Tether brengt QVAC BotPsy uit: AI die tools gebruikt op persoonlijke apparaten

Tether AI Research kondigde op 11 november 2026 de release aan van QVAC BotPsy-0.8B, een model met open gewichten en 0,8 miljard parameters voor toolaanroepen op persoonlijke apparaten. Het bedrijf meldde dat het model op zes benchmarks voor AI-agenten beter presteerde dan alle geteste modellen met maximaal 1,2 miljard parameters.

BotPsy is gebaseerd op Qwen3.5-0.8B van Alibaba en is gespecialiseerd in het aanroepen van functies en workflows voor AI-agenten met meerdere stappen, bedoeld voor lokale implementatie. De beoogde taken omvatten agenda’s, berichten, bestanden, apparaatinstellingen, webonderzoek, reizen, handel en klantenservice. Het model is vooral geschikt voor taken met een lage tot gemiddelde moeilijkheidsgraad. De applicatie eromheen verzorgt de verbindingen met diensten, machtigingen en uitvoeringscontroles.

In het ACEBench-voorbeeld van Tether kon een bericht niet worden verzonden omdat wifi was uitgeschakeld en de inbox vol was. BotPsy schakelde wifi in en maakte ruimte vrij in de inbox voordat het bericht werd verzonden, terwijl het basismodel de mislukte handeling herhaalde. Het model kan ook herkennen wanneer geen van de beschikbare tools geschikt is voor een verzoek. Dat is belangrijk gedrag voor een assistent die in echte applicaties werkt.

Specialisatie leidt tot betere benchmarkscores

In Tethers evaluatie volgens de modelkaart steeg de score op BFCL v4 van 23,4 voor het basismodel Qwen3.5-0.8B-Think naar 44,0 voor BotPsy. Op ACEBench steeg de score van 30,1 naar 58,7 en op ToolSandbox van 30,5 naar 64,6. BotPsy versloeg Qwen3.5-2B-Think ook op vijf van de zes benchmarks voor AI-agenten; het grotere model scoorde hoger op Claw-Eval, met 48,9 tegenover 46,5. Alle vijf modellen werden in de denkmodus geëvalueerd met dezelfde testopstelling, en de scores zijn percentages.

De grootste vooruitgang betreft de samenhang tussen opeenvolgende beurten. Tether meldt voor BotPsy een score van 46,1 op de meerbeurtentest van BFCL v4, tegenover 7,5 voor het basismodel en 23,8 voor Qwen3.5-2B-Think. Deze test meet of een agent kan blijven werken wanneer er nieuwe informatie binnenkomt, bijvoorbeeld door de beschikbaarheid te controleren, een conflict af te handelen en een agenda bij te werken. BotPsy’s score van 86,1 op de hallucinatie-test van BFCL meet een afzonderlijke vereiste: geen tool aanroepen wanneer geen van de beschikbare tools geschikt is.

De bredere resultaten van Tether tonen niet aan dat het model in het algemeen beter is. De scores van BotPsy voor GPQA Diamond en MMLU-Pro, respectievelijk 38,1 en 48,9, liggen ruim onder de scores van het 2B-model: 59,9 en 65,5. BotPsy’s score van 4,5 op BrowseComp-Plus was de hoogste van de vijf modellen, maar blijft in absolute zin laag en wijst op zwakke prestaties bij onderzoek met open vraagstelling. BotPsy is dan ook ontworpen om tools aan te roepen voor feiten die het niet kent.

Training en implementatie op apparaten

Een technische toelichting beschrijft vier fasen na de voortraining: supervised fine-tuning, distillatie op basis van on-policy-data van meerdere leraren en twee rondes reinforcement learning. Tijdens de distillatie verzorgden drie gespecialiseerde Qwen3.5-4B-modellen de training op toolgebruik, algemeen redeneren en het opvolgen van instructies. In de fasen met reinforcement learning werden regelgebaseerde en verifieerbare beloningen gebruikt: eerst lag de nadruk op het aanroepen van tools, daarna kwamen meer taken op het gebied van wiskunde, code, kennis en gestructureerde uitvoer aan bod. De release bevat niet de trainingscode en trainingsdata.

