Tether AI Research presenta BotPsy, un modelo de 0.8B parámetros diseñado para la llamada de funciones y los flujos de trabajo agénticos, es decir, la capacidad de un modelo de utilizar herramientas para realizar una tarea. Construido a partir de Qwen3.5-0.8B, está destinado a funcionar directamente en el dispositivo del usuario.
- Tether AI Research presenta BotPsy, un modelo de 0,8 mil millones de parámetros que se ejecuta en el dispositivo del usuario.
- BotPsy casi duplica el rendimiento de su modelo base en pruebas de agentes y supera a un modelo 2,5 veces más grande en cinco de seis benchmarks.
- Produce respuestas peligrosas en el 21 % de los casos, frente al 36 % de su modelo base.
- Rinde mejor en inglés, pierde calidad en hindi y ruso, y no debe usarse en decisiones de alto riesgo.
Según la empresa, los grandes modelos alojados en la nube conllevan costes operativos elevados, que pueden variar de forma imprevista. Depender de estos modelos de terceros también expone a riesgos, ya que sus proveedores pueden modificar, restringir o retirar el acceso en cualquier momento. Tether AI Research estima que no todas las tareas requieren un nivel máximo de inteligencia, y que pequeños agentes especializados pueden ser igual de eficaces en tareas específicas, por un coste notablemente inferior.
BotPsy se presenta como un «asistente personal» capaz de realizar tareas sencillas gracias a herramientas, en ámbitos como la búsqueda web, los viajes, el comercio y las finanzas, la gestión del dispositivo y del vehículo, los archivos, el calendario o el correo electrónico. Debido a su tamaño, está especialmente adaptado para tareas de dificultad baja a media.
Resultados anunciados superiores a su categoría
Según los resultados publicados por la empresa, BotPsy obtiene puntuaciones aproximadamente dos veces superiores a las de su modelo base en varias pruebas. En BFCL v4, pasa de 23.4 a 44.0, en ACEBench de 30.1 a 58.7, y en τ-bench de 23.2 a 51.5. Supera a Qwen3.5-2B-Think, un modelo 2.5 veces más grande, en cinco de los seis benchmarks de agentes probados. Solo Claw-Eval se le resiste, con 48.9 frente a 46.5.
Tether AI Research también destaca la seguridad. Durante pruebas automatizadas que cubren seis categorías de riesgos, BotPsy produce respuestas peligrosas en un 21 % de los casos, frente al 36 % de su modelo base. Se trata de la tasa más baja entre los modelos de 1.2B parámetros o menos probados, donde LFM2.5-1.2B-Think alcanza el 35 % y MiniCPM5-1B-Think el 47 %. En cuanto al razonamiento, la empresa indica que BotPsy utiliza aproximadamente tres veces menos tokens, las unidades de texto procesadas por el modelo, que su modelo base para responder correctamente al benchmark GPQA Diamond, con 3.690 tokens frente a 11.563.
Un método de entrenamiento en cuatro etapas
BotPsy se entrena en cuatro etapas sucesivas, a partir de un aprendizaje supervisado sobre conversaciones de uso de herramientas, luego de una destilación multi-profesores, antes de dos series de aprendizaje por refuerzo. La destilación consiste aquí en hacer responder al modelo alumno mientras recibe, token por token, las respuestas de tres modelos profesores Qwen3.5-4B, cada uno especializado en un ámbito. Las etapas de refuerzo se apoyan en recompensas calculadas por reglas y verificadores, y no en juicios humanos.
Limitaciones y publicación
Tether AI Research precisa que BotPsy sigue siendo un modelo pequeño que comete errores, y que no está destinado a decisiones automatizadas de alto riesgo, ni a aplicaciones relacionadas con el dinero, la información personal o la salud. El modelo se ha entrenado y probado principalmente en inglés. Su rendimiento cae en hindi, con una puntuación de 24.5 en Multi-IF, y en ruso, con 57.6. BotPsy debe publicarse con pesos abiertos bajo licencia Apache 2.0, para uso de investigación y educación, en tres precisiones: bf16, Q8 y Q4.
