要約

• Tether AI Researchは、スマートフォンやツールを使った複数段階のタスクを実行できるローカルAIエージェント向けに設計された、パラメーター数8億のオープンウェイトモデル「BotPsy-0.8B」を公開しました。

• Tetherのテストでは、BotPsyはQwen3.5-2B-Thinkより2.5倍小さいにもかかわらず同モデルを上回り、4つの主要なエージェントベンチマークでベースモデルのスコアをおよそ2倍に伸ばしました。

• また、テスト対象のシステムの中でBFCLのハルシネーション検査でも首位に立ち、特化型のオンデバイスAIアプリケーションやローカルで動作するパーソナルアシスタントを支える、Tetherのより広範なQVACエコシステムにも加わります。

Tether AI Researchは、日常的な依頼を個人用デバイス上で複数ステップのツール呼び出しに変換するために設計された、オープンウェイトの人工知能モデル「QVAC BotPsy-0.8B」を公開しました。公式発表によると、このモデルは8億のパラメーターを持ち、6つのエージェント系ベンチマークでテストされました。Tetherによれば、BotPsyはテスト対象となった12億パラメーター以下のすべてのモデルを上回り、2.5倍小さいにもかかわらずQwen3.5-2B-Thinkにも勝ちました。今回の公開により、AIエージェントとローカル実行をめぐる同社の取り組みがさらに広がります。

BotPsy、個人用デバイスでの複数ステップのツール利用を目指す

BotPsyは、BFCL v4、ACEBench、τ-bench、Claw-Eval、BrowseComp-Plus、ToolSandboxで評価されました。主要な4つの評価では、ベースとなるQwen3.5-0.8B-Thinkアーキテクチャのスコアをおよそ2倍にしました。BFCL v4は23.4から44.0に、ACEBenchは30.1から58.7に、τ-benchは23.2から51.5に、ToolSandboxは30.5から64.6に上昇しました。この比較は、モデルのサイズを大きくしなくても、特化によってツール利用の能力を大幅に向上できることを示唆しています。このアプローチは、ユーザーが制御できるハードウェアを重視するTetherのより広範なQVACローカルAI戦略にも合致しています。

このモデルは、単一の応答ではなく、複数の操作を必要とするタスクを想定して設計されています。Tetherは、会議の再調整、リマインダーの作成、スマートフォンの問題のトラブルシューティングなどを例に挙げています。ACEBenchのあるテストでは、BotPsyは失敗したメッセージを送信する前にWi-Fiを再びオンにし、受信トレイの空き容量を確保しました。一方、ベースモデルは同じ操作を繰り返し試みました。BotPsyは、ツールを使うべきタイミング、複数の手順が必要な場面、利用可能なツールが適切でない状況を認識するよう設計されています。そのコンパクトなアーキテクチャは、TetherのQVAC SDKと同様に、デバイス上での処理を目指す方向性を支えています。

Tetherは、複数ターンのタスクや通信分野のタスクでも、さらなる性能向上を報告しました。BotPsyはBFCLの複数ターンのツール呼び出しで46.1を記録し、Qwen3.5-2B-Thinkの23.8、ベースモデルの7.5を上回りました。また、τ-benchの通信分野のスコアは82.5に達しました。BFCLのハルシネーションテストでも86.1を達成し、Tetherが評価したモデルの中で最高スコアを記録しました。公開された結果はTetherによるベンチマーク評価であり、あらゆるAIタスクで普遍的に優れていることを示すものではありません。BotPsyは、VisionPsy、TranscribePsy、MedPsy、TranslatePsyとともにQVACエコシステムに加わり、Tetherのデバイス上で動作するAIモデルのラインアップを拡充します。モデルの重みと評価の詳細は公開されており、研究者はシステムを応用できます。Tetherが描く長期的な構想では、BotPsyがパーソナルQVACコンパニオンを支え、日常的なやり取りはスマートフォンが処理し、より負荷の高い依頼は家庭用コンピューターや信頼できるP2Pノードが処理します。同社によれば、暗号化されたP2P接続を使えば、企業のクラウド基盤に依存せずにウェブ検索を経由させることも可能です。