Spring til artiklen
nyhederModellanceringer
← Tilbage til nyhederne
Hverdags-AI · Hugging Face · 11.11.2026 · 2 min. læsning

BotPsy bruger værktøjer på egen enhed

A compact device chip sits inside an open handheld device and reaches toward a small calendar tool icon, suggesting an assistant executing a task locally. The chip is the dominant

Tether AI Research har udviklet en lille assistentmodel, der i virksomhedens test klarer værktøjsopgaver bedre end sin grundmodel.

En lille model kan handle

BotPsy er en AI-model, der kan bruge værktøjer til at udføre opgaver for en bruger. Tether AI Research har udviklet den til blandt andet søgning, kalender, beskeder og styring af enheder.

Modellen er beregnet til at køre på brugerens egen enhed frem for nødvendigvis at være afhængig af en model hos en ekstern udbyder. Den er bygget oven på modellen Qwen3.5-0.8B.

BotPsy mod Qwen3.5-0.8B-Think i BFCL v4
44,0 mod 23,4 point
BotPsy mod grundmodellen i ACEBench
58,7 mod 30,1 point
BotPsy mod grundmodellen i τ-bench, gennemsnit af detailhandel, telekommunikation og bank
51,5 mod 23,2 point

Træning forbedrer brugen af værktøjer

BotPsy har 0,8 milliarder parametre, de værdier en model lærer under træningen. Det gør den lille sammenlignet med mange andre AI-modeller.

I Tether AI Researchs test klarede BotPsy sig bedre end grundmodellen Qwen3.5-0.8B-Think på tre centrale prøver af værktøjsbrug. Den slog også alle de testede modeller med højst 1,2 milliarder parametre på seks prøver af værktøjsbrug og opgaver med flere trin.

Sikkerheden er forbedret, ikke løst

En assistent skal også kunne lade være med at handle, når den mangler et passende værktøj. Det undersøger en del af testen BFCL v4, hvor BotPsy fik den højeste score blandt de afprøvede modeller.

I en automatiseret sikkerhedstest gav BotPsy usikre svar i 21 procent af tilfældene mod 36 procent for grundmodellen. Det viser en forbedring i testen, men også at modellen stadig kan give usikre svar.

Svær informationssøgning er en svaghed

Ifølge forskerne fungerer enkelte værktøjskald godt på tværs af anvendelsesområder. Den største fremgang ses i opgaver med flere trin, men informationssøgning over flere trin er fortsat en svaghed.

Tether AI Research anbefaler modellen til opgaver af lav til middel sværhedsgrad. Den begår stadig fejl og er ikke tiltænkt situationer, hvor fejl kan få alvorlige konsekvenser.

Derfor er det interessantEn mindre model kan ifølge testene løse flere værktøjsopgaver på enheden selv, men resultaterne gør den ikke egnet til opgaver med alvorlige konsekvenser.

Kilder:
Hugging Face →

Læs dagens AI-nyheder på letlæst dansk →

Genfortalt i egne ord af AI-nyheder.com · AI-genereret illustration · Tjek altid originalkilden, før du handler på vigtige oplysninger.