Tether lanserar QVAC BotPsy för AI med verktygsfunktioner på personliga enheter

Tether AI Research meddelade den 11 november 2026 att QVAC BotPsy-0.8B släpps – en modell med öppna vikter och 0,8 miljarder parametrar för verktygsanrop på personliga enheter. Företaget uppgav att modellen överträffade alla testade modeller med upp till 1,2 miljarder parametrar i sex agentbaserade riktmärken.

BotPsy bygger på Alibaba’s Qwen3.5-0.8B och är specialiserad på funktionsanrop och agentbaserade arbetsflöden i flera steg för lokal driftsättning. De avsedda uppgifterna omfattar kalendrar, meddelanden, filer, enhetsinställningar, webbresearch, resor, handel och kundtjänst, och modellen lämpar sig bäst för uppgifter med låg till medelhög svårighetsgrad. Den omgivande applikationen tillhandahåller anslutningar till tjänster, behörigheter och kontroller för körning.

I Tethers exempel från ACEBench misslyckades ett meddelande med att skickas eftersom Wi-Fi var avstängt och inkorgen var full. BotPsy aktiverade Wi-Fi och frigjorde utrymme i inkorgen innan meddelandet skickades, medan basmodellen upprepade den misslyckade åtgärden. Modellen kan också identifiera när inget av de tillgängliga verktygen passar för en begäran, vilket är en viktig egenskap hos en assistent som används i verkliga applikationer.

Specialiseringen ger utslag i riktmärkena

I Tethers utvärdering i modellkortet steg BFCL v4 från 23,4 för basmodellen Qwen3.5-0.8B-Think till 44,0 för BotPsy, ACEBench från 30,1 till 58,7 och ToolSandbox från 30,5 till 64,6. BotPsy slog också Qwen3.5-2B-Think i fem av de sex agentbaserade riktmärkena; den större modellen presterade bättre på Claw-Eval, med 48,9 mot 46,5. Alla fem modeller utvärderades i tänkandeläge med samma testmiljö, och resultaten anges i procent.

Den största förbättringen gäller kontinuiteten mellan turer. Tether rapporterar en poäng på 46,1 för BotPsy i BFCL v4:s test med flera turer, jämfört med 7,5 för basmodellen och 23,8 för Qwen3.5-2B-Think. Testet mäter om en agent kan fortsätta arbeta när ny information tillkommer, till exempel genom att kontrollera tillgänglighet, hantera en konflikt och uppdatera en kalender. BotPsys resultat på 86,1 i BFCL:s hallucinationstest mäter en separat förmåga: att avstå från ett verktygsanrop när inget tillgängligt verktyg passar.

Tethers resultat i stort visar inte att modellen är överlägsen i allmänhet. BotPsys poäng på 38,1 i GPQA Diamond och 48,9 i MMLU-Pro ligger långt under 2B-modellens 59,9 respektive 65,5. BotPsys resultat på 4,5 i BrowseComp-Plus var högst i gruppen med fem modeller, men är fortfarande lågt i absoluta tal och visar på svag förmåga att utföra öppen research. BotPsy är därför utformad för att använda verktyg för att hitta fakta som den inte känner till.

Träning och driftsättning på enheten

En teknisk genomgång beskriver fyra steg efterträningen: övervakad finjustering, destillering med flera lärare och på-policy-inlärning samt två omgångar förstärkningsinlärning. Under destilleringen ansvarade tre specialiserade Qwen3.5-4B-lärarmodeller för verktygsanvändning, allmän slutledning respektive instruktionsefterlevnad. I förstärkningsinlärningen användes regelbaserade och verifierbara belöningar; först låg fokus på verktygsanrop, och därefter tillkom mer arbete med matematik, kod, kunskap och strukturerade utdata. Versionen innehåller inte träningskoden eller träningsdata.

Den resulterande modellen producerar också kortare resonemangsspår än basmodellen. För frågor i GPQA Diamond som alla fem modeller besvarade korrekt uppmätte Tether 3 690 resonemangstoken för BotPsy jämfört med 11 563 för basmodellen; i MMLU-Pro var antalen 1 912 respektive 5 105. Eftersom alla modeller klarade frågorna isolerar jämförelsen resonemangets längd från frågornas svårighetsgrad och ger därmed en användbar effektivitetsindikator för lokal inferens.

GGUF-versionen innehåller tre filer för llama.cpp och QVAC SDK: BF16 på cirka 1,52 GB, Q8_0 på cirka 0,81 GB och Q4_K_M på cirka 0,53 GB. Tether rekommenderar Q8_0, som hade ett genomsnitt på 50,7 över tio riktmärken – nära BF16 GGUF-versionens 50,4, men med ungefär halva filstorleken. Q4_K_M hade ett genomsnitt på 48,9 och är avsedd för mer begränsade minnesbudgetar. Huvudarkivet innehåller BF16-vikter i safetensors-format under licensen Apache 2.0.

Säkerhetsbegränsningar och QVAC-planen

Begränsningarna för avsedd användning som anges i modellkortet är omfattande. BotPsy tränades och testades huvudsakligen på engelska, som är det rekommenderade språket. Utvärderingen med Multi-IF omfattade ytterligare sju språk och visade betydligt sämre resultat för instruktionsefterlevnad på hindi och ryska. BotPsy kan göra misstag och är inte avsedd för säkerhetskritiska eller högriskbetonade automatiserade beslut eller för applikationer som rör pengar, personuppgifter, hälsa och andra känsliga ämnen.

I Tethers automatiserade red teaming inom sex skadeområden gav BotPsy osäkra svar i 21 % av fallen, jämfört med 36 % för basmodellen. Vid promptinjektion, som är en särskild risk för agenter som läser obetrodda verktygsutdata, var de rapporterade andelarna osäkra svar 31 % respektive 46 %. Den mindre modellen förbättrades i båda testerna, men genererade fortfarande osäkra svar.

BotPsy blir en del av QVAC:s vision-, tal-, hälso- och översättningsmodeller, och den framtida utvecklingen är tänkt att förena deras specialiserade förmågor. ”Användarna bör själva bestämma vad deras assistent får tillgång till och vilka externa tjänster den kan ansluta till”, sade Tethers vd Paolo Ardoino.

Tethers långsiktiga utformning bygger på ett gränssnitt för Android eller iPhone för daglig interaktion, överlåter krävande uppgifter till en hemdator eller betrodda peer-to-peer-noder och skickar webbförfrågningar via krypterade peer-to-peer-anslutningar. Denna lösning är en uttalad vision; den aktuella utgåvan tillhandahåller modellen och driftsättningsfilerna.

BotPsys dokumenterade styrka ligger i ett specialiserat lokalt åtgärdslager för rutinuppgifter. Om det blir en användbar personlig assistent beror på behörigheter på applikationsnivå och exekveringskontroller, samt på om Tethers planerade integration och delegering till maskinvara hanterar gränserna för forskning, komplexitet och säkerhet som dokumenteras i den här utgåvan.