Tether AI Research于2026年11月11日发布开放权重模型QVAC BotPsy。这款8亿参数模型面向AI智能体的工具调用任务，在六项评测中取得45.0的平均分，其中五项超过20亿参数的Qwen3.5-2B-Think。对这家以发行USDT稳定币知名的公司而言，此次发布为其本地AI布局增加了一项具体成果，但成绩的适用范围仍需与部署能力分开看待。
领先集中在工具调用，不能外推为全面能力
AI智能体需要选择工具、填写参数并执行操作，例如调用邮件功能或处理文档。与生成一段回答相比，这类任务更依赖模型能否把用户要求转换成正确的函数调用，错误也可能直接影响操作结果。
BotPsy在函数调用基准BFCL v4中得分44.0，基础模型为23.4；在τ-bench中得分51.5，基础模型为23.2。这两组对照说明，针对智能体能力的微调带来了明显的专项改善。在BFCL v4的抗幻觉指标上，BotPsy取得86.1分，在参数规模低于12亿的参评模型中居首。Tether据此称，其在关键工具使用测试中达到10亿参数以下模型的领先水平。
这些结果支持的判断是：较少参数也能在特定工具任务上形成竞争力。它们尚不足以证明模型具备全面的通用能力。六项评测覆盖范围有限，BotPsy也没有在与Qwen3.5-2B-Think的全部对比中胜出；抗幻觉得分更不能直接理解为真实业务中的无错误保证。
基于Qwen微调，开放许可降低试验门槛
BotPsy以阿里巴巴的Qwen3.5-0.8B为基础，通过多种学习策略强化智能体技能，重点涉及邮件函数调用和文档处理。因此，评估Tether此次成果，应着眼于其专项训练与任务适配，而非将其视为从零构建基础模型。
模型采用Apache 2.0许可发布，允许广泛使用和修改，并提供适合本地硬件运行的GGUF格式。开放权重、宽松许可与本地运行格式相结合，为开发者开展适配、测试和修改提供了条件，也使评测成绩有机会转化为可检验的应用表现。
不过，文件格式支持本地运行，并不等于所有设备都能获得相同体验。参数规模只是部署要求的一部分，实际可用性还取决于设备资源、工具接口及任务流程。此次披露的基准分数无法替代这些环节的验证。
本地助手的价值取决于任务边界
BotPsy属于Tether的QVAC计划，并加入已有VisionPsy、MedPsy等模型的QVAC Psy系列。该计划希望让AI完全在本地设备运行，减少对云端的依赖，让个人助手在用户控制的硬件上完成日常工作。
从这些安排看，值得注意的是小模型与明确工作流程的结合。若邮件整理、文档处理等任务能够被拆成清晰步骤，并配有稳定的工具接口，小模型的专项能力就可能发挥作用。这为本地助手提供了一个可测试的方向，但成立前提是实际任务与训练、评测覆盖的能力相匹配。
对应用开发者而言，关注点应从单纯比较参数数量，转向任务完成质量与部署条件。模型选对函数只是其中一步，参数填写、异常处理和执行结果确认同样决定助手是否可靠。Tether将BotPsy定位于研究和教育用途，并明确其更适合低至中等难度任务，这一边界应保留在产品评估中。
AI布局有了新成果，商业落地仍待检验
此次发布体现了Tether向稳定币之外拓展技术业务的行动，但模型发布本身不等同于形成成熟产品或商业回报，也不包含新代币机制，不能据此延伸出新的可交易资产叙事。
我们的判断是，BotPsy目前更有说服力的价值在于提供了一个可供试验的轻量工具调用模型。后续应观察它在真实邮件、文档流程中的任务完成率、错误调用与异常处理表现，以及不同本地设备上的运行情况。若应用涉及外部操作，还需要设置权限范围和结果确认环节；专项评测领先并不能消除错误执行的风险。
