テザー、8億パラメーターのAIエージェント発表　社内テストで大型競合を上回る

テザーは水曜日、個人用デバイスで日常的なタスクを実行するAIエージェントとしてQVAC BotPsyを発表した。モデルのパラメーター数は8億である。テザーのテストでは、BotPsyはパラメーター数が最大2.5倍の競合モデルを上回った。5つのモデルを対象にしたツール使用評価6項目のうち、BotPsyは5項目で最高成績を収めた。こうした結果は、AIアシスタントが実用的なタスクをこなすために、非常に大規模なモデルを必要としない可能性を示している。

BotPsyは、スマートフォンの設定、メッセージの送受信、スケジュール管理に関わる複数段階の操作を処理でき、個人情報をクラウドサーバーに移さずに済む可能性がある。このエージェントは、タスクに必要なソフトウエアツールを判断し、コマンドを順番に実行し、操作に失敗した場合は対応を変える。テザーは、BotPsyがメッセージを送るテストで、Wi-Fiが無効になっており受信箱の容量もいっぱいだったと説明した。テザーによると、BotPsyはWi-Fiを有効にし、十分な空き容量を確保してメッセージを送信した。一方、基盤となるモデルは失敗した操作を繰り返し続けた。

テザーはアリババのQwen3.5-0.8Bアーキテクチャを使ってBotPsyを構築し、ソフトウエアツールとのやり取りに重点を置いた追加学習を施した。パラメーターは学習を通じて調整される数値であり、パラメーター数が少ないモデルは一般に必要なメモリーも少ない。パラメーター数が多いほど性能が向上する傾向があり、現在の最先端AIモデルのパラメーター数は数兆に上る。

テザーの技術文書によると、BotPsyのBFCL v4でのスコアは44.0%である。BFCL v4は、複数のタスクや会話を通じて関数の選択と実行を測定し、ツール使用の各カテゴリーでの成功率を加重平均する。このベンチマークで基盤となるQwen3.5-0.8Bのスコアは23.4%だった。より大規模なQwen3.5-2Bは37.7%だった。

BotPsyは、ツールの選択やツールに渡す引数を含む関数呼び出しの精度を測るACEBenchで58.7%を記録した。ベースモデルのACEBenchでのスコアは30.1%だった。20億パラメーターの競合モデルは55.4%だった。テザーが実施した6つの評価で、BotPsyの平均スコアは45.0%となった。より大規模なQwenモデルの評価全体での平均は38.8%だった。

BotPsyは、中央集権型クラウド基盤に全面的に依存するのではなく、ユーザーが管理するデバイスを中心にテザーが開発するAIエコシステム、QVACを拡張するものだ。世界最大のステーブルコインUSDTを手掛けるテザーは、医療用途、翻訳、音声処理向けのローカル実行型QVACモデルをすでに提供している。テザーは2025年5月、大手テクノロジー企業のAIサービスに代わるものとしてQVACを発表した。テザーの長期目標には、アプリケーションを使い、ビットコインやUSDTで支払いを行う可能性のある自律型エージェントが含まれていた。

テザーは2025年10月、410億トークンを含む科学・工学分野の学習データセットを追加した。また、AIモデルをローカルで実行するアプリケーション「QVAC Workbench」も発表した。今年のより早い時期には、モバイルとデスクトップのOS上でオフラインAIアプリケーションを構築するためのソフトウエア開発キットを公開した。テザーはまた、消費者向けハードウエアで医療AIタスクを実行するQVAC MedPsyを開発した。17億パラメーターのMedPsyは、医師が作成した基準に照らして現実的な臨床会話を評価するHealthBench Hardで、より大規模なGoogleのMedGemma-27Bを上回った。

BotPsyは現在、Apache 2.0ライセンスの下でオープンウェイトモデルとして提供されており、開発者はダウンロード、改変し、アプリケーションに組み込める。テザーは、ローカル利用時のメモリー要件を下げる圧縮版も公開した。テザーはBotPsyを使った消費者向けアシスタントの完成版について、発売日を明らかにしていない。公開されたモデルカードには、今回の公開に学習コードと学習データは含まれていないと記載されている。