Tether wprowadził QVAC BotPsy, model AI o otwartych wagach zaprojektowany do wykonywania rzeczywistych zadań poprzez aplikacje i narzędzia zewnętrzne. Mimo że posiada jedynie 0,8 miliarda parametrów, model przewyższył większe systemy w sześciu testach agentowych zorganizowanych przez Tether — wynik, który według firmy wskazuje na potencjał specjalnie zaprojektowanej AI do obsługi codziennych potrzeb bezpośrednio na urządzeniach indywidualnych. Ogłoszenie zostało opublikowane 11 listopada 2026 roku wraz z wynikami benchmarków porównującymi model z większymi konkurentami.

Wraz z wydaniem Tether — firma najbardziej znana z emisji stablecoina USDT — dąży do przeniesienia bardziej zaawansowanych asystentów AI na urządzenia osobiste i z dala od scentralizowanych serwerów, pozycjonując małe, wyspecjalizowane modele jako alternatywę dla przetwarzania w chmurze.

Tether podał tę wiadomość poprzez swoje oficjalne konto X (Twitter) 11 listopada:

Agent AI Tethera o 800M pokonuje modele 2,5 raza większe w codziennych zadaniach telefonicznych. Dowiedz się więcej:

— Tether (@tether) 11 listopada 2026

Wyższe wyniki niż większe modele w sześciu benchmarkach

Według Tether QVAC BotPsy przewyższył wszystkie modele o 1,2 miliarda parametrów lub mniej w sześciu benchmarkach agentowych: BFCL v4, ACEBench, τ-bench, Claw-Eval, BrowseComp-Plus i ToolSandbox. Benchmarki tego typu oceniają, czy model może łączyć wywołania narzędzi w wielu krokach, aby wykonać zadanie, a nie jedynie generować odpowiedź tekstową.

W czterech kluczowych metrykach BotPsy niemal podwoił wyniki zanotowane przez swoją architekturę bazową, Qwen3.5-0.8B-Think. Jego wynik BFCL v4 wzrósł z 23,4 do 44,0, a wynik ACEBench z 30,1 do 58,7. Model uzyskał także 51,5 w τ-bench i 64,6 w ToolSandbox.

Tether twierdzi również, że BotPsy przewyższa Qwen3.5-2B-Think Alibaby — model z 2,5 raza większą liczbą parametrów. W BFCL multi-turn tool calling BotPsy zdobył 46,1 punktu wobec 23,8 większego modelu, podczas gdy jego architektura bazowa uzyskała 7,5 punktu.

W dalszych porównaniach przywołanych przez Tether BotPsy znacząco wyprzedził MiniCPM5-1B-Think z wynikiem 82,5, przyćmił Qwen3.5-2B-Think z wynikiem 69,3 i minimalnie pokonał LLama3-3B-Think z wynikiem 74,4.

Firma przedstawiła wyniki jako wskazówkę, że dostosowana AI może obsługiwać codzienne potrzeby na indywidualnych urządzeniach, zamiast polegać na większych, ogólnego przeznaczenia systemach. Dane pochodzą z porównań zorganizowanych przez sam Tether, choć wydanie modelu z otwartymi wagami pozostawia zewnętrznym deweloperom możliwość pobrania go i przeprowadzenia własnych ewaluacji.

Zamiana codziennych żądań w działania

W przeciwieństwie do konwencjonalnych modeli AI skupionych na generowaniu odpowiedzi, BotPsy został zbudowany, aby wykonywać właściwe wywołania narzędzi w wielu krokach. Tether twierdzi, że ta konstrukcja może wspierać praktyczne zadania, takie jak organizowanie aktywności, wysyłanie wiadomości, a nawet planowanie podróży.

Jeden ze scenariuszy ACEBench zilustrował to zachowanie. Początkowa próba wysłania wiadomości nie powiodła się z powodu braku łączności Wi-Fi i przepełnionej skrzynki odbiorczej. BotPsy wykrył obie przeszkody, włączył Wi-Fi, zwolnił miejsce w skrzynce, a następnie dostarczył wiadomość. Model bazowy w przeciwieństwie do tego zwykle wielokrotnie ponawiałby tę samo nieudaną akcję.

Model może również określić, kiedy do obsługi żądania nie jest potrzebne żadne dostępne narzędzie, zamiast wykonywać niechciane wywołanie. Tether opisuje tę zdolność jako istotną dla asystentów, którzy muszą wykonywać liczne działania i modyfikować treści.

Lokalna AI może zmniejszyć zależność od scentralizowanych serwerów

BotPsy jest oparty na otwartoźródłowym Qwen3.5 Alibaby i, przy 0,8 miliarda parametrów — wewnętrznych wagach tworzących model — jest na tyle mały, aby działać na osobistym sprzęcie, co oznacza, że żądania mogą być obsługiwane lokalnie. Takie przetwarzanie na urządzeniu ogranicza ilość wrażliwych informacji — e-maili, kontaktów, kalendarzy i innych — które muszą być wysyłane do centralnych dostawców.

CEO Tether, Paolo Ardoino, zauważył, że dzięki lokalnej AI użytkownicy będą mieli większą kontrolę nad przetwarzaniem swoich danych osobowych i dostępnością usług dla swojego asystenta, podkreślając nacisk firmy na prywatność na urządzeniu.

BotPsy rozszerza ekosystem QVAC rozwijany przez Tether — rodzinę modeli obejmującą również VisionPsy, który zajmuje się odpowiadaniem na pytania wizualne; TranscribePsy, który obsługuje mowę; oraz TranslatePsy, który realizuje zadania tłumaczeniowe. Razem ta oferta pokazuje, jak Tether buduje swoją strategię AI na urządzeniach w zakresie zadań wizualnych, mowy i tłumaczenia.

Źródło: Crypto Ninjas