Tether hat QVAC BotPsy vorgestellt, ein KI-Modell mit offenen Gewichten, das entwickelt wurde, um echte Aufgaben über Apps und externe Tools auszuführen. Trotz nur 0,8 Milliarden Parametern übertraf das Modell größere Systeme in sechs von Tether durchgeführten agentischen Tests – ein Ergebnis, das nach Angaben des Unternehmens das Potenzial speziell entwickelter KI zeigt, alltägliche Bedürfnisse direkt auf einzelnen Geräten zu erfüllen. Die Ankündigung wurde am 11. November 2026 zusammen mit Benchmark-Ergebnissen veröffentlicht, die das Modell mit größeren Konkurrenten vergleichen.

Mit der Veröffentlichung treibt Tether – das Unternehmen, das vor allem für die Herausgabe des USDT-Stablecoins bekannt ist – den Vorstoß voran, leistungsfähigere KI-Assistenten auf private Geräte zu bringen und von zentralisierten Servern wegzubewegen, wobei kleine, spezialisierte Modelle als Alternative zu Cloud-basierter Verarbeitung positioniert werden.

Tether teilte die Nachricht am 11. November über seinen offiziellen X-(Twitter-)Account mit:

Tether's 800M AI Agent Beats Models 2.5x Its Size on Everyday Phone Tasks. Learn more:

— Tether (@tether) November 11, 2026

Bessere Ergebnisse als größere Modelle in sechs Benchmarks

Nach Angaben von Tether übertraf QVAC BotPsy alle Modelle mit 1,2 Milliarden oder weniger Parametern in sechs agentischen Benchmarks: BFCL v4, ACEBench, τ-bench, Claw-Eval, BrowseComp-Plus und ToolSandbox. Benchmarks dieser Art bewerten, ob ein Modell Tool-Aufrufe über mehrere Schritte hinweg verketten kann, um eine Aufgabe abzuschließen, statt nur eine Textantwort zu generieren.

Bei vier wichtigen Kennzahlen verdoppelte BotPsy beinahe die Werte seiner Basisarchitektur Qwen3.5-0.8B-Think. Der BFCL-v4-Wert stieg von 23,4 auf 44,0, das ACEBench-Ergebnis von 30,1 auf 58,7. Das Modell erzielte zudem 51,5 bei τ-bench und 64,6 bei ToolSandbox.

Tether gibt außerdem an, dass BotPsy Alibabas Qwen3.5-2B-Think übertrifft, ein Modell mit 2,5-facher Parameterzahl. Beim BFCL-Multi-Turn-Tool-Calling erreichte BotPsy 46,1 Punkte gegenüber 23,8 Punkten des größeren Modells, während die Basisarchitektur 7,5 Punkte erzielte.

In weiteren von Tether zitierten Vergleichen übertraf BotPsy MiniCPM5-1B-Think mit 82,5 Punkten deutlich, lag mit 69,3 vor Qwen3.5-2B-Think und setzte sich mit 74,4 knapp gegen LLama3-3B-Think durch.

Das Unternehmen deutete die Ergebnisse als Hinweis darauf, dass maßgeschneiderte KI alltägliche Bedürfnisse auf einzelnen Geräten erfüllen kann, statt auf größere, universelle Systeme angewiesen zu sein. Die Zahlen stammen aus Vergleichen, die von Tether selbst durchgeführt wurden; durch die Veröffentlichung mit offenen Gewichten haben externe Entwickler jedoch die Möglichkeit, das Modell herunterzuladen und eigene Evaluationen durchzuführen.

Alltägliche Anfragen in Aktionen umwandeln

Anders als herkömmliche KI-Modelle, die auf das Generieren von Antworten fokussiert sind, wurde BotPsy entwickelt, um die richtigen Tool-Aufrufe über mehrere Schritte hinweg auszuführen. Nach Angaben Tethers könnte dieses Design praktische Aufgaben unterstützen, etwa die Organisation von Aktivitäten, das Senden von Nachrichten oder sogar Reisebuchungen.

Ein ACEBench-Szenario veranschaulichte dieses Verhalten: Ein erster Versuch, eine Nachricht zu senden, scheiterte an fehlender WLAN-Verbindung und einem vollen Posteingang. BotPsy erkannte beide Hindernisse, aktivierte WLAN, schuf Platz im Posteingang und übermittelte dann die Nachricht. Ein Basismodell hätte hingegen typischerweise dieselbe fehlgeschlagene Aktion wiederholt erneut versucht.

Das Modell kann außerdem erkennen, wann kein verfügbares Tool für eine Anfrage benötigt wird, statt einen unnötigen Aufruf auszulösen. Tether beschreibt diese Fähigkeit als bedeutsam für Assistenten, die zahlreiche Aktionen ausführen und Inhalte verändern müssen.

Lokale KI könnte die Abhängigkeit von zentralisierten Servern verringern

BotPsy basiert auf Alibabas Open-Source-Modell Qwen3.5 und ist mit 0,8 Milliarden Parametern – den internen Gewichten, aus denen ein Modell besteht – klein genug, um auf privater Hardware zu laufen, sodass Anfragen lokal erfüllt werden können. Diese Verarbeitung auf dem Gerät begrenzt die Menge sensibler Informationen – E-Mails, Kontakte, Kalendereinträge und mehr –, die an zentrale Anbieter übermittelt werden muss.

Tether-CEO Paolo Ardoino erklärte, dass Nutzer mit lokaler KI mehr Kontrolle über die Verarbeitung ihrer persönlichen Daten und über die Erreichbarkeit der Dienste für ihren Assistenten haben werden, was den Schwerpunkt des Unternehmens auf Datenschutz auf dem Gerät unterstreicht.

BotPsy erweitert das von Tether entwickelte QVAC-Ökosystem, eine Modellfamilie, die auch VisionPsy für visuelle Frage-Antwort-Aufgaben, TranscribePsy für Sprache und TranslatePsy für Übersetzungsaufgaben umfasst. Insgesamt zeigt das Portfolio, wie Tether seinen Vorstoß im Bereich On-Device-KI über visuelle Aufgaben, Sprache und Übersetzung hinweg ausbaut.

Quelle: Crypto Ninjas