Tether heeft QVAC BotPsy geïntroduceerd, een open-weight AI-model dat is gebouwd om echte taken uit te voeren via apps en externe tools. Ondanks slechts 0,8 miljard parameters presteerde het model beter dan grotere systemen op zes agentische tests die door Tether zijn opgezet — een resultaat dat volgens het bedrijf wijst op het potentieel van speciaal gebouwde AI om alledaagse behoeften direct op individuele apparaten te bedienen. De aankondiging werd gepubliceerd op 11 november 2026, samen met benchmarkresultaten waarin het model werd vergeleken met grotere concurrenten.

Met de release zet Tether — het bedrijf dat vooral bekend staat om de uitgifte van de USDT-stablecoin — in op het brengen van krachtigere AI-assistenten naar persoonlijke apparaten, weg van gecentraliseerde servers, waarbij kleine, gespecialiseerde modellen worden gepositioneerd als alternatief voor cloudgebaseerde verwerking.

Tether deelde het nieuws op 11 november via zijn officiële X (Twitter)-account:

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

— Tether (@tether) November 11, 2026

Hogere scores dan grotere modellen op zes benchmarks

Volgens Tether presteerde QVAC BotPsy beter dan alle modellen met 1,2 miljard of minder parameters op zes agentische benchmarks: BFCL v4, ACEBench, τ-bench, Claw-Eval, BrowseComp-Plus en ToolSandbox. Dergelijke benchmarks meten of een model tool-aanroepen over meerdere stappen kan koppelen om een taak te voltooien, in plaats van alleen een tekstantwoord te genereren.

Op vier belangrijke meetpunten verdubbelde BotPsy bijna de scores van de basisarchitectuur, Qwen3.5-0.8B-Think. De BFCL v4-score steeg van 23,4 naar 44,0 en het ACEBench-resultaat steeg van 30,1 naar 58,7. Het model behaalde ook 51,5 op τ-bench en 64,6 op ToolSandbox.

Tether beweert bovendien dat BotPsy beter presteert dan Alibaba's Qwen3.5-2B-Think, een model met 2,5 keer zoveel parameters. Bij BFCL multi-turn tool calling scoorde BotPsy 46,1 punten tegenover 23,8 punten voor het grotere model, terwijl de basisarchitectuur tot 7,5 punten kwam.

In verdere vergelijkingen die door Tether worden aangehaald, liep BotPsy ver voorop met een score van 82,5 ten opzichte van MiniCPM5-1B-Think, presteerde het beter dan Qwen3.5-2B-Think met 69,3 en bleef het LLama3-3B-Think met 74,4 net voor.

Het bedrijf presenteerde de resultaten als een indicatie dat op maat gemaakte AI alledaagse behoeften op individuele apparaten kan afhandelen in plaats van afhankelijk te zijn van grotere, algemene systemen. De cijfers komen uit vergelijkingen die door Tether zelf zijn opgezet, al laat de open-weight release ruimte voor externe ontwikkelaars om het model te downloaden en eigen evaluaties uit te voeren.

Alledaagse verzoeken omzetten in acties

In tegenstelling tot conventionele AI-modellen die zich richten op het genereren van antwoorden, is BotPsy gebouwd om de juiste tool-aanroepen over meerdere stappen te doen. Tether zegt dat dit ontwerp praktische taken kan ondersteunen, zoals het organiseren van activiteiten, het versturen van berichten en zelfs het regelen van reizen.

Eén ACEBench-scenario illustreerde dit gedrag. Een eerste poging om een bericht te versturen mislukte door een gebrek aan Wi-Fi-verbinding en een volledige inbox. BotPsy detecteerde beide obstakels, activeerde Wi-Fi, maakte inboxruimte vrij en verstuurde vervolgens het bericht. Een basismodel zou daarentegen doorgaans dezelfde mislukte actie herhaaldelijk opnieuw proberen.

Het model kan ook bepalen wanneer geen enkele beschikbare tool nodig is om een verzoek af te handelen, in plaats van een onnodige aanroep te doen. Tether noemt deze mogelijkheid belangrijk voor assistenten die tal van acties moeten uitvoeren en inhoud moeten aanpassen.

Lokale AI kan de afhankelijkheid van gecentraliseerde servers verminderen

BotPsy is gebaseerd op Alibaba's open-source Qwen3.5 en is, met 0,8 miljard parameters — de interne gewichten waaruit een model bestaat — klein genoeg om op persoonlijke hardware te draaien, waardoor verzoeken lokaal kunnen worden afgehandeld. Die verwerking op het apparaat beperkt de hoeveelheid gevoelige informatie — e-mails, contacten, agenda's en meer — die naar centrale aanbieders moet worden verzonden.

Tether-CEO Paolo Ardoino merkte op dat gebruikers met lokale AI meer controle hebben over de verwerking van hun persoonlijke gegevens en de toegankelijkheid van de diensten voor hun assistent, wat de nadruk van het bedrijf op privacy op het apparaat onderstreept.

BotPsy breidt het QVAC-ecosysteem van Tether uit, een reeks modellen die ook VisionPsy omvat, dat visuele vraag-antwoord-taken aanpakt; TranscribePsy, dat spraak behandelt; en TranslatePsy, dat vertaaltaken uitvoert. Samen laat deze reeks zien dat Tether zijn on-device AI-aanbod uitbreidt over visuele, spraak- en vertaaltaken.

Bron: Crypto Ninjas