)上,BotPsy 得分為 44.0,高於 Qwen3.5-2B-Think 的 37.7;其 ACEBench 得分達到 58.7,對比 55.4。該較小模型在 τ-bench 上亦領先,得分为 51.5 對比 46.5,並在 ToolSandbox 中取得 64.6,對比 41.2。BrowseComp-Plus 的結果也傾向 BotPsy,得分为 4.5 對比 2.8,儘管兩者分數均顯示在複雜資訊檢索方面存在顯著困難。Qwen3.5-2B-Think 在 Claw-Eval 上保持優勢,得分为 48.9 對比 BotPsy 的 46.5。根據 Tether 的非加權基準數據,在六項測試中,BotPsy 的平均分比較大模型高出約 16%。
在多輪代理工作流程中,表現差距尤為明顯,這類流程要求 AI 模型保持上下文、解讀變化條件並協調連續動作。在 BFCL v4 的多輪評估中,BotPsy 得分為 46.1,而 Qwen3.5-2B-Think 僅得 23.8,其原始的 0.8B 基礎模型更僅得 7.5。在 τ²-bench 電信任務中,BotPsy 取得 82.5,高於較大的 Qwen 模型的 69.3,顯示其在涉及故障排除與政策限制的模擬客戶支援互動中表現更強。BotPsy 在 BFCL 的幻覺專項測試中亦取得 86.1 分,該測試評估模型在無合適工具可用時是否避免不當的功能調用。這些發現表明,專門的後訓練可提升 AI 代理在何時以及如何使用軟體工具方面的決策能力,但基準測試的成功並不能保證在無限制的真實環境中具有同等可靠性。
Qwen3.5-2B 表現更佳的場景及為何基準測試方法至關重要
儘管 BotPsy 在特定工具使用基準測試中具有優勢,Qwen3.5-2B-Think 在更廣泛的知識評估中仍顯著更強。在 Tether 的評估中,較大的模型在 GPQA Diamond 上獲得 59.9 分,而 BotPsy 為 38.1 分;在 MMLU-Pro 上獲得 65.5 分,而 BotPsy 為 48.9 分。這些測試檢驗了知識密集型推理與複雜問答能力,表明專門的代理訓練並未消除額外模型容量所帶來的優勢。
另一個重要考慮因素是評估方法的差異。Tether 報告 Qwen3.5-2B-Think 的 BFCL v4 分數為 37.7,而阿里巴巴官方的 Qwen3.5-2B 模型文檔在其自身的測試配置下列出了 43.6。不同的取樣參數、提示方法和評估程序都會影響基準測試結果,因此在不同條件下生成的分數不應視為等效的衡量標準。因此,Tether 報告的 BotPsy 分數 44.0 不應被視為對阿里巴巴單獨報告的 43.6 的直接勝利。更廣泛的含義是,專注的訓練可以幫助較小的 AI 模型在特定任務上超越較大的替代方案,但整體表現仍取決於所測量的工作負載、評估條件和模型能力。
Tether 如何訓練 BotPsy 用於 AI 工具呼叫和裝置端應用
Tether AI 研究團隊透過四階段的後訓練流程開發了 BotPsy,旨在提升 AI 工具呼叫、指令遵循與推理效率,同時不增加模型參數量。該訓練流程詳述於其 2026 年 11 月 11 日的技術報告中,結合了監督微調、多教師知識蒸餾與兩輪強化學習。此方法專注於協助緊湊型 AI 模型執行結構化指令,同時保留有用的通用能力。此開發亦支援 Tether 更廣泛的 QVAC 計畫,該計畫旨在透過運行於個人裝置上的專用模型,減少對集中式 AI 基礎設施的依賴。
如何透過監督微調、知識蒸餾和強化學習提升 BotPsy
第一階段的訓練涉及使用成功的工具互動範例進行監督微調(SFT),包括單一指令、並行函數調用、多步操作,以及 AI 助理應避免不必要的行動的情況。隨後,Tether 採用了多教師於策略蒸餾,讓 BotPsy 從三個專門訓練用於工具使用、通用推理和指令遵循的 Qwen3.5-4B 教師模型中學習。在此過程中,較小的模型生成自己的回應,而合適的教師則提供逐標記的反饋。這有助於解決專門 AI 開發中的一個常見挑戰:在提升特定任務表現的同時,避免過度削弱通用推理和知識能力。Tether 的技術報告指出,蒸餾階段恢復了在初始微調期間退化的通用能力。
