شرکت تتتر (Tether) که پشتوانه بزرگترین استیبل کوین جهان، USDT، است، در ساخت مدل‌های کوچک هوش مصنوعی که عملکردی فراتر از اندازه خود دارند، به نتایج قابل توجهی دست یافته است.
این شرکت روز چهارشنبه از QVAC BotPsy رونمایی کرد؛ یک عامل هوش مصنوعی با ۸۰۰ میلیون پارامتر که برای انجام وظایف روزمره در دستگاه‌های شخصی طراحی شده است. پارامترها اساساً تنظیماتی هستند که میزان توانایی یک مدل هوش مصنوعی را تعیین می‌کنند و معمولاً تعداد بیشتر پارامتر به عملکرد بهتر منجر می‌شود. در مقایسه، مدل‌های پیشرفته هوش مصنوعی امروزی در محدوده تریلیون‌ها پارامتر عمل می‌کنند.
عملکرد بهتر مدل کوچک
در آزمایش‌های داخلی شرکت، مدل نسبتاً کوچک تتتر در پنج معیار از شش معیار مربوط به استفاده از ابزار، از رقبای خود با ۲.۵ برابر پارامتر بیشتر، عملکرد بهتری نشان داد. این نتایج نشان می‌دهد که دستیارهای هوش مصنوعی ممکن است برای انجام وظایف نیازی به مدل‌های بسیار بزرگ نداشته باشند.
برخلاف چت‌بات‌های سنتی که صرفاً به سوالات پاسخ می‌دهند، BotPsy عامل‌محور است، به این معنی که برای انجام اقدامات طراحی شده است. این مدل می‌تواند ابزارهای مورد نیاز یک اپلیکیشن را شناسایی کند، دستورات را به ترتیب صحیح اجرا کند و در صورت بروز مشکل، خود را تطبیق دهد.
برای مثال، تتتر سناریویی را توصیف کرد که در آن یک دستیار هوش مصنوعی نیاز به ارسال پیام داشت اما با دو مشکل روبرو شد: وای‌فای غیرفعال بود و حافظه ورودی پر بود. BotPsy وای‌فای را فعال کرد، حافظه کافی را آزاد کرد و وظیفه را به اتمام رساند، در حالی که مدل پایه بارها تلاش ناموفق مشابهی را تکرار کرد.
این دستاورد نسبتاً معمولی به نظر می‌رسد، اما دقیقاً از نوع مسائلی است که عامل‌های هوش مصنوعی را فراتر از پنجره چت‌بات مفید می‌سازد.
نوآوری در اکوسیستم QVAC
BotPsy بر پایه معماری Qwen3.5-0.8B از شرکت Alibaba ساخته شده است، که یک مدل زبان نسبتاً کوچک است و تتتر آن را برای تخصص در تعامل با ابزارهای نرم‌افزاری بیشتر آموزش داده است. ۸۰۰ میلیون پارامتر آن نشان‌دهنده مقادیر عددی است که مدل در طول آموزش آموخته است، و تعداد کمتر پارامتر معمولاً به معنای نیاز کمتر به حافظه برای اجرای آن است.
بر اساس مستندات فنی تتتر، BotPsy در معیار BFCL v4، که توانایی سیستم هوش مصنوعی در انتخاب و اجرای توابع نرم‌افزاری را در وظایف و مکالمات مختلف ارزیابی می‌کند، امتیاز ۴۴.۰٪ را کسب کرد. امتیازات منعکس‌کننده درصد وزن‌دار عملکرد موفق در دسته‌های استفاده از ابزار است.
مدل پایه Qwen3.5-0.8B امتیاز ۲۳.۴٪ و مدل بزرگتر Qwen3.5-2B امتیاز ۳۷.۷٪ را به دست آورد.
BotPsy همچنین در ACEBench، که دقت فراخوانی توابع را ارزیابی می‌کند، از جمله انتخاب ابزارها و آرگومان‌های مناسب، امتیاز ۵۸.۷٪ را کسب کرد. مدل پایه آن ۳۰.۱٪ و رقیب ۲ میلیارد پارامتری آن ۵۵.۴٪ را مدیریت کرد.
این شرکت پنج مدل را در شش ارزیابی استفاده از ابزار آزمایش کرد و BotPsy در پنج مورد بالاترین نتایج را به دست آورد. میانگین امتیاز آن در این آزمایش‌ها ۴۵.۰٪ بود، در مقایسه با ۳۸.۸٪ برای مدل بزرگتر Qwen.
چشم‌انداز آینده هوش مصنوعی تتتر
BotPsy جدیدترین عضو QVAC است، تلاشی از سوی تتتر برای ساخت یک اکوسیستم هوش مصنوعی که بر روی دستگاه‌های تحت کنترل کاربران اجرا می‌شود، به جای اتکا کامل به زیرساخت‌های ابری متمرکز.
این شرکت اولین بار در می ۲۰۲۵ پروژه QVAC را معرفی کرد و آن را به عنوان جایگزینی برای سرویس‌های هوش مصنوعی که توسط غول‌های فناوری اداره می‌شوند، معرفی نمود. اهداف بلندمدت آن شامل عامل‌های خودکار بود که قادر به تعامل با اپلیکیشن‌ها و احتمالاً انجام پرداخت‌ها با استفاده از بیت کوین و USDT بودند.
تتتر این ابتکار را در اکتبر ۲۰۲۵ با مجموعه داده ۴۱ میلیارد توکنی برای آموزش مدل‌های علمی و مهندسی، همراه با QVAC Workbench، برنامه‌ای که به کاربران اجازه می‌دهد مدل‌های هوش مصنوعی را به صورت محلی اجرا کنند، گسترش داد.
اوایل سال جاری، تتتر SDK خود را منتشر کرد و ابزارهایی را برای توسعه‌دهندگان فراهم نمود تا اپلیکیشن‌های هوش مصنوعی آفلاین را در سیستم‌عامل‌های موبایل و دسکتاپ بسازند.
این شرکت همچنین QVAC MedPsy، یک سیستم هوش مصنوعی پزشکی طراحی شده برای اجرا بر روی سخت‌افزارهای مصرفی، را توسعه داد. نسخه ۱.۷ میلیارد پارامتری آن در HealthBench Hard، آزمونی برای مکالمات بالینی واقعی که با معیارهای توسعه‌یافته توسط پزشکان ارزیابی می‌شود، از MedGemma-27B بسیار بزرگتر گوگل، پیشی گرفت.
BotPsy در حال حاضر به عنوان یک مدل منبع‌باز تحت مجوز Apache 2.0 در دسترس است، به این معنی که توسعه‌دهندگان می‌توانند آن را دانلود، اصلاح و در اپلیکیشن‌های خود ادغام کنند. تتتر همچنین نسخه‌های فشرده‌ای را برای کاهش الزامات حافظه برای استقرار محلی منتشر کرده است.
این شرکت تاریخ انتشار دستیار مصرف‌کننده نهایی مجهز به BotPsy را اعلام نکرده است. کارت مدل منتشر شده آن همچنین بیان می‌کند که کد آموزشی و داده‌های آموزشی در نسخه منتشر شده گنجانده نشده‌اند.
