BotPsy: نموذج وكيل 0.8B يعمل على الجهاز ويتفوق على نماذج 2B
بقلم علي المنتصر — محلل ومحرر تقني أول
أعلنت Tether AI Research عن BotPsy، نموذج لغوي وكيلي بحجم 0.8 مليار معامل مبني على Qwen3.5-0.8B ومخصص للاستدعاء الوظيفي وسير العمل الوكيلي على الأجهزة المحلية. يضاعف النموذج قدرات الاستدعاء الوظيفي مقارنة بنموذجه الأساسي، إذ يرتفع BFCL v4 من 23.4 إلى 44.0 وτ-bench من 23.2 إلى 51.5، ويتفوق على Qwen3.5-2B-Think في خمسة من ستة اختبارات. يُطرح بأوزان مفتوحة بترخيص Apache 2.0 وثلاث دقات (bf16 وQ8 وQ4) بصيغتي safetensors وGGUF.
BotPsy: نموذج وكيلي بـ0.8B معامل يعمل على الجهاز بأوزان مفتوحة
أعلنت Tether AI Research (Tether Data, S.A. de C.V.) رسمياً عن BotPsy، نموذج لغوي وكيلي بحجم 0.8 مليار معامل مبني على Qwen3.5-0.8B، مخصص للاستدعاء الوظيفي وسير العمل الوكيلي على الأجهزة المحلية. يُطرح النموذج بأوزان مفتوحة بترخيص Apache 2.0 للبحث والاستخدام التعليمي، بثلاث دقات (bf16 وQ8 وQ4) بصيغتي safetensors على Hugging Face وGGUF المتوافقة مع QVAC SDK وllama.cpp.
📊 بطاقة البيانات والمواصفات التقنية الرسمية
| المحور التقني | البيانات الرسمية المؤكدة |
|---|---|
| 💰 الأسعار وتكلفة الاستخدام | مجاني بالكامل: أوزان مفتوحة بترخيص Apache 2.0 للبحث والاستخدام التعليمي، دون رسوم توكنز أو اشتراكات. يُشغَّل محلياً على الجهاز ما يلغي تكاليف الاستدلال السحابي المتغيرة. |
| 🌐 المنصات والتوفر الفوري | Hugging Face (safetensors: bf16، Q8، Q4) + ملفات GGUF لـ QVAC SDK وllama.cpp. مصمم للنشر على الأجهزة المحلية (On-Device). |
| ⚡ الأداء ومؤشرات السرعة | BFCL v4: 44.0 (مقابل 23.4 للأساس) | ACEBench: 58.7 (مقابل 30.1) | τ-bench: 51.5 (مقابل 23.2) | ToolSandbox: 64.6 (مقابل 30.5) | BrowseComp-Plus: 4.5 (مقابل 1.9) | متوسط عام 45.0 مقابل 24.7 للأساس. رموز استدلال أقل بـ3× على GPQA Diamond (3,690 مقابل 11,563). |
| 🛡️ الأمان ومقاومة الاختراق | استجابات غير آمنة 21% مقابل 36% للأساس (أدنى بين نماذج ≤1.2B: LFM2.5 بنسبة 35% وMiniCPM5 بنسبة 47%). تحت حقن الأوامر: 31% مقابل 46%. اختبار هلوسة BFCL v4: 86.1 (الأعلى). |
| 🧠 سياق الذاكرة (Context Window) | حد تشغيل 32k توكن (يُشار إليه في تقليل الجولات التي تصل للحد من 28.3% إلى 0.2%). |
| 🌍 دعم اللغة العربية والمنطقة | لم يُعلن دعم عربي صريح؛ النموذج مبني على Qwen3.5-0.8B (عائلة متعددة اللغات) لكن التقييمات الرسمية بالإنجليزية. متاح عالمياً مجاناً عبر Hugging Face دون قيود إقليمية. |
تفاصيل الإعلان والميزات التقنية الجديدة
يستهدف BotPsy سد فجوة التكلفة والخصوصية في نماذج السحابة الحدودية، إذ يوضح البيان الرسمي أن الاعتماد على نماذج طرف ثالث يحمل مخاطر تعديل الوصول أو إلغائه، إضافة إلى تكاليف تشغيلية متقلبة. يعالج النموذج ذلك عبر معمارية 0.8B معامل قابلة للتشغيل على الجهاز، مع تدريب من أربع مراحل متتالية: ضبط دقيق خاضع للإشراف (SFT)، ثم تقطير سياسي متعدد المعلمين (MOPD) بثلاثة نماذج Qwen3.5-4B متخصصة، ثم جولتان من التعلم المعزز (RL) بخوارزمية DAPO ومكافآت قائمة على القواعد. تشمل مجالات الاستخدام: البحث على الويب، السفر، التجارة والمالية، عمليات الأعمال، التحكم بالأجهزة والمركبات، الملفات، التقويم، والبريد والمراسلة.
