Tether开源0.8B端侧智能体模型 BotPsy

时间：2026 年 11 月 11 日（Hugging Face 官方博客与模型卡标注的发布日期为 November 11, 2026；调用外部 API 的基准于 2026 年 11 月 3 日跑批） 地点：线上发布，模型与权重托管在 Hugging Face 平台；开发方为 Tether（USDT 发行方）旗下的 AI 研究部门 Tether AI Research（QVAC） 人物：Tether AI Research（Tether Data, S.A. de C.V.），模型卡署名的开发主体；基座模型来自通义千问 Qwen3.5-0.8B 事件详情：Tether AI Research 在 Hugging Face 发布开源端侧智能体模型 BotPsy-0.8B，参数量 0.8B，基于 Qwen3.5-0.8B 后训练，训练分四个阶段：监督微调、多教师 on-policy 蒸馏，以及两轮强化学习。官方把它定位为用工具调用替用户干活的“个人助理”，覆盖网页搜索与调研、旅行与生活、电商与金融、商务与客服、设备与车辆控制、文件与文档、日历、邮件与消息等场景，并说明受限于参数量，适合低到中等难度任务。官方同步放出 safetensors 权重与 GGUF 量化版本（BF16、Q8_0、Q4_K_M），可在 Transformers、vLLM、llama.cpp 以及 QVAC SDK 上直接运行，许可协议为 Apache 2.0。官方公布的基准结果（全部在 thinking 模式、同一评测框架下）：BFCL v4 由基座 Qwen3.5-0.8B-Think 的 23.4 提升到 44.0，ACEBench 由 30.1 提升到 58.7，τ-bench 由 23.2 提升到 51.5，ToolSandbox 64.6，BrowseComp-Plus 4.5，Claw-Eval 46.5；六项工具调用与智能体基准平均分 45.0，高于基座 24.7，也高于参数量为其 2.5 倍的 Qwen3.5-2B-Think 的 38.8，在其中五项上反超后者，只有 Claw-Eval 由 2B 级模型以 48.9 领先。指令遵循方面 IFEval 由 59.7 提升到 90.8，IFBench 由 22.0 提升到 55.9；知识方面 GPQA Diamond 由 33.2 提升到 38.1，MMLU-Pro 由 41.6 提升到 48.9。多轮可靠性是另一处提升点：τ²-bench 电信场景得分 82.5，领先 Qwen3.5-2B-Think 的 69.3；BFCL v4 的多轮任务由 7.5 提升到 46.1；BFCL v4 的幻觉测试（判断何时不该调用工具）得分 86.1，为所测模型最高。官方同时写明短板：开放域深研究偏弱（BrowseComp-Plus 4.5 虽为五者最高但绝对值低），BFCL 网页搜索 14.0、记忆 16.3，τ³-banking 上没有模型超过 5；并声明不适用于资金、健康、隐私等敏感领域的自动化决策。 背景：Tether 近年把 AI 研究部门 QVAC 做成“端侧小模型”路线，此前已推出面向医疗的 MedPsy、面向非洲语言翻译的 TranslatePsy、面向视觉的 VisionPsy 和面向语音的 TranscribePsy，主打数据不出设备、不依赖云端 API。这条路线的共同假设是：并非所有任务都需要前沿大模型，专用小模型配合工具调用可以在成本、隐私和可控性上更划算。基座选在通义千问 Qwen3.5-0.8B，说明团队把工程重点放在后训练而不是堆参数上——官方称训练代码与训练数据不随本次发布提供。同期端侧模型的行业主线同样是“用工具而不是背知识”：参数越小，模型越需要可靠地判断何时调用哪个工具，以及在多轮对话里不跑偏。 影响：如果官方数据站得住，端侧智能体可以把大量低到中等难度的日常任务从云端挪回手机、眼镜和机器人本体，文件、日历、邮件、车辆控制这类隐私敏感操作不再需要把数据送出设备，端侧也因此绕开了云端调用成本与供应商随时限用、降级带来的风险。对开发者而言，Apache 2.0 加 safetensors 与 GGUF 双格式，意味着可以用 Transformers、vLLM 或 llama.cpp 自行部署；模型卡还给出 Transformers、vLLM、llama.cpp 三种调用示例，其中 vLLM 走 OpenAI 兼容接口，接入成本不高。局限同样清晰：知识能力仍受规模制约，GPQA Diamond 38.1、MMLU-Pro 48.9 都低于 Qwen3.5-2B-Think 的 59.9 和 65.5，多步检索类任务表现一般，且官方不建议把它用在高风险决策上。整体看，这是 QVAC“小模型加工具调用”路线的一次可验证落地，而不是对云端大模型的直接替代。 总结：Tether AI Research 用 0.8B 参数做出了在自身体量档位领先的智能体模型，六项工具调用与智能体基准全面超过 1.2B 以内所有被测模型，并在五项上超过参数量 2.5 倍于它的 Qwen3.5-2B-Think。真正的看点不是知识能力（明确弱于 2B 级模型），而是把“该不该调用工具”“多轮对话里保持可靠”这些工程问题在极小尺寸上解决，端侧部署的现实意义大于榜单分数本身。开发者可以直接从 Hugging Face 取权重，用 llama.cpp 或 QVAC SDK 在本地跑起来。 常见问题： 问：BotPsy 能跑在手机上吗？ 答：0.8B 参数，官方放出 BF16、Q8_0、Q4_K_M 三种 GGUF 量化版，可用 llama.cpp 或 QVAC SDK 本地运行。 问：比基座 Qwen3.5-0.8B 强多少？ 答：BFCL v4 从 23.4 升到 44.0，ACEBench 从 30.1 升到 58.7。 参考来源： Tether AI Research 官方博客：BotPsy 模型说明与完整基准 https://huggingface.co/blog/qvac/botpsy Hugging Face 模型卡：权重、许可协议、基准表与训练配方 https://huggingface.co/qvac/BotPsy-0.8B Hugging Face GGUF 量化权重仓库：BF16、Q8_0、Q4_K_M https://huggingface.co/qvac/BotPsy-0.8B-GGUFs Hugging Face 官方合集页：BotPsy https://huggingface.co/collections/qvac/botpsy 基座模型 Qwen3.5-0.8B 模型卡 https://huggingface.co/Qwen/Qwen3.5-0.8B QVAC SDK 端侧部署框架官方文档 https://qvac.tether.io/dev/sdk/ QVAC 官方 GitHub 组织 https://github.com/QVAC