※本記事は一次情報をもとにAI支援によって構成・作成し、事実関係の照合を行っています。
発表内容（事実）
2026年11月11日、Tether AI Researchは、ファンクションコーリングおよびエージェントワークフロー向けに設計された0.8Bパラメータのモデル「BotPsy」を発表しました。Qwen3.5-0.8Bをベースに構築されており、オンデバイスでのデプロイに適しています。
BotPsyは、ウェブ検索・リサーチ、旅行・ライフスタイル、コマース・ファイナンス、ビジネス・顧客オペレーション、デバイス・車両制御、ファイル・ドキュメント、カレンダー、メール・メッセージなどの領域で、ユーザーのために多様な単純作業を実行する「パーソナルアシスタント」として機能します。パラメータ数が小さいため、低〜中程度の難易度のタスクに最適とされています。
この記事のポイント
- ベースモデルから性能が向上：BFCL v4、ACEBench、τ-benchなどの主要ベンチマークで、ベースモデルであるQwen3.5-0.8B-Thinkと比較して約2倍のエージェント能力を達成しています。
- クラス最高の性能：1.2Bパラメータ以下の重量級クラスにおいて、テストされた6つのツール使用およびエージェントベンチマーク（BFCL v4、ACEBench、τ-bench、ToolSandbox、Claw-Eval、BrowseComp-Plus）のすべてで他の主要モデルを上回っています。
- 上位モデルをも凌駕するスコア：2.5倍のサイズを持つQwen3.5-2B-Thinkと比較して、BFCL v4、ACEBench、τ-bench、ToolSandbox、BrowseComp-Plusの5つのベンチマークでそれを上回るスコアを記録しました。
- マルチターンと誤動作防止の強さ：τ²-benchの通信分野で82.5を記録し、BFCL v4のハルシネーションテスト（適切なツールがない場合に拒否できるかを検証）ではテストされた全モデル中で最高となる86.1を記録しています。
- 一般知識と指示追従の向上：IFEval、IFBench、GPQA Diamond、MMLU-Proの4つのベンチマークすべてにおいて、1.2Bパラメータ以下の他のすべてのモデルを上回っています。
考察（筆者の見解）
クラウド上の大規模言語モデルに依存する従来のアプローチと比較して、オンデバイスで動作する小規模モデルの活用は、運用コストの削減やプライバシー保護の観点から重要性を増していると考えられます。BotPsyは0.8Bという小規模なパラメータ数でありながら、特定のベンチマークにおいて2倍以上のサイズを持つモデルを上回る性能を示しており、エージェント型タスクにおける小型モデルの可能性を広げる試みと言えます。一方で、資料内でも言及されている通り小規模モデル特有の誤りが生じる可能性は残るため、高リスクな用途への適用には慎重な検証が必要になると推測されます。
コメント