最後兩個階段採用基於 DAPO(解耦剪裁與動態採樣策略優化)的強化學習,獎勵由預設規則和自動驗證決定。第一輪著重於準確的函數調用,包括 BotPsy 是否選擇了正確的工具、提供有效的參數,以及遵循所需的輸出格式。獎勵機制並非對所有錯誤回應一視同仁,而是對匹配的工具名稱和參數值給予部分分數,為模型提供更詳細的錯誤反饋。第二輪將訓練範圍擴展至數學、編程、知識問答、結構化輸出和模擬工作場景任務。這種更廣泛的方法有助於平衡專用代理行為與通用推理能力。根據 Tether 的評估,BotPsy 的 IFEval 指令遵循分數從基線模型的 59.7 提升至訓練後的 90.8,但這些仍是開發者報告的基準結果。
裝置端 AI 效率、部署機遇與未來 QVAC 發展
BotPsy 訓練的一項重要成果是其報告中顯示的非必要推理減少,這可能提升在計算資源有限的設備上的回應效率。在 Tether 比較中,五個模型均正確回答的 GPQA Diamond 問題上,BotPsy 平均生成了 3,690 個推理 token,而其底層的 Qwen 模型則生成了 11,563 個,減少幅度約為 68%。其在 IFBench 上的重複推理率也從 22.9% 下降至 1.4%。生成較少的 token 可降低計算負擔並可能改善延遲,但公司尚未在消費級智慧型手機上確認等效的效能提升。Tether 於 2026 年 11 月 6–7 日使用 NVIDIA H100 硬體進行的 GGUF 評估,提供的是壓縮模型效能的證據,而非日常行動裝置的速度表現。對於開發者而言,這些效率提升創造了探索本地 AI 助理的機會,這些助理對雲端推論、外部 API 定價和持續網路連線的依賴較少。
BotPsy 亦代表 Tether 在於 2026 年 4 月 9 日推出其 QVAC SDK 後,進一步擴展至去中心化 AI 基礎設施的一步。該公司未來的發展計劃包括透過 QVAC Fabric 實現更深入的本地化個人化、透過 Hypersearch 提供加密的點對點搜尋功能,以及在智慧手機、家用電腦和可信網路節點之間進行任務委託。這些發展最終可能支援結合緊湊型語言模型與專用語音、視覺和翻譯系統的應用程式。然而,Tether 尚未確立 BotPsy 助理全面整合的商業上線時間表,亦未披露該模型的收入預測或可衡量的財務效益。潛在的市場影響包括邊緣 AI 軟體領域競爭加劇、對中心化推論供應商的依賴降低,以及為開發專注於隱私的應用程式帶來新機遇。這些優勢是否能轉化為廣泛採用,將取決於獨立的性能驗證、硬體相容性、安全控制,以及未來 QVAC 整合的實際可靠性。
Tether BotPsy 的限制、安全風險與 QVAC AI 的未來展望
儘管 Tether 的 BotPsy-0.8B 在特定 AI 代理基準測試中表現出色,但它在複雜任務執行、資訊檢索、安全性及現實世界可靠性方面存在重要限制。該模型主要設計用於低至中等難度任務,因此不太適合需要大量推理、敏感資訊或自主決策的高要求工作流程。Tether 在 2026 年 11 月 11 日的研究報告中承認了這些弱點,並概述了擴展其 QVAC 生態系統的計劃。該模型的長期重要性將取決於其效率優勢是否能轉化為在消費設備上的可靠應用。
複雜 AI 任務與多語言性能的限制
BotPsy 的表現隨著任務變得更複雜而下降,特別是在需要協調多個工具、指示或資訊來源時。在 Tether 的應用層評估中,該模型在簡單的單一工具情境中獲得總分 75,但在複雜工作流程中僅得 39.5。多步資訊檢索尤其具有挑戰性,得分僅為 15,而簡單檢索任務的得分則為 79。其指令遵循表現在較長對話中也有所下降,而多語言測試顯示,印地語的結果遠低於英語及其他多種支援語言。這些發現表明,實際應用可能需要設定任務複雜度限制、備用機制和人工監督,而非無限制的自動化。
AI 代理的安全漏洞與隱私挑戰
