依赖第三方云端大模型不仅面临高昂且波动的运营成本，更存在服务中断、数据隐私泄露及定制化受限等风险。事实上，并非所有任务都需要前沿级别的智能，许多常规工作负载完全可以在设备端高效处理。随着模型参数效率的提升，行业正加速向高性能、注重隐私的自托管模型转型。
在此背景下，Tether AI Research 正式推出 BotPsy。这是一款拥有 0.8B 参数的轻量级模型，基于 Qwen3.5-0.8B 构建，专为函数调用和智能体工作流设计，适合端侧部署。BotPsy 定位为“个人助理”，能够利用工具执行网络搜索、旅行规划、金融分析、设备控制、文档处理及通讯管理等任务。尽管参数量较小，BotPsy 在其尺寸范围内实现了最先进的（SOTA）工具使用和智能体性能，在保持用户数据私密性的同时，提供了卓越的指令遵循可靠性和效率。
### 基准测试：小参数超越大模型
- **性能翻倍：** 相比基座模型 Qwen3.5-0.8B-Think，BotPsy 在关键基准测试中的智能体能力大致提升了一倍：BFCL v4 从 23.4 升至 44.0，ACEBench 从 30.1 升至 58.7，τ-bench 从 23.2 升至 51.5。
- **同类最佳：** 在 BFCL v4、ACEBench、τ-bench、ToolSandbox、Claw-Eval 和 BrowseComp-Plus 六项工具使用和智能体基准测试中，BotPsy 均优于参数量 ≤1.2B 的领先模型（包括 Qwen3.5-0.8B-Think、LFM2.5-1.2B-Think 和 MiniCPM5-1B-Think）。
- **越级挑战：** BotPsy 在六项基准中的五项取得了最高分，击败了参数量为其 2.5 倍的 Qwen3.5-2B-Think。例如在 BFCL v4（44.0 vs 37.7）、ACEBench（58.7 vs 55.4）和 ToolSandbox（64.6 vs 41.2）上优势明显。仅在 Claw-Eval 上略逊于 Qwen3.5-2B-Think（46.5 vs 48.9）。
### 核心能力：可靠、精准且高效
- **多轮交互更可靠：** 在需要维持长对话和严格策略的 τ²-bench 电信领域测试中，BotPsy 得分 82.5，高于 Qwen3.5-2B-Think 的 69.3。在 BFCL v4 多轮任务中，其得分从基座的 7.5 飙升至 46.1，几乎是 Qwen3.5-2B-Think（23.8）的两倍。
- **精准的工具调用判断：** BotPsy 深知何时“不行动”。在 BFCL v4 幻觉测试中，其在无合适工具时拒绝调用的得分高达 86.1，位居所有测试模型之首。在 ACEBench 处理不完整或错误请求的场景中，得分也从基座的 13.7 显著提升至 51.3。
- **指令遵循与知识保留：** 专精工具使用的同时，BotPsy 并未牺牲通用能力。IFEval 从 59.7 升至 90.8，IFBench 从 22.0 升至 55.9（所有测试模型中最高）。通用知识方面，GPQA Diamond 和 MMLU-Pro 分数亦有提升，且均优于其他 1.2B 及以下参数模型。
### 安全性与部署效率
- **更安全：** 自动化红队测试显示，BotPsy 产生不安全响应的比例仅为 21%，远低于基座模型的 36% 及其他同类模型（如 MiniCPM5-1B-Think 为 47%）。面对提示注入攻击时，不安全率也从 46% 降至 31%。
- **更高效：** BotPsy 推理所需的 token 数显著减少。在 GPQA Diamond 上，其达到正确答案所需的推理 token 数约为基座模型的 1/3（3,690 vs 11,563）；在 IFBench 中，陷入重复推理循环的比例从 22.9% 降至 1.4%。更短的推理路径意味着更低的端侧延迟。
- **开源即用：** BotPsy 以 Apache 2.0 许可证开放权重，提供 bf16、Q8、Q4 三种精度，支持 Hugging Face safetensors 及 llama.cpp GGUF格式，便于研究和教育用途。
### 技术方法论
BotPsy 的训练分为四个阶段，融合了演示、专家教师和可验证奖励三种信号：
1. **监督微调（SFT）：** 使用模拟环境中的多轮智能体轨迹进行全参数微调，奠定工具使用基础。
2. **多教师在线策略蒸馏（MOPD）：** 通过三个经过强化学习的 Qwen3.5-4B 专家模型（分别专精工具使用、通用推理和指令遵循）提供每 token 反馈，恢复 SFT 阶段可能退化的通用知识。
3. **强化学习（RL）两轮迭代：** 第一轮专注工具调用格式和正确性，提供细粒度部分信用奖励；第二轮扩展至数学、代码、知识问答及结构化输出等通用可验证任务，进一步提升多轮函数调用能力。
### 局限性与未来愿景
尽管表现优异，BotPsy 仍存在局限。其在开放式搜索、低资源语言（如印地语、俄语）以及极复杂的多步信息检索任务上表现较弱。由于参数量限制，它最适合低至中等难度的任务，不建议用于高风险或安全关键场景。
展望未来，Tether AI Research 计划基于 BotPsy 扩展端侧智能体能力，将其无缝集成到更广泛的硬件和本地服务中。其 Hypersearch 产品将演变为支持去中心化点对点（P2P）查询的私有加密网络搜索，QVAC Fabric 本地微调机制也将进一步优化以适应个人偏好。最终目标是构建一个完全自主、高度可控的个人 AI 生态系统，让用户真正掌控其数字生活。