A Tether AI Research apresentou o BotPsy, um modelo de linguagem de 0,8B parâmetros voltado a chamada de funções e fluxos de agentes em dispositivos locais. Ele é pós-treinado a partir do Qwen3.5-0.8B. A equipe o posiciona como um assistente pessoal que usa ferramentas para pesquisa na web, e-mail e mensagens, agenda, arquivos, comércio e finanças, além do que chama de operações de negócios e de atendimento ao cliente.
O que dizem os benchmarks
Todos os números abaixo vêm de avaliações dos próprios autores, rodadas em modo de raciocínio (thinking), sem verificação independente na fonte.
- Contra o modelo-base: o BFCL v4 sobe de 23,4 para 44,0, o ACEBench de 30,1 para 58,7 e a média do τ-bench de 23,2 para 51,5.
- Contra um modelo maior: o BotPsy supera o Qwen3.5-2B-Think, que é 2,5 vezes maior, em cinco de seis benchmarks de agentes, incluindo o ToolSandbox (64,6 contra 41,2). No Claw-Eval, o modelo maior segue na frente: 48,9 a 46,5.
- Conversas de vários turnos: no τ²-bench telecom, em que o agente conduz o usuário por uma solução de problemas, ele marca 82,5, contra 69,3 do modelo de 2B.
- Saber quando recusar: ele tem o melhor resultado entre os modelos testados nas avaliações de alucinação do BFCL v4, que verificam se o modelo se recusa a agir quando não há ferramenta adequada.
- Custo de raciocínio: no GPQA Diamond, precisa de 3.690 tokens de raciocínio por resposta correta, contra 11.563 do modelo-base. Os autores esperam que isso reduza a latência no dispositivo.
Números de segurança
Em red-teaming automatizado em seis categorias de dano, o BotPsy deu respostas inseguras em 21% das vezes, contra 36% do modelo-base. Sob injeção de prompt, o cenário que mais importa para agentes que leem saídas de ferramentas não confiáveis, a taxa caiu de 46% para 31%. Essas taxas são menores que as do modelo-base, mas longe de zero.
Limites declarados pelo fornecedor
A equipe afirma que o modelo serve para tarefas de dificuldade baixa a média e que ele comete erros. Não deve ser usado em decisões automatizadas em que haja risco à segurança ou o custo do erro seja alto, nem em usos que envolvam finanças, dados privados ou questões médicas. Tarefas de várias etapas pontuam menos que chamadas isoladas de ferramentas, e a pesquisa aprofundada e aberta é fraca: o BrowseComp-Plus marca 4,5 de 100. O inglês é o idioma recomendado. No Multi-IF, o hindi marca 24,5 e o russo 57,6, bem abaixo da faixa de 72 a 80 do inglês e de vários outros idiomas. O conhecimento geral ainda acompanha o tamanho do modelo, por isso a ideia é que ele chame ferramentas para buscar fatos que não tem.
Disponibilidade
Segundo o post, o BotPsy será lançado com pesos abertos sob Apache 2.0, para uso em pesquisa e educação, nas precisões bf16, Q8 e Q4. Os formatos são safetensors do Hugging Face e arquivos GGUF para o QVAC SDK e o llama.cpp. A redação sobre pesquisa e educação merece leitura atenta antes de qualquer implantação comercial. A fonte não informa preço nem API hospedada.