تثير AI Research تقدّم BotPsy، نموذجًا يحتوي على 0.8 مليار معلمة مصمم لاستدعاء الوظائف وسير العمل الوكلي، أي قدرة النموذج على استخدام الأدوات لإنجاز مهمة. مبني على Qwen3.5-0.8B، وهو مخصص للعمل مباشرة على جهاز المستخدم.
وفقًا للشركة، النماذج الكبيرة المستضافة في السحابة تؤدي إلى تكاليف تشغيل مرتفعة قد تتغير بشكل غير متوقع. الاعتماد على هذه النماذج الخارجية يعرض أيضًا لمخاطر، حيث يمكن لمزوديها تعديل أو تقييد أو سحب الوصول في أي وقت. ترى Tether AI Research أن جميع المهام لا تتطلب ذكاءً بأعلى مستوى، وأن وكلاء متخصصين صغار يمكن أن يكونوا فعالين في مهام محددة بتكلفة أقل بكثير.
يقدم BotPsy نفسه كمساعد شخصي قادر على أداء مهام بسيطة باستخدام الأدوات، في مجالات مثل البحث على الويب، السفر، التجارة والمالية، إدارة الجهاز والمركبة، الملفات، التقويم أو البريد الإلكتروني. وبسبب حجمه، فهو مناسب بشكل خاص للمهام ذات الصعوبة المنخفضة إلى المتوسطة.
نتائج معلنة تتفوق على فئته
وفقًا للنتائج التي نشرتها الشركة، يحقق BotPsy درجات تفوق ضعف درجات نموذج الأساس في عدة اختبارات. في BFCL v4، ارتفع من 23.4 إلى 44.0، وفي ACEBench من 30.1 إلى 58.7، وفي τ-bench من 23.2 إلى 51.5. يتفوق على Qwen3.5-2B-Think، وهو نموذج أكبر 2.5 مرة، في خمسة من ستة معايير تقييم للوكلاء. النموذج الوحيد الذي يتفوق عليه هو Claw-Eval، حيث حصل على 48.9 مقابل 46.5.
تسلط Tether AI Research الضوء أيضًا على الأمان. في اختبارات آلية تغطي ست فئات من المخاطر، ينتج BotPsy ردودًا خطرة في 21% من الحالات، مقابل 36% لنموذج الأساس. هذه هي النسبة الأدنى بين النماذج التي تحتوي على 1.2 مليار معلمة أو أقل والتي تم اختبارها، حيث يصل LFM2.5-1.2B-Think إلى 35% وMiniCPM5-1B-Think إلى 47%. فيما يتعلق بالتفكير، تشير الشركة إلى أن BotPsy يستخدم حوالي ثلاثة أضعاف أقل من الوحدات النصية (tokens) التي يعالجها النموذج في الإجابة الصحيحة على معيار GPQA Diamond، حيث يستخدم 3,690 وحدة مقابل 11,563 لنموذج الأساس.
طريقة تدريب من أربع مراحل
يتم تدريب BotPsy على أربع مراحل متتالية، بدءًا من التعلم الموجه على محادثات استخدام الأدوات، ثم التقطير متعدد المعلمين، قبل سلسلتين من التعلم المعزز. التقطير هنا يعني جعل النموذج المتعلم يجيب بينما يتلقى، وحدة تلو الأخرى، ردودًا من ثلاثة نماذج معلمين Qwen3.5-4B، كل منها متخصص في مجال معين. تعتمد مراحل التعزيز على مكافآت محسوبة بواسطة قواعد ومراجعين، وليس على أحكام بشرية.
القيود والنشر
توضح Tether AI Research أن BotPsy يظل نموذجًا صغيرًا يرتكب أخطاء، وليس مخصصًا للقرارات الآلية ذات المخاطر العالية، ولا للتطبيقات المتعلقة بالمال أو المعلومات الشخصية أو الصحة. تم تدريب النموذج واختباره بشكل رئيسي باللغة الإنجليزية. تنخفض أداؤه في الهندية، حيث حصل على 24.5 في Multi-IF، وفي الروسية حيث حصل على 57.6. من المقرر نشر BotPsy بأوزان مفتوحة تحت ترخيص Apache 2.0، للاستخدام البحثي والتعليمي، بثلاث دقات: bf16، Q8 وQ4.
