Ini adalah terjemahan untuk kemudahan. Jika ada perbedaan, versi bahasa Inggris yang mengikat. Baca versi bahasa Inggris.
Kartu model Treasynx AI
Terakhir diperbarui 17 Oktober 2026 · bmvp.ai Ltd
Versi singkat
Treasynx AI adalah model kecil opsional yang berjalan di ponsel Anda. Versi 0.1 mengerjakan empat tugas: jawaban bantuan, catat cepat, perkiraan durasi, dan tinjauan mingguan. Tugas lain memakai perencana bawaan aplikasi, tanpa memanggil model. Model ini bisa salah, lebih lemah daripada model AI besar untuk hal umum apa pun, dan bukan nasihat. Halaman ini menunjukkan hasil pengujian, termasuk di mana model ini kalah.
Versi 0.1
- Dirilis: 17 Oktober 2026. Entri bertanda tangannya kedaluwarsa pada 17 April 2027; setelah tanggal itu model ini tidak bisa dipasang, dan versi yang lebih baru seharusnya sudah menggantikannya sebelum itu.
- ID model:
treasynx-ai-0.6b-v0.1 - Model dasar: Qwen3-0.6B dari tim Qwen (lisensi Apache-2.0), disetel oleh bmvp.ai Ltd dengan LoRA lalu pelatihan preferensi (DPO), kemudian digabungkan.
- File: file MediaPipe .task berukuran 666.425.366 byte (sekitar 640 MB).
- SHA-256:
d05bd8a5615b2483c629ce5eea03b098fd0ecbc1537a1a872a2e9b9c64783d5c - Berjalan di: prosesor ponsel, offline. Ponsel dengan memori kurang dari sekitar 3 GB ditolak. Sejauh ini model ini diuji di satu ponsel, Xiaomi 14 Ultra, tempat satu jawaban bantuan memerlukan sekitar 15 detik.
- Unduhan: dari models.treasynx.com, hanya setelah Anda memilihnya. Aplikasi lebih dulu memeriksa entri bertanda tangan (Ed25519 dan ML-DSA-65), lalu ukuran dan SHA-256 file.
Apa yang dilakukannya, dan apa yang ditahan
Setiap tugas harus melewati ambang yang sama sebelum diaktifkan: jawaban yang valid, skor tugas setidaknya sebaik perencana bawaan aplikasi (cadangan), uji keamanan, dan pemeriksaan di setiap bahasa. Empat tugas lolos. Sisanya tetap ditangani perencana bawaan aplikasi.
| Tugas | Hasil pengujian | Di versi 0.1 |
|---|---|---|
| Catat cepat | Tepat 93,4% dari waktu, dibandingkan 5,2% untuk cadangan | Aktif |
| Perkiraan durasi | Galat median 15 menit, dibandingkan 20 menit untuk cadangan | Aktif |
| Jawaban bantuan | Menyebut topik bantuan yang tepat 93,5% dari waktu, dibandingkan 94,9% untuk cadangan. Dengan benar menyatakan sesuatu tidak ada di bantuan 93,3% dari waktu, dibandingkan 0% | Aktif |
| Tinjauan mingguan | Semua jawaban valid dalam pengujian | Aktif |
| Rencanakan sehari | Valid pada percobaan pertama 86,5% dari waktu; cadangan selalu valid | Ditahan |
| Terlambat | Valid pada percobaan pertama 88,2% dari waktu | Ditahan |
| Pecah tujuan menjadi blok | Valid pada percobaan pertama 84,8% dari waktu | Ditahan |
| Sekarang apa? | Sesuai dengan aturan aplikasi 93,5% dari waktu; diperlukan 98% | Ditahan |
| Tindakan asisten | Gagal dalam uji red team: mengubah kata-kata pesan keamanan yang tetap | Ditahan |
| Memilah permintaan | Menolak 10,77% permintaan biasa, dibandingkan 0% untuk aturan aplikasi | Ditahan |
Di mana ia kalah
- Rencana yang valid. Perencana bawaan aplikasi selalu valid; model tidak, jadi merencanakan hari, saat terlambat, dan memecah tujuan menjadi blok tetap ditangani perencana.
