Tether, şirket testlerinde daha büyük rakiplerini geride bırakan 800 milyon parametreli yapay zeka ajanını tanıttı

Tether, gündelik işleri kişisel cihazlarda yerine getirmeye yönelik bir yapay zeka ajanı olarak QVAC BotPsy'yi çarşamba günü tanıttı. Model 800 milyon parametre içeriyor. Tether'in testlerine göre BotPsy, parametre sayısı kendisininkinin 2,5 katına kadar çıkan rakip modelleri geride bıraktı. BotPsy, beş modelin yer aldığı altı araç kullanımı değerlendirmesinin beşinde en iyi sonucu elde etti. Bu sonuçlar, yapay zeka asistanlarının pratik görevleri yerine getirmek için çok büyük modellere ihtiyaç duymayabileceğine işaret ediyor.

BotPsy, kişisel bilgileri bulut sunucularına aktarmadan telefon ayarları, mesajlaşma ve takvimlemeyle ilgili birden fazla adımdan oluşan işlemleri gerçekleştirebiliyor. Ajan, bir görevin hangi yazılım araçlarını gerektirdiğini belirliyor, komutları sırayla çalıştırıyor ve bir işlem başarısız olduğunda buna uyum sağlıyor. Tether, BotPsy'nin Wi-Fi'nin kapalı, gelen kutusunun ise dolu olduğu bir mesajlaşma testini anlattı. Tether'e göre BotPsy, Wi-Fi'yi açtı, yeterli depolama alanı boşalttı ve mesajı gönderdi. Temel model ise başarısız olan işlemi tekrarlamayı sürdürdü.

Tether, BotPsy'yi Alibaba'nın Qwen3.5-0.8B mimarisini kullanarak geliştirdi ve yazılım araçlarıyla etkileşime odaklanan ek eğitim uyguladı. Parametreler, eğitim sırasında öğrenilen sayısal değerlerdir ve daha az parametreli modeller genellikle daha az bellek gerektirir. Parametre sayısı arttıkça performans da genellikle yükselir; günümüzün en gelişmiş yapay zeka modelleri trilyonlarca parametre içeriyor.

Tether'in teknik belgelerine göre BotPsy, BFCL v4'te %44,0 puan aldı. BFCL v4, araç kullanım kategorilerinde ağırlıklandırılmış başarı yüzdesi kullanarak görevler ve konuşmalar genelinde işlev seçimi ile yürütme performansını ölçüyor. Temel Qwen3.5-0.8B modeli bu değerlendirmede %23,4 puan aldı. Daha büyük Qwen3.5-2B modeli ise %37,7'ye ulaştı.

BotPsy, araç seçimi ve araçlara iletilen argümanlar dahil olmak üzere işlev çağrılarının doğruluğunu ölçen ACEBench'te %58,7 puan aldı. Temel model ACEBench'te %30,1 puan elde etti. 2 milyar parametreli rakip modelin puanı %55,4 oldu. Tether'in altı değerlendirmesinde BotPsy'nin ortalama puanı %45,0 olarak gerçekleşti. Daha büyük Qwen modeli bu değerlendirmelerde ortalama %38,8 puan aldı.

BotPsy, Tether'in merkezi bulut altyapısına tam bağımlılık yerine kullanıcıların kontrolündeki cihazlara dayalı olarak geliştirdiği yapay zeka ekosistemi QVAC'ı genişletiyor. Dünyanın en büyük stablecoin'i USDT'nin arkasındaki şirket olan Tether'in tıp, çeviri ve konuşma işleme alanlarında kullanılan yerel QVAC modelleri de bulunuyor. Tether, büyük teknoloji şirketlerinin yapay zeka hizmetlerine alternatif olarak QVAC'ı Mayıs 2025'te tanıttı. Tether'in uzun vadeli hedefleri arasında uygulamaları kullanabilen ve muhtemelen Bitcoin ile USDT üzerinden ödeme yapabilen otonom ajanlar geliştirmek de vardı.

Tether, Ekim 2025'te 41 milyar token içeren bilim ve mühendislik eğitim veri setini ekledi. Şirket ayrıca yapay zeka modellerini yerel olarak çalıştırmaya yönelik QVAC Workbench uygulamasını tanıttı. Tether, bu yılın daha erken bir döneminde mobil ve masaüstü işletim sistemlerinde çevrimdışı yapay zeka uygulamaları geliştirmek için bir yazılım geliştirme kiti yayımladı. Şirket ayrıca tüketici donanımlarında tıbbi yapay zeka görevleri için QVAC MedPsy'yi geliştirdi. 1,7 milyar parametreli MedPsy sürümü, gerçekçi klinik konuşmaları hekimlerin geliştirdiği ölçütlere göre değerlendiren HealthBench Hard'da, daha büyük Google MedGemma-27B modelini geride bıraktı.

BotPsy, Apache 2.0 lisansı altında açık ağırlıklı model olarak kullanıma sunuldu; geliştiriciler modeli indirip değiştirebilir ve uygulamalarına dahil edebilir. Tether, yerel kullanımda bellek ihtiyacını azaltmak için sıkıştırılmış sürümler de yayımladı. Şirket, BotPsy'yi kullanan tamamlanmış bir tüketici asistanı için çıkış tarihi açıklamadı. Yayımlanan model kartında, sürümün eğitim kodu ve eğitim verilerini içermediği belirtiliyor.