# 函数调用

Tether AI Research 发布 0.8B 参数的端侧个人助手模型 BotPsy，基于 Qwen3.5-0.8B 经四阶段后训练强化工具调用。相比基座，BFCL v4 从 23.4 升到 44.0、ACEBench 从 30.1 升到 58.7、τ-bench 从 23.2 升到 51.5；在六项工具调用与智能体基准中五项领先，仅 Claw-Eval 落后于 2.5 倍大的 Qwen3.5-2B-Think。

Tether AI Research 发布 0.8B 参数的端侧个人助手模型 BotPsy，基于 Qwen3.5-0.8B 经四阶段后训练强化工具调用。相比基座，BFCL v4 从 23.4 升到 44.0、ACEBench 从 30.1 升到 58.7、τ-bench 从 23.2 升到 51.5；在六项工具调用与智能体基准中五项领先，仅 Claw-Eval 落后于 2.5 倍大的 Qwen3.5-2B-Think。

Tether AI Research发布BotPsy，一个基于Qwen3.5-0.8B、面向函数调用与智能体工作流的0.8B参数模型，可在设备端运行。它经监督微调、多教师在线蒸馏和两轮强化学习训练，在BFCL v4上从基座的23.4升到44.0，在τ-bench上从23.2升到51.5，并在六项工具调用与智能体基准中的五项超过参数量为其2.5倍的Qwen3.5-2B-Think，仅在Claw-Eval上落后（46.5对48.9）。模型仍会出错，定位为低到中等难度任务，不适用于高风险场景。

Tether AI Research发布BotPsy，一个基于Qwen3.5-0.8B、面向函数调用与智能体工作流的0.8B参数模型，可在设备端运行。它经监督微调、多教师在线蒸馏和两轮强化学习训练，在BFCL v4上从基座的23.4升到44.0，在τ-bench上从23.2升到51.5，并在六项工具调用与智能体基准中的五项超过参数量为其2.5倍的Qwen3.5-2B-Think，仅在Claw-Eval上落后（46.5对48.9）。模型仍会出错，定位为低到中等难度任务，不适用于高风险场景。