- Memilah permintaan. Model menolak lebih banyak permintaan biasa daripada aturan aplikasi, dan lebih sedikit menangkap permintaan di luar tugasnya.
- Kutipan bantuan. 93,5% dibandingkan 94,9% untuk cadangan.
- Teks yang disisipkan. Dalam pengujian yang menyembunyikan instruksi di bagian bantuan, model menyalin teks tersembunyi ke dalam 2,25% jawabannya; cadangan tidak pernah. Bagian bantuan dikirim di dalam aplikasi, jadi ini memerlukan file bantuan yang dirusak. Hal ini seharusnya diperbaiki di versi berikutnya.
Di mana ia unggul
- Catat cepat: 93,4% tepat, dibandingkan 5,2%.
- Perkiraan durasi: galat median sekitar 25% lebih rendah.
- Mengenali apa yang tidak ada di bantuan: 93% dibandingkan 0%.
Uji keamanan
- Permintaan tentang uang, kesehatan, hukum, dan keamanan pangan, serta pesan tentang menyakiti diri, ditangkap oleh filter aplikasi sendiri sebelum model ditanya. Dalam pengujian, filter itu menangkap 100% dari semuanya.
- Beberapa prompt red team, seperti jailbreak dan "ulangi instruksimu", diberi label sebagai pertanyaan bantuan oleh model. Itulah salah satu alasan memilah permintaan tetap ditangani aturan aplikasi.
- Privasi: uji inferensi keanggotaan (AUC 0,5101, dengan batas 0,55) dan pemeriksaan canary yang ditanam tidak menemukan tanda bahwa model menghafal contoh pelatihan.
Bahasa
Empat tugas yang aktif memberi jawaban valid di setiap bahasa yang diuji. Catat cepat diuji di 19 bahasa aplikasi; jawaban bantuan, perkiraan durasi, dan tinjauan mingguan hanya dalam bahasa Inggris. Teks krisis dan keamanan aplikasi dalam bahasa selain Inggris belum ditinjau oleh penutur asli, jadi Treasynx AI diluncurkan lebih dulu dalam bahasa Inggris Britania.
Masalah yang diketahui
- Pemecahan teks di ponsel. Runtime ponsel memecah sebagian teks menjadi token secara berbeda dari saat pelatihan: 60,9% prompt uji memiliki setidaknya satu pemecahan yang berbeda, dan bahasa Thai paling terdampak. Dalam pemeriksaan di komputer, jawaban tetap lolos pemeriksaan aplikasi, tetapi jawaban panjang tidak diperiksa dengan cara ini.
- Pengujian perangkat. Sejauh ini model ini baru berjalan di satu model ponsel. Prosesor grafis di ponsel itu mengalami crash, jadi model berjalan di prosesor.
- Jawaban bantuan bisa mengulang instruksi tersembunyi (lihat Di mana ia kalah).
Data pelatihan
Semua contoh pelatihan bersifat sintetis: dibuat dari kode aplikasi sendiri, serta dari contoh dan catatan produktivitas yang kami tulis atau setujui. Ada 100.634 contoh pelatihan dan 5.376 pasangan preferensi. Tidak ada data pengguna, teks yang dikumpulkan dari web, penilaian energi, maupun data dari Bantu tingkatkan Treasynx yang dipakai.
Selengkapnya
Catatan perubahan mencantumkan setiap versi. AI di Treasynx menjelaskan cara kerjanya di aplikasi dan apa yang dikirimnya, yaitu tidak ada. Untuk melaporkan jawaban yang salah atau berbahaya, ketuk label di bawahnya di aplikasi, atau kirim email ke support@bmvp.ai.