على صعيد الكفاءة، يصل BotPsy إلى الإجابة برموز استدلال أقل بنحو 3× على GPQA Diamond (3,690 مقابل 11,563) و2.7× على MMLU-Pro (1,912 مقابل 5,105). كما تنخفض نسبة الوقوع في حلقات الاستدلال المتكررة من 22.9% إلى 1.4%، والجولات التي تصل إلى حد 32k توكن من 28.3% إلى 0.2%، ما يقلل زمن الاستجابة على الجهاز.
المقارنة المعيارية والأداء التنافسي
يتفوق BotPsy على كل النماذج المختبرة بحجم ≤1.2B في الاختبارات الستة: BFCL v4 وACEBench وτ-bench وToolSandbox وClaw-Eval وBrowseComp-Plus. مقارنةً بـ Qwen3.5-2B-Think (أكبر منه 2.5×): يتقدم في BFCL v4 (44.0 مقابل 37.7)، ACEBench (58.7 مقابل 55.4)، τ-bench (51.5 مقابل 46.5)، ToolSandbox (64.6 مقابل 41.2)، وBrowseComp-Plus (4.5 مقابل 2.8)، ويخسر فقط في Claw-Eval (46.5 مقابل 48.9). في τ²-bench للاتصالات يسجل 82.5 مقابل 69.3 لـ Qwen3.5-2B-Think، وفي المهام متعددة الجولات بـBFCL v4 يرتفع من 7.5 إلى 46.1. كما يسجل 86.1 في اختبارات هلوسة BFCL v4 (الأعلى)، و51.3 في الحالات الخاصة بـACEBench مقابل 13.7 للأساس. في تتبع التعليمات: IFEval من 59.7 إلى 90.8 وIFBench من 22.0 إلى 55.9 (الأعلى بين النماذج المختبرة).
ماذا يعني هذا للمطور والمستخدم العربي؟ (The Localization Edge)
يقدم BotPsy نموذجاً اقتصادياً بالغ الأهمية للمطورين العرب: فبفضل الترخيص المفتوح Apache 2.0 والتشغيل المحلي، تنعدم تكاليف التوكنز تماماً، ما يتيح للشركات الناشئة في المنطقة بناء وكلاء خدمة عملاء وأتمتة مهام دون الاعتماد على واجهات سحابية مدفوعة أو مخاطر تسريب بيانات. ولأن النموذج مبني على عائلة Qwen3.5 متعددة اللغات، فإنه يمتلك أساساً معقولاً لمعالجة النصوص العربية، وإن كانت التقييمات الرسمية بالإنجليزية فقط، ما يستدعي اختباراً محلياً قبل الإنتاج. كفاءة الرموز (3× أقل في الاستدلال) تعني استهلاكاً أقل للطاقة على الأجهزة المحمولة، وهو عامل حاسم في أسواق تعتمد الهواتف الذكية كمنصة أولى. حالات الاستخدام العملية تشمل مساعدي التقويم والبريد بالعربية، وأتمتة التحكم بالأجهزة، وبوابات الدفع المالي المحلية، مع تحذير رسمي بأن النموذج غير مخصص للاستخدامات عالية المخاطر.
الخلاصة والتطلعات القادمة
يمثل BotPsy خطوة ملموسة نحو وكلاء أذكياء يعملون بالكامل على الجهاز، إذ يجمع بين حجم 0.8B وأداء يتجاوز نماذج 2B في خمسة من ستة اختبارات، مع أمان أعلى (21% استجابات غير آمنة) وكفاءة استدلال مضاعفة. تخطط Tether AI Research لتوسيع القدرات الوكيلية على الأجهزة، وتطوير Hypersearch للاستعلامات اللامركزية المشفرة، وتحسين الضبط الدقيق المحلي عبر QVAC Fabric، وإتاحة تفويض المهام الثقيلة من الهاتف إلى الحواسيب المنزلية أو العقد الموثوقة، مع تعزيز بروتوكولات الخصوصية والتواصل الآمن بين الوكلاء.
المصدر الإعلامي: Hugging Face | البيان الرسمي للشركة: المصدر الأصلي | تدقيق وتحليل البيانات: AI Tools Oasis
أسئلة شائعة
فريق AI Tools Oasis
نقدم لك أحدث الأخبار والتحليلات في عالم الذكاء الاصطناعي بدقة ومصداقية. تابعنا للحصول على كل جديد.
