En bref
Tether AI Research a lancé BotPsy-0.8B, un modèle à poids ouverts de 800 millions de paramètres conçu pour des agents d’IA locaux capables d’exécuter sur téléphone des tâches en plusieurs étapes et d’utiliser des outils.
Lors des tests de Tether, BotPsy a surpassé Qwen3.5-2B-Think malgré une taille 2,5 fois inférieure, et a presque doublé les scores de son modèle de base sur quatre benchmarks clés d’agents autonomes.
Le modèle est également arrivé en tête des systèmes testés lors des vérifications d’hallucinations BFCL et rejoint l’écosystème QVAC plus vaste de Tether, dédié aux applications d’IA spécialisées exécutées localement sur l’appareil et aux assistants personnels.
Tether AI Research a lancé QVAC BotPsy-0.8B, un modèle d’intelligence artificielle à poids ouverts conçu pour transformer les demandes courantes en appels d’outils en plusieurs étapes sur des appareils personnels. Selon l’annonce officielle, le modèle compte 800 millions de paramètres et a été testé sur six benchmarks d’agents. Tether affirme que BotPsy a surpassé tous les modèles testés comptant 1,2 milliard de paramètres ou moins et qu’il a fait mieux que Qwen3.5-2B-Think, bien qu’il soit 2,5 fois plus petit. Ce lancement élargit les travaux de l’entreprise sur les agents d’IA et l’exécution locale.
BotPsy cible l’utilisation d’outils en plusieurs étapes sur les appareils personnels
BotPsy a été évalué sur BFCL v4, ACEBench, τ-bench, Claw-Eval, BrowseComp-Plus et ToolSandbox. Lors de quatre évaluations clés, il a à peu près doublé les scores de son architecture de base, Qwen3.5-0.8B-Think. Le score de BFCL v4 est passé de 23,4 à 44,0, celui d’ACEBench de 30,1 à 58,7, celui de τ-bench de 23,2 à 51,5 et celui de ToolSandbox de 30,5 à 64,6. La comparaison laisse entendre qu’une spécialisation peut améliorer sensiblement l’utilisation des outils sans augmenter la taille du modèle. Cette approche s’inscrit dans la stratégie plus large d’IA locale QVAC de Tether, qui privilégie le matériel contrôlé par l’utilisateur.
Le modèle est destiné aux tâches qui nécessitent plusieurs actions plutôt qu’une seule réponse. Tether a mis en avant des exemples tels que le report de réunions, la création de rappels et le dépannage de problèmes téléphoniques. Lors d’un test ACEBench, BotPsy a réactivé le Wi-Fi et libéré de l’espace dans la boîte de réception avant de renvoyer un message qui n’avait pas pu être envoyé, tandis que son modèle de base répétait sans cesse la même action. BotPsy est conçu pour reconnaître quand utiliser des outils, quand plusieurs étapes sont nécessaires et quand aucun outil disponible ne convient. Son architecture compacte s’inscrit dans la même orientation vers l’exécution sur l’appareil que le SDK QVAC de Tether.
Tether a fait état de progrès supplémentaires pour les tâches en plusieurs tours et dans le domaine des télécommunications. BotPsy a obtenu un score de 46,1 en appel d’outils multi-tours sur BFCL, contre 23,8 pour Qwen3.5-2B-Think et 7,5 pour son modèle de base, tandis que son score sur τ-bench telecom a atteint 82,5. Il a également obtenu 86,1 aux tests d’hallucination de BFCL, soit le meilleur résultat parmi les modèles évalués par Tether. Les résultats publiés correspondent aux évaluations comparatives de Tether et ne démontrent pas une supériorité universelle pour toutes les charges de travail d’IA. BotPsy rejoint VisionPsy, TranscribePsy, MedPsy et TranslatePsy dans l’écosystème QVAC, étoffant la gamme de modèles d’IA embarquée de Tether. Les poids du modèle et les détails de l’évaluation sont disponibles, ce qui permet aux chercheurs d’adapter le système. À plus long terme, Tether envisage que BotPsy alimente un compagnon QVAC personnel : les smartphones prendraient en charge les interactions courantes, tandis que les ordinateurs personnels ou des nœuds pair-à-pair de confiance traiteraient les demandes plus exigeantes. L’entreprise indique que des connexions P2P chiffrées pourraient également acheminer les recherches sur le Web sans dépendre d’une infrastructure cloud d’entreprise.