概览
Tether AI Research 基于 Qwen3.5-0.8B 训练的端侧工具调用小模型，0.8B 参数，在多项智能体基准上超过 2.5 倍体量的 Qwen3.5-2B，Apache 2.0 开源。 BotPsy-0.8B 是 Tether AI Research 在 2026 年 11 月开源的端侧智能体模型，定位是跑在手机、笔记本上的「个人助理」：根据用户的话去调用日历、邮件、消息、搜索、地图、购物、设备设置等工具，完成难度不高的日常任务，数据不必离开本机。它以阿里 Qwen3.5-0.8B 为底座，沿用 Gated DeltaNet 与门控注意力混合的 Qwen3.5 架构，以纯文本方式使用，默认开启思考模式后再作答。 训练分四步：先用工具调用对话做全参数监督微调，再用三个分别强化过工具调用、通用推理和指令遵循的 Qwen3.5-4B 教师模型做多教师在线蒸馏，最后用 DAPO 跑两轮强化学习，奖励按工具名、参数名和参数值逐项给分。官方测试结果：BFCL v4 从底座的 23.4 提到 44.0，ACEBench 从 30.1 提到 58.7，τ-bench 从 23.2 提到 51.5，在六项工具调用与智能体基准中有五项超过 Qwen3.5-2B-Think，也领先 LFM2.5-1.2B、MiniCPM5-1B 等同级模型；在没有合适工具时拒绝乱调用的 BFCL 幻觉测试中得 86.1，IFEval 指令遵循 90.8。推理更省 token，在 GPQA Diamond 上得出正确答案所用的推理 token 约为底座的三分之一。 短板同样明确：知识量仍受参数规模限制，开放式深度搜索（BrowseComp-Plus 4.5 分）和多步信息检索偏弱，多轮指令叠加后表现下滑，官方不建议用于涉及资金、个人隐私、健康等高风险场景。官方推荐英文使用，多语言测试中中文成绩与英文处于同一水平。权重在 Hugging Face 提供 BF16 safetensors，以及 BF16、Q8_0、Q4_K_M 三种 GGUF（Q4 约 0.53 GB），可直接用 Transformers、vLLM、llama.cpp 和 Tether 的 QVAC SDK 运行。官方介绍：https://huggingface.co/blog/qvac/botpsy ，模型主页：https://huggingface.co/qvac/BotPsy-0.8B 。
- 模态
- 文本
- 参数量
- 0.8B
- 许可说明
- 开源 · Apache-2.0
能力
- 工具调用
- 智能体
- 端侧部署