BotPsy：不到十亿参数的端侧个人助理，性能反超大模型

BotPsy 由 Tether AI Research 开发，旨在解决完全依赖云端前沿大模型带来的高成本、隐私风险和运营漏洞。通过将参数量控制在十亿以下，该模型针对高效、安全的端侧部署进行了优化。

训练方法

该模型经历了四个阶段的后训练过程。首先是对工具调用对话进行监督微调，接着使用专门的 4B 教师模型进行多教师策略蒸馏，最后通过两轮基于规则和验证奖励的强化学习，全面掌握工具调用和通用任务。

性能与效率

尽管只有 0.8B 参数，BotPsy 的智能代理能力大致为其基础模型的两倍。它在多个工具调用和多轮对话基准测试中，表现超越了包括体量大 2.5 倍的 Qwen3.5-2B-Think 在内的多个更大模型，同时使用的推理 token 更少。