Tether lanza QVAC BotPsy, una IA que usa herramientas en dispositivos personales

Tether AI Research anunció el lanzamiento de QVAC BotPsy-0.8B el 11 de noviembre de 2026, un modelo de pesos abiertos y 0,8 mil millones de parámetros para realizar llamadas a herramientas en dispositivos personales. La empresa informó que superó a todos los modelos probados de hasta 1,2 mil millones de parámetros en seis pruebas de referencia de agentes.

Basado en Qwen3.5-0.8B de Alibaba, BotPsy está especializado en llamadas a funciones y flujos de trabajo agénticos de varios pasos para su implementación local. Entre las tareas para las que está diseñado se encuentran la gestión de calendarios, la mensajería, los archivos, los ajustes del dispositivo, la investigación en la web, los viajes, el comercio y la atención al cliente; su mejor desempeño se da en tareas de dificultad baja a media. La aplicación que lo integra proporciona las conexiones a servicios, los permisos y los controles de ejecución.

En el ejemplo de ACEBench de Tether, no se pudo enviar un mensaje porque el wifi estaba desactivado y la bandeja de entrada estaba llena. BotPsy activó el wifi y liberó espacio en la bandeja antes de enviar el mensaje, mientras que su modelo base repitió la acción fallida. El modelo también puede reconocer cuándo ninguna de las herramientas disponibles sirve para atender una solicitud, una capacidad importante para un asistente que funciona dentro de aplicaciones reales.

La especialización impulsa las mejoras en las pruebas de referencia

En la evaluación de la ficha del modelo de Tether, la puntuación de BFCL v4 pasó de 23,4 con el modelo base Qwen3.5-0.8B-Think a 44,0 con BotPsy; la de ACEBench, de 30,1 a 58,7; y la de ToolSandbox, de 30,5 a 64,6. BotPsy también superó a Qwen3.5-2B-Think en cinco de las seis pruebas de referencia de agentes; el modelo más grande obtuvo la mejor puntuación en Claw-Eval, con 48,9 frente a 46,5. Los cinco modelos se evaluaron en modo de razonamiento con un sistema de evaluación común, y las puntuaciones se expresan en porcentajes.

La mayor mejora se observa en la continuidad entre turnos. Tether informa que BotPsy obtuvo 46,1 en la prueba de varios turnos de BFCL v4, frente a 7,5 para su modelo base y 23,8 para Qwen3.5-2B-Think. La prueba mide si un agente puede seguir trabajando a medida que recibe información nueva, por ejemplo, comprobar la disponibilidad, gestionar un conflicto y actualizar un calendario. La puntuación de 86,1 de BotPsy en la prueba de alucinaciones de BFCL mide otro requisito: abstenerse de llamar a una herramienta cuando ninguna de las disponibles sirve para la tarea.

Los resultados más amplios de Tether no demuestran una superioridad general. Las puntuaciones de BotPsy en GPQA Diamond y MMLU-Pro, 38,1 y 48,9, respectivamente, están muy por debajo de las del modelo 2B, que obtuvo 59,9 y 65,5. La puntuación de BotPsy en BrowseComp-Plus, 4,5, fue la más alta del grupo de cinco modelos, pero sigue siendo baja en términos absolutos y revela un rendimiento débil en investigación de preguntas abiertas. Por ello, BotPsy está diseñado para recurrir a herramientas cuando necesita obtener datos que desconoce.

Entrenamiento e implementación en el dispositivo

Un análisis técnico describe cuatro etapas posteriores al entrenamiento: ajuste fino supervisado, destilación en política con múltiples docentes y dos rondas de aprendizaje por refuerzo. Durante la destilación, tres modelos docentes especializados Qwen3.5-4B se encargaron del uso de herramientas, el razonamiento general y el seguimiento de instrucciones. En las etapas de aprendizaje por refuerzo se utilizaron recompensas basadas en reglas y verificables: primero se hizo hincapié en las llamadas a herramientas y luego se añadieron más tareas de matemáticas, programación, conocimiento y generación de resultados estructurados. La publicación no incluye el código ni los datos de entrenamiento.

El modelo resultante también genera trazas de razonamiento más breves que su modelo base. En las preguntas de GPQA Diamond que los cinco modelos respondieron correctamente, Tether midió 3.690 tokens de razonamiento para BotPsy, frente a 11.563 para su modelo base; en MMLU-Pro, las cifras fueron 1.912 y 5.105. Como todos los modelos resolvieron esas preguntas, la comparación aísla la longitud del razonamiento, en lugar de la dificultad de las preguntas, y ofrece un indicador útil de eficiencia para la inferencia local.

La versión GGUF incluye tres archivos para llama.cpp y QVAC SDK: BF16, de aproximadamente 1,52 GB; Q8_0, de aproximadamente 0,81 GB; y Q4_K_M, de aproximadamente 0,53 GB. Tether recomienda Q8_0, que obtuvo un promedio de 50,7 en diez pruebas de referencia, cerca del 50,4 de BF16 GGUF, con aproximadamente la mitad del tamaño de archivo. Q4_K_M obtuvo un promedio de 48,9 y está pensado para entornos con límites de memoria más estrictos. El repositorio principal ofrece los pesos BF16 en formato safetensors con licencia Apache 2.0.

Límites de seguridad y el plan de QVAC

Los límites de uso previstos que se indican en la ficha del modelo son considerables. BotPsy se entrenó y probó principalmente en inglés, el idioma recomendado. Su evaluación Multi-IF abarcó otros siete idiomas y arrojó resultados mucho más débiles en seguimiento de instrucciones en hindi y ruso. BotPsy comete errores y no está pensado para decisiones automatizadas críticas para la seguridad o de alto impacto, ni para aplicaciones relacionadas con dinero, información personal, salud y otros temas sensibles.

En las pruebas automatizadas de red team de Tether, que abarcaron seis categorías de daño, BotPsy generó respuestas inseguras el 21 % de las veces, frente al 36 % de su modelo base. Ante ataques de inyección de instrucciones, una preocupación particular para los agentes que leen resultados de herramientas no confiables, las tasas de respuestas inseguras registradas fueron del 31 % y el 46 %, respectivamente. El modelo más pequeño mejoró en ambas pruebas, aunque siguió generando respuestas inseguras.

BotPsy se suma a los modelos de visión, voz, salud y traducción de QVAC, y el desarrollo futuro prevé combinar sus capacidades especializadas. «Los usuarios deben decidir a qué puede acceder su asistente y a qué servicios externos puede conectarse», afirmó Paolo Ardoino, director ejecutivo de Tether.

El diseño a largo plazo de Tether contempla una interfaz para Android o iPhone para la interacción cotidiana, delega las tareas exigentes a un PC doméstico o a nodos de confianza entre pares y dirige las consultas web a través de conexiones cifradas entre pares. Ese sistema es una visión declarada; la versión actual proporciona el modelo y los archivos de despliegue.

La fortaleza documentada de BotPsy es una capa de acciones local especializada para tareas rutinarias. Que llegue a ser un asistente personal útil depende de los permisos a nivel de aplicación y de los controles de ejecución, así como de que la integración prevista de Tether y la delegación de tareas al hardware aborden los límites de investigación, complejidad y seguridad documentados en esta versión.