Tether发布手机端AI模型BotPsy，8亿参数本地运行引关注

稳定币发行商Tether Limited于11日宣布推出名为“QVAC BotPsy”的移动端人工智能模型，该模型具备8亿参数，可直接在用户设备上运行。根据Tether发布的评估数据，BotPsy在六项测试中，有五项成绩超越参数量达其2.5倍的对比模型，展现出较强的推理与任务执行能力。

模型设计聚焦工具调用与应用联动

据Tether AI Research介绍，BotPsy的核心设计理念是将用户自然语言请求转化为具体应用程序的“工具调用”。例如，当用户提出修改日程安排的需求时，模型会自动识别所需功能模块及输入参数，并交由已集成的应用程序完成实际操作。

这种机制依赖于开发者所接入的服务及其权限配置。模型本身不具备直接执行外部操作的能力，其功能边界**取决于所连接应用提供的接口范围。

本地运行不等于全功能离线

尽管BotPsy可在设备内部完成推理过程，实现部分操作的本地化处理，但并非所有功能均可脱离网络运行。以更改Wi-Fi设置或发送消息为例，这些演示案例来自评估任务，并非真实环境下的完整实测结果。

对于需要访问外部服务的任务（如网页搜索、在线预约等），仍需保持互联网连接。因此，本地运行仅意味着计算过程在终端完成，不代表所有应用场景都能实现离线工作。

基准测试表现分化明显

在不同评估体系下，BotPsy的表现呈现差异：

BFCL v4：得分为44.0，高于对比模型的37.7分；
ACEBench：58.7分对55.4分；
τ-bench：51.5分对46.5分；
ToolSandbox：64.6分显著**于41.2分；
BrowseComp-Plus：表现持续**。

然而，在Claw-Eval测试中，其得分仅为46.5分，低于对比模型的48.9分。值得注意的是，所有评分均来自Tether自研基准测试，尚未有第三方复现或真实手机性能验证数据，因此不能简单理解为整体使用成功率。

基于Qwen架构的深度优化

BotPsy建立在阿里巴巴开源的Qwen3.5-0.8B模型基础之上。Tether表示，该模型通过引入工作示例进行微调，并采用大模型知识蒸馏技术，同时完成了两次强化学习训练，以提升任务规划与执行精度。

目前，模型权重已依据Apache 2.0许可证公开，但训练代码与训练数据未对外披露，限制了研究者对其训练逻辑的深入分析。

使用场景与语言支持说明

Tether明确指出，BotPsy适用于低至中等复杂度的任务，存在出错可能，因此不建议用于涉及资金、个人隐私或健康安全的关键决策场景，也不适合部署于高风险自动化系统。

英语被列为推荐使用语言，中文、法语等多语言指令遵循能力已展示，但韩语未提供独立性能指标。

面向开发者的集成路径

BotPsy并非一款供普通用户直接使用的智能助手应用，而是专为开发者设计的可集成模型。其目标是嵌入到各类原生应用或代理系统中，实现智能化任务调度。

此次发布未包含**与USDT钱包或支付相关的功能，仅提供可用于开发的模型文件，强调其作为底层技术组件的定位。