开源 #开源模型#智能体 2026-11-12 · 原文发布 11-11

Tether AI Research 发布 0.8B 端侧智能体模型 BotPsy:BFCL v4 从 23.4 提到 44.0,六项工具调用基准中五项超过 2.5 倍大的 Qwen3.5-2B-Think

一个能在设备上跑的工具调用小模型,面向搜索、日程、邮件、文件这类中低难度任务。这一条讲它比基座强在哪、弱在哪,以及开放方式。

图片来源:Hugging Face 博客
一手来源 Hugging Face 博客 · huggingface.co 读原文 ↗

// 要点

  • 基于 Qwen3.5-0.8B 训练,相比基座:BFCL v4 从 23.4 到 44.0,ACEBench 从 30.1 到 58.7,τ-bench 从 23.2 到 51.5。
  • 在六项工具调用与智能体基准中五项超过 Qwen3.5-2B-Think,只在 Claw-Eval 上落后(46.5 对 48.9)。
  • 在 IFBench 上陷入重复推理循环的比例从 22.9% 降到 1.4%;印地语(24.5)、俄语(57.6)等低资源语言明显弱于英文与中文。
  • 官方称将以 Apache 2.0 许可开放权重,用于研究与教育,提供 bf16、Q8、Q4 三种精度,含 safetensors 与可用于 llama.cpp 的 GGUF。

开发者视角注意许可证写的是研究与教育用途,商用前先问清楚。我会拿 AI 云盘手机端「按条件找文件、建提醒」这类单步工具调用试它,本地能完成的不上云;多轮、要遵守复杂规则的任务它掉得快,还是交给云端模型。

// 来龙去脉 · 来自 #开源模型 专题

看完整时间线 →
  1. 11-12 微软研究院披露 Lazarus:改写不到 10 个休眠神经元、无需训练,就能给基于该模型的智能体植入后门
  2. 11-11 NVIDIA 开源 Snapshot:从 GPU 内存快照恢复推理副本只要 3.6 到 42.7 秒,比冷启动快 8 到 36 倍
  3. 11-11 Hugging Face 为「决策模型」定统一接口:Transformers 加入 DecisionPipeline,llama.cpp 同样支持

每周一,一封邮件看完 AI 大事

每周一早上,把过去 7 天最值得关注的 6 件 AI 大事和我的解读发到你邮箱。

邮箱只用于发送周报,不会提供给任何第三方;每封邮件底部都可以一键退订。 看看最近一期 →