Het resulterende model produceert ook kortere redeneersporen dan het basismodel. Voor vragen uit GPQA Diamond die alle vijf modellen correct beantwoordden, mat Tether 3.690 redeneertokens voor BotPsy, tegenover 11.563 voor het basismodel. Op MMLU-Pro waren de aantallen respectievelijk 1.912 en 5.105. Omdat elk model die vragen correct beantwoordde, vergelijkt deze meting de lengte van het redeneerproces en niet de moeilijkheidsgraad van de vragen. Dat levert een nuttige efficiëntie-indicator op voor inferentie op het apparaat zelf.

De GGUF-release bevat drie bestanden voor llama.cpp en de QVAC SDK: BF16 van ongeveer 1,52 GB, Q8_0 van ongeveer 0,81 GB en Q4_K_M van ongeveer 0,53 GB. Tether beveelt Q8_0 aan: dat model behaalde gemiddeld 50,7 op tien benchmarks, dicht bij de score van 50,4 voor de BF16-GGUF, bij ongeveer de helft van de bestandsgrootte. Q4_K_M behaalde gemiddeld 48,9 en is bedoeld voor apparaten met een krapper geheugenbudget. De hoofdrepository bevat BF16-safetensors-gewichten onder de Apache 2.0-licentie.

Veiligheidsbeperkingen en het QVAC-plan

De grenzen voor het beoogde gebruik in de modelkaart zijn aanzienlijk. BotPsy is voornamelijk in het Engels getraind en getest; Engels is dan ook de aanbevolen taal. De evaluatie op Multi-IF omvatte zeven andere talen en liet zien dat het model in het Hindi en Russisch veel zwakker instructies opvolgt. BotPsy maakt fouten en is niet bedoeld voor veiligheidskritische of geautomatiseerde beslissingen met grote gevolgen, noch voor toepassingen waarbij geld, persoonsgegevens, gezondheid of andere gevoelige onderwerpen een rol spelen.

Bij Tethers geautomatiseerde red-teaming in zes categorieën van schadelijk gedrag gaf BotPsy in 21% van de gevallen onveilige antwoorden, tegenover 36% voor het basismodel. Bij aanvallen met promptinjectie, een bijzonder risico voor agenten die niet-vertrouwde uitvoer van tools lezen, bedroegen de gemelde percentages onveilige antwoorden respectievelijk 31% en 46%. Het kleinere model verbeterde op beide tests, maar gaf nog steeds onveilige antwoorden.

BotPsy maakt deel uit van QVACs aanbod van visie-, spraak-, gezondheids- en vertaalmodellen. In toekomstige ontwikkeling moeten hun gespecialiseerde mogelijkheden worden gecombineerd. “Gebruikers moeten zelf bepalen waartoe hun assistent toegang heeft en met welke externe diensten die verbinding mag maken”, zei Tether-CEO Paolo Ardoino.

In Tethers ontwerp voor de langere termijn wordt een Android- of iPhone-interface gebruikt voor dagelijkse interactie, worden veeleisende taken overgedragen aan een thuis-pc of vertrouwde peer-to-peerknooppunten en verlopen zoekopdrachten op het web via versleutelde peer-to-peerverbindingen. Dat systeem is een uitgesproken visie; de huidige release levert het model en de implementatiebestanden.

De gedocumenteerde kracht van BotPsy is een gespecialiseerde lokale actielaag voor routinetaken. Of het een bruikbare persoonlijke assistent wordt, hangt af van machtigingen op applicatieniveau en uitvoeringscontroles, en van de vraag of Tethers geplande integratie en taakdelegatie naar hardware de onderzoeks-, complexiteits- en veiligheidsgrenzen aanpakken die in deze release zijn gedocumenteerd.