Tether открыла веса локального агента BotPsy
Выберите нейросеть: она откроется в новой вкладке. Понадобится ваш доступ к выбранному сервису.
- ChatGPT запрос отправится сразу Открыть с запросом ChatGPT, откроется в новой вкладке
- Perplexity запрос отправится сразу Открыть с запросом Perplexity, откроется в новой вкладке
- Grok запрос подставится в поле Открыть с запросом Grok, откроется в новой вкладке
- DeepSeek скопируйте запрос и вставьте на сайте Открыть сайт DeepSeek, откроется в новой вкладке
- Алиса AI скопируйте запрос и вставьте на сайте Открыть сайт Алиса AI, откроется в новой вкладке
- GigaChat скопируйте запрос и вставьте на сайте Открыть сайт GigaChat, откроется в новой вкладке
Показать текст запроса
Сторонние сервисы работают по своим правилам: может понадобиться вход, действуют их лимиты и тарифы. Сайт передаёт им только текст запроса.
BotPsy рассчитана на короткую цепочку действий, которую приложение выполняет по просьбе пользователя. Например, чтобы найти встречу и предложить новое время, модель должна выбрать календарь, передать ему правильную дату и разобрать ответ. Tether AI Research 11 ноября представила модель и опубликовала результаты таких проверок.
Как устроен локальный помощник
У BotPsy 800 млн параметров. Её дообучили на базе Qwen3.5-0.8B для выбора и вызова инструментов. Приложение сообщает модели, какие действия доступны. BotPsy выбирает действие и формирует параметры, а вызывающий код запускает сам инструмент. Для работы с почтой, календарём или поиском такой доступ должен предоставить разработчик приложения.
Веса можно исполнять на устройстве без облачного запроса к самой модели. Вызванный инструмент по-прежнему может обращаться в интернет, например за результатами поиска. Поэтому место запуска модели и путь данных через инструменты нужно оценивать отдельно.
Что показало сравнение с Qwen
В тестах авторов BotPsy набрала 44,0% в BFCL v4 для вызова функций против 23,4% у исходной Qwen3.5-0.8B-Think. В тесте ToolSandbox результат вырос с 30,5% до 64,6%. Более крупная Qwen3.5-2B-Think уступила по пяти из шести тестов на инструменты, но опередила BotPsy в Claw-Eval и показала лучшие результаты в двух тестах на знания.
Разрыв между тестами помогает понять назначение модели. В BrowseComp-Plus на исследовательский поиск BotPsy решила только 4,5% задач. Разработчики рекомендуют применять её для простых и умеренно сложных действий. Таблица результатов не обещает, что агент выполнит редкое многошаговое поручение на любом телефоне.
Где взять веса
На Hugging Face выложены веса BF16 в формате safetensors и отдельные GGUF в BF16, 8- и 4-битном вариантах. Для GGUF указаны llama.cpp и QVAC SDK. Лицензия Apache 2.0 разрешает использовать и адаптировать модель на её условиях. Начать проще с одного инструмента и набора проверяемых запросов, где приложение может показать пользователю выбранное действие до его выполнения.