Tether lance QVAC BotPsy, une IA capable d’utiliser des outils sur des appareils personnels

Tether AI Research a annoncé le lancement de QVAC BotPsy-0.8B le 11 novembre 2026, un modèle à poids ouverts de 0,8 milliard de paramètres conçu pour appeler des outils sur des appareils personnels. L’entreprise a indiqué qu’il avait surpassé chacun des modèles testés comptant jusqu’à 1,2 milliard de paramètres, dans six évaluations de capacités agentiques.

Fondé sur Qwen3.5-0.8B d’Alibaba, BotPsy est spécialisé dans l’appel de fonctions et les flux de travail agentiques en plusieurs étapes, pour un déploiement local. Les tâches visées couvrent les calendriers, la messagerie, les fichiers, les paramètres des appareils, la recherche sur le Web, les voyages, le commerce et les opérations de service à la clientèle ; le modèle est particulièrement adapté aux tâches de difficulté faible à moyenne. L’application qui l’intègre fournit les connexions aux services, les autorisations et les contrôles d’exécution.

Dans l’exemple d’ACEBench présenté par Tether, l’envoi d’un message échouait parce que le Wi-Fi était désactivé et que la boîte de réception était pleine. BotPsy a activé le Wi-Fi et libéré de l’espace dans la boîte de réception avant d’envoyer le message, tandis que son modèle de base répétait l’action qui avait échoué. Le modèle peut aussi reconnaître qu’aucun des outils disponibles ne convient à une demande, un comportement important pour un assistant utilisé dans de véritables applications.

La spécialisation, moteur des progrès aux évaluations

Dans l’évaluation de la fiche du modèle par Tether, le score de BFCL v4 est passé de 23,4 pour le modèle de base Qwen3.5-0.8B-Think à 44,0 pour BotPsy ; celui d’ACEBench, de 30,1 à 58,7 ; et celui de ToolSandbox, de 30,5 à 64,6. BotPsy a également surpassé Qwen3.5-2B-Think dans cinq des six évaluations de capacités agentiques ; le modèle plus grand est arrivé en tête de Claw-Eval, avec 48,9 contre 46,5. Les cinq modèles ont été évalués en mode réflexion avec un protocole commun, et les scores sont exprimés en pourcentage.

Le gain le plus important concerne la continuité d’un tour à l’autre. Selon Tether, BotPsy obtient un score de 46,1 au test multi-tours de BFCL v4, contre 7,5 pour son modèle de base et 23,8 pour Qwen3.5-2B-Think. Ce test mesure la capacité d’un agent à poursuivre son travail à mesure que de nouvelles informations arrivent, par exemple en vérifiant les disponibilités, en gérant un conflit et en mettant à jour un calendrier. Le score de 86,1 obtenu par BotPsy au test d’hallucination de BFCL mesure une exigence distincte : s’abstenir d’appeler un outil lorsqu’aucun des outils disponibles ne convient.

Les résultats plus étendus de Tether ne démontrent pas une supériorité générale. Les scores de BotPsy à GPQA Diamond et MMLU-Pro, respectivement de 38,1 et 48,9, sont nettement inférieurs aux 59,9 et 65,5 du modèle 2B. BotPsy a obtenu le meilleur score du groupe de cinq modèles à BrowseComp-Plus, avec 4,5, mais ce résultat reste faible en valeur absolue et révèle des performances limitées en recherche ouverte. BotPsy est donc conçu pour appeler des outils afin d’obtenir des faits qu’il ne connaît pas.

Entraînement et déploiement sur l’appareil

Un article technique décrit quatre étapes de post-entraînement : l’affinage supervisé, la distillation sur politique à partir de plusieurs enseignants et deux phases d’apprentissage par renforcement. Lors de la distillation, trois modèles enseignants spécialisés Qwen3.5-4B ont pris en charge respectivement l’utilisation des outils, le raisonnement général et le suivi des instructions. Les phases d’apprentissage par renforcement ont utilisé des récompenses fondées sur des règles et vérifiables : la première mettait l’accent sur l’appel d’outils, puis la seconde a ajouté davantage de tâches de mathématiques, de programmation, de connaissances et de génération structurée. La version publiée ne comprend ni le code d’entraînement ni les données d’entraînement.

Le modèle obtenu produit aussi des traces de raisonnement plus courtes que son modèle de base. Pour les questions de GPQA Diamond auxquelles les cinq modèles ont répondu correctement, Tether a mesuré 3 690 jetons de raisonnement pour BotPsy, contre 11 563 pour son modèle de base ; pour MMLU-Pro, les nombres étaient de 1 912 et 5 105. Comme tous les modèles ont résolu ces questions, la comparaison porte sur la longueur du raisonnement plutôt que sur la difficulté des questions, ce qui fournit un indicateur utile de l’efficacité de l’inférence locale.

La version GGUF comprend trois fichiers pour llama.cpp et le QVAC SDK : BF16, d’environ 1,52 Go ; Q8_0, d’environ 0,81 Go ; et Q4_K_M, d’environ 0,53 Go. Tether recommande Q8_0, qui a obtenu une moyenne de 50,7 sur dix évaluations, proche des 50,4 du fichier GGUF BF16, pour une taille environ deux fois moindre. Q4_K_M a obtenu une moyenne de 48,9 et convient aux appareils disposant de moins de mémoire. Le dépôt principal fournit des poids BF16 au format safetensors sous licence Apache 2.0.

Limites de sécurité et projet QVAC

Les limites d’utilisation définies dans la fiche du modèle sont importantes. BotPsy a été entraîné et testé principalement en anglais, langue recommandée. L’évaluation Multi-IF a couvert sept autres langues et révélé des résultats nettement plus faibles en suivi des instructions en hindi et en russe. BotPsy peut se tromper et n’est pas destiné aux décisions automatisées critiques pour la sécurité ou à fort enjeu, ni aux applications touchant à l’argent, aux renseignements personnels, à la santé ou à d’autres sujets sensibles.

Lors des tests automatisés de red teaming menés par Tether dans six catégories de préjudice, BotPsy a produit des réponses dangereuses dans 21 % des cas, contre 36 % pour son modèle de base. Lors d’attaques par injection de prompt — un risque particulier pour les agents qui lisent des résultats d’outils non fiables — les taux de réponses dangereuses rapportés étaient respectivement de 31 % et de 46 %. Le plus petit modèle a obtenu de meilleurs résultats aux deux tests, tout en produisant encore des réponses dangereuses.

BotPsy rejoint les modèles de vision, de parole, de santé et de traduction de QVAC ; les développements futurs devraient permettre de combiner leurs capacités spécialisées. « Les utilisateurs devraient décider à quoi leur assistant peut accéder et à quels services externes il peut se connecter », a déclaré Paolo Ardoino, PDG de Tether.

La conception à plus long terme de Tether prévoit une interface Android ou iPhone pour les interactions quotidiennes, délègue les tâches exigeantes à un PC domestique ou à des nœuds pair-à-pair de confiance, et achemine les requêtes Web par des connexions pair-à-pair chiffrées. Ce système relève d’une vision annoncée ; la version actuelle fournit le modèle et les fichiers de déploiement.

La force documentée de BotPsy réside dans une couche d’action locale spécialisée pour les tâches courantes. Son utilité en tant qu’assistant personnel dépendra des autorisations au niveau des applications et des contrôles d’exécution, ainsi que de la capacité de l’intégration prévue par Tether et de la délégation matérielle à répondre aux limites liées à la recherche, à la complexité et à la sécurité documentées dans cette version.