安全性仍然是自主AI助手面臨的主要障礙,因為工具調用模型可以與外部資訊互動,並可能執行具有重大影響的動作。在Tether的自動化安全評估中,BotPsy在21%的有害請求測試和31%的提示注入測試中產生了不安全的回應,表明專門的訓練並未消除安全漏洞。當AI代理將嵌入在電子郵件、網頁或其他不可信材料中的惡意指令解釋為合法命令時,提示注入尤其令人擔憂。儘管本地處理可以減少對雲端基礎設施的依賴,但它並不能自動防止未經授權的工具操作、資料洩露或整合被破解。生產部署需要權限控制、受限的工具訪問、憑證的安全處理,以及在執行敏感操作前獲得用戶確認。Tether明確建議不要將BotPsy用於高風險的金融、醫療或其他敏感決策。
未來 QVAC AI 發展與潛在市場影響
Tether 的長期 QVAC 策略涉及透過 QVAC Fabric 等技術擴展本地 AI 能力,該技術支援裝置端模型客製化,以及 Hypersearch,旨在強化去中心化資訊檢索。未來的發展還預期智慧型手機、個人電腦與可信的點對點運算資源之間的協調,可能允許較小的裝置在不完全依賴集中式 AI 服務的情況下委派繁重的工作負載。此類功能可能為注重隱私的生產力軟體、企業自動化,以及尋求雲端推論替代方案的開發者創造機會。AI 與加密貨幣的更廣泛融合也引發了對去中心化運算與替代數位商業模式的興趣,儘管 BotPsy 尚未宣布代幣整合。然而,Tether 並未公布整合完整的 BotPsy 消費者助理的確切時間表,也未披露與其採用相關的收益預測。未來的進展將取決於獨立評估、行動硬體效能、安全軟體整合、開發者參與,以及在代理工作流程變得更複雜時維持可靠性的能力。
結論
Tether 的 BotPsy-0.8B 展示了專門訓練如何幫助較小的 AI 模型在工具調用、指令遵循和多步自動化方面與較大的模型競爭。其在六項代理基準測試中贏得五項的報告成果,凸顯了高效 AI 開發的進展,而其緊湊的架構也支持 Tether 對於裝置端和去中心化人工智慧的更廣泛願景。然而,BotPsy 的基準測試成就並未確立其在所有 AI 任務中的優勢,也無法保證其在現實世界中的可靠性。安全漏洞、複雜工作流程的限制,以及缺乏獨立驗證的消費裝置效能,仍是重要的挑戰。隨著 Tether 持續開發其 QVAC 生態系統,該模型的長期重要性將取決於這些實驗性優勢能否轉化為安全、實用且廣泛可用的 AI 應用程式。
常見問題
用戶可以在哪裡下載 Tether 的 BotPsy AI 模型?
Tether 的 BotPsy-0.8B 已透過 Hugging Face 以標準模型權重和 GGUF 格式公開提供。開發者可下載該模型、查閱其文件,並在不依賴專有模型 API 的情況下,將其整合至相容的本地 AI 應用程式中。
Tether BotPsy 是否可以免費用於商業項目?
BotPsy 依據 Apache 2.0 許可證發布,一般允許商業使用、修改和重新分發,但須遵守許可證條款。開發者仍須負責遵守適用的第三方許可證、資料保護要求及其他相關法律。
哪些軟體支援在本地運行 BotPsy?
BotPsy 支援常見的 AI 推論框架,包括 Hugging Face Transformers、llama.cpp、vLLM 和與 Ollama 兼容的 GGUF 部署。開發者需配置適當的執行環境和工具整合,而效能取決於可用的硬體和模型設定。
BotPsy 需要多少儲存空間和記憶體?
發布的 BotPsy GGUF 檔案大小約為 0.53 GB 至 1.52 GB,視精確度而定。然而,這些是模型檔案大小,而非總記憶體需求。實際記憶體消耗還取決於推論引擎、上下文長度和運行時開銷。
BotPsy 是否需要網際網路連線才能運作?
BotPsy 在安裝模型和必要軟體後,可在無持續網際網路連線的情況下產生回應。然而,涉及線上搜尋、雲端應用程式或遠端服務的操作仍需網路存取。離線推論並不會自動使所有連接的工作流程離線。
免責聲明:此為一般市場資訊,可能來自第三方、商業或贊助來源,僅供參考及教育用途,不構成財務或投資建議、要約、招攬或保證。我們對其準確性、完整性、可靠性及任何由此產生的損失不承擔責任。投資/交易存在風險;過往表現並不保證未來結果。用戶應自行研究、謹慎判斷,並承擔全部責任。如需進一步詳情,請參閱 KuCoin 的Terms of Use及Risk Disclosure。
免責聲明: 本頁面經由 AI 技術翻譯,旨在方便您的閱讀。欲獲取最準確資訊,請以原始英文版本為準。
