800 milyon parametreli Tether AI, 6 testin 5’inde öne geçti

Stablecoin ihraççısı Tether Limited, telefonda çalıştırılabilen 800 milyon parametreli yapay zekâ modeli QVAC BotPsy’yi 11’inde tanıttı. Tether’ın kendi değerlendirmesinde BotPsy, 6 testin 5’inde parametre sayısı 2,5 kat fazla olan karşılaştırma modelinden daha yüksek puan aldı.

Tether AI Research, resmi tanıtım yazısında BotPsy’nin kullanıcı isteklerini uygulamalardaki “araç çağrılarına” dönüştürmek üzere tasarlandığını belirtti. Örneğin kullanıcı takvimde bir değişiklik istediğinde model gerekli işlevi ve girdileri seçiyor, bağlı uygulama da değişikliği gerçekleştiriyor.

Takvim uygulaması etkinlikleri görüntüleme ve değiştirme işlevleri sunuyorsa BotPsy, isteğe uygun işlevi ve girdileri seçiyor; işlemi uygulama yürütüyor. Erişilebilecek bilgiler ve yapılabilecek işlemler, geliştiricinin bağladığı hizmetlere ve izin ayarlarına bağlı.

BotPsy kullanıcı cihazında çalışabildiği için modelin çıkarımları cihaz içinde işlenebiliyor. Tether, Wi-Fi ayarlarını değiştirme ve mesaj gönderme örnekleri verdi. Ancak bunlar gerçek kullanıcı ortamlarında ölçülen sonuçlar değil, değerlendirme görevlerinde kullanılan örnekler.

Web’de arama veya rezervasyon gibi harici hizmet gerektiren işlemler için internet bağlantısı gerekiyor. Bu nedenle modelin cihazda çalışabilmesi, tüm işlevlerin çevrimdışı kullanılabileceği anlamına gelmiyor.

BFCL v4 testinde BotPsy 44,0 puan, karşılaştırma modeli Qwen3.5-2B-Think ise 37,7 puan aldı. ACEBench sonuçları sırasıyla 58,7 ve 55,4 oldu.

τ-bench testinde BotPsy 51,5, Qwen3.5-2B-Think 46,5 puan aldı. ToolSandbox’da da BotPsy’nin 64,6 puanı, karşılaştırma modelinin 41,2 puanını geçti.

BotPsy, BrowseComp-Plus’ta da daha yüksek sonuç elde etti. Claw-Eval’de ise 46,5 puanla Qwen3.5-2B-Think’in 48,9 puanının gerisinde kaldı.

Sonuçlar Tether’ın kendi kıyaslama testlerine dayanıyor. Testler farklı görevleri ölçtüğü için puanlar, modelin telefondaki işlevleri genel olarak başarıyla kullanma oranı şeklinde yorumlanamaz.

Bağımsız değerlendirmelerin tekrarlanmış sonuçları veya gerçek akıllı telefonlardaki kullanım performansını ölçen bir çalışma yayımlanmadı. Açıklanan puanlar, her bir kıyaslama testindeki sonuçlarla sınırlı değerlendirilmeli.

BotPsy, Alibaba’nın (BABA) Qwen3.5-0.8B modeli temel alınarak geliştirildi. Tether, görev örnekleriyle ince ayar ve daha büyük bir modelin çıktılarını öğrenmeye dayalı damıtma sürecinin ardından iki aşamalı pekiştirmeli öğrenme uygulandığını açıkladı.

Model ağırlıkları Apache 2.0 lisansıyla yayımlandı. Eğitim kodu ve eğitim verileri paylaşılmadı.

Tether’ın model tanıtımında BotPsy’nin düşük ve orta zorluktaki görevleri hedeflediği, ancak hata yapabileceği belirtiliyor. Finansal işlemler, kişisel bilgiler, sağlıkla ilgili kullanımlar ve yüksek riskli otomatik kararlar için modelin kullanılması önerilmiyor.

Tether, önerilen dilin İngilizce olduğunu belirtti ve Çince ile Fransızca dahil bazı dillerde talimatları izleme sonuçlarına yer verdi. Korece performansına ilişkin ayrı bir puan açıklanmadı.

Tether’ın QVAC platformunda görsel, ses, sağlık ve çeviri modelleri de bulunuyor. BotPsy, uygulama işlevlerini çağırmaya odaklanan bir model olarak platforma eklendi.

BotPsy, geliştiricilerin kendi uygulamalarına veya yapay zekâ ajanlarına entegre edebileceği bir model. Kullanıcıların indirip mesajlarını ve takvimlerini doğrudan yönetebileceği tamamlanmış bir asistan uygulaması tanıtılmadı.

Tanıtımda Tether (USDT) için cüzdan veya ödeme işlevleri yer almadı. Yayımlanan içerik, geliştiricilerin uygulamalarına entegre edebileceği model ağırlıklarıyla sınırlı kaldı.