Tether ha presentato QVAC BotPsy, un modello AI open-weight costruito per eseguire compiti reali attraverso app e strumenti esterni. Nonostante disponga di soli 0,8 miliardi di parametri, il modello ha superato sistemi più grandi in sei test agentici organizzati da Tether — un risultato che, secondo l'azienda, evidenzia il potenziale di un'AI specializzata nel soddisfare le esigenze quotidiane direttamente sui dispositivi individuali. L'annuncio è stato pubblicato il 11 novembre 2026, insieme ai risultati dei benchmark che confrontano il modello con concorrenti più grandi.

Con questo rilascio, Tether — l'azienda nota soprattutto per l'emissione dello stablecoin USDT — punta a portare assistenti AI più capaci sui dispositivi personali, allontanandoli dai server centralizzati, e posiziona i modelli piccoli e specializzati come alternativa all'elaborazione basata sul cloud.

Tether ha condiviso la notizia attraverso il suo account ufficiale X (Twitter) l'11 novembre:

L'agente AI da 800M di Tether batte modelli 2,5 volte più grandi nei compiti quotidiani sul telefono. Per saperne di più:

— Tether (@tether) 11 novembre 2026

Punteggi superiori ai modelli più grandi in sei benchmark

Secondo Tether, QVAC BotPsy ha superato tutti i modelli con 1,2 miliardi di parametri o meno in sei benchmark agentici: BFCL v4, ACEBench, τ-bench, Claw-Eval, BrowseComp-Plus e ToolSandbox. Benchmark di questo tipo valutano se un modello è in grado di concatenare chiamate a strumenti in più passaggi per completare un compito, anziché generare soltanto una risposta testuale.

Su quattro metriche chiave, BotPsy ha quasi raddoppiato i punteggi registrati dalla sua architettura di base, Qwen3.5-0.8B-Think. Il suo punteggio BFCL v4 è salito da 23,4 a 44,0, e il risultato ACEBench è passato da 30,1 a 58,7. Il modello ha inoltre ottenuto 51,5 su τ-bench e 64,6 su ToolSandbox.

Tether sostiene inoltre che BotPsy superi Qwen3.5-2B-Think di Alibaba, un modello con 2,5 volte il numero di parametri. Nelle chiamate multi-turno di strumenti su BFCL, BotPsy ha totalizzato 46,1 punti contro i 23,8 del modello più grande, mentre la sua architettura di base si è fermata a 7,5 punti.

In ulteriori confronti citati da Tether, BotPsy ha superato nettamente MiniCPM5-1B-Think con un punteggio di 82,5, ha battuto Qwen3.5-2B-Think con 69,3 e ha preceduto di poco LLama3-3B-Think a 74,4.

L'azienda ha presentato i risultati come un'indicazione del fatto che un'AI specializzata può gestire le esigenze quotidiane sui dispositivi individuali anziché dipendere da sistemi più grandi e generici. I dati provengono da confronti organizzati da Tether stessa, anche se il rilascio open-weight del modello lascia spazio agli sviluppatori esterni di scaricarlo ed eseguire proprie valutazioni.

Trasformare le richieste quotidiane in azioni

A differenza dei modelli AI convenzionali orientati alla generazione di risposte, BotPsy è costruito per effettuare le giuste chiamate agli strumenti in più passaggi. Secondo Tether, questa architettura potrebbe supportare compiti pratici come organizzare attività, inviare messaggi e persino pianificare viaggi.

Uno scenario ACEBench ha illustrato questo comportamento. Un primo tentativo di inviare un messaggio è fallito a causa della mancanza di connettività Wi-Fi e di una casella di posta piena. BotPsy ha rilevato entrambi gli ostacoli, ha attivato il Wi-Fi, ha liberato spazio nella casella e ha quindi inviato il messaggio. Un modello di riferimento, al contrario, tipicamente ripeterebbe più volte la stessa azione fallita.

Il modello può anche determinare quando nessuno strumento disponibile è necessario per gestire una richiesta, anziché effettuare una chiamata non necessaria. Tether descrive questa capacità come significativa per gli assistenti che devono eseguire numerose azioni e modificare contenuti.

L'AI locale potrebbe ridurre la dipendenza dai server centralizzati

BotPsy si basa su Qwen3.5 open-source di Alibaba e, con 0,8 miliardi di parametri — i pesi interni che compongono un modello — è abbastanza piccolo da girare su hardware personale, il che significa che le richieste possono essere soddisfatte localmente. Tale elaborazione on-device limita il volume di informazioni sensibili — email, contatti, calendari e altro — che deve essere inviato ai fornitori centrali.

Il CEO di Tether Paolo Ardoino ha osservato che con l'AI locale gli utenti avranno più controllo sull'elaborazione dei propri dati personali e sull'accessibilità dei servizi per il proprio assistente, sottolineando l'attenzione dell'azienda alla privacy sul dispositivo.

BotPsy amplia l'ecosistema QVAC sviluppato da Tether, una famiglia di modelli che comprende anche VisionPsy, dedicato alla risposta visiva a domande; TranscribePsy, che si occupa della voce; e TranslatePsy, che gestisce i compiti di traduzione. Nel complesso, la gamma mostra Tether impegnata a sviluppare la sua spinta sull'AI on-device attraverso compiti visivi, vocali e di traduzione.

Fonte: Crypto Ninjas