\n
Tether AI Research lanz\u00f3 QVAC BotPsy-0.8B, un modelo de inteligencia artificial open-weight dise\u00f1ado para convertir solicitudes cotidianas en llamadas a herramientas de varios pasos desde dispositivos personales. Seg\u00fan el anuncio oficial<\/a>, el modelo cuenta con 800 millones de par\u00e1metros y fue evaluado en seis benchmarks agentic. Tether afirma que BotPsy super\u00f3 a todos los modelos probados con 1.200 millones de par\u00e1metros o menos y venci\u00f3 a Qwen3.5-2B-Think pese a ser 2,5 veces m\u00e1s peque\u00f1o.<\/strong> El lanzamiento ampl\u00eda el trabajo de la compa\u00f1\u00eda en agentes de IA<\/a> y ejecuci\u00f3n local.<\/p>\n <\/p>\n BotPsy fue evaluado en BFCL v4, ACEBench, \u03c4-bench, Claw-Eval, BrowseComp-Plus y ToolSandbox. En cuatro pruebas principales, aproximadamente duplic\u00f3 las puntuaciones de su arquitectura base Qwen3.5-0.8B-Think. BFCL v4 pas\u00f3 de 23,4 a 44,0; ACEBench de 30,1 a 58,7; \u03c4-bench de 23,2 a 51,5; y ToolSandbox de 30,5 a 64,6. La comparaci\u00f3n sugiere que la especializaci\u00f3n puede mejorar de forma sustancial el uso de herramientas sin aumentar el tama\u00f1o del modelo.<\/strong> El enfoque encaja con la estrategia de IA local QVAC<\/a>, centrada en hardware controlado por el usuario.<\/p>\n El modelo est\u00e1 pensado para tareas que requieren varias acciones, no una sola respuesta. Tether destac\u00f3 ejemplos como reprogramar reuniones, crear recordatorios y resolver problemas del tel\u00e9fono. En una prueba de ACEBench, BotPsy volvi\u00f3 a activar el Wi-Fi y liber\u00f3 espacio en la bandeja de entrada antes de enviar un mensaje fallido, mientras su modelo base repet\u00eda la misma acci\u00f3n. BotPsy est\u00e1 dise\u00f1ado para reconocer cu\u00e1ndo debe usar herramientas, cu\u00e1ndo hacen falta varios pasos y cu\u00e1ndo ninguna herramienta disponible resulta adecuada.<\/strong> Su arquitectura compacta sigue la misma direcci\u00f3n on-device que el QVAC SDK<\/a>.<\/p>\n Tether tambi\u00e9n report\u00f3 mejoras en tareas multi-turn y de telecomunicaciones. BotPsy obtuvo 46,1 en llamadas de herramientas multi-turn de BFCL, frente a 23,8 de Qwen3.5-2B-Think y 7,5 de su modelo base, mientras su puntuaci\u00f3n en telecom de \u03c4-bench alcanz\u00f3 82,5. Tambi\u00e9n logr\u00f3 86,1 en las pruebas de alucinaciones de BFCL, la mayor puntuaci\u00f3n entre los modelos evaluados por Tether. Los resultados publicados corresponden a los benchmarks de Tether y no demuestran una superioridad universal en todas las cargas de IA.<\/strong> BotPsy se suma a VisionPsy, TranscribePsy, MedPsy y TranslatePsy dentro del ecosistema QVAC, ampliando la familia de modelos on-device de Tether<\/a>. Sus pesos y detalles de evaluaci\u00f3n est\u00e1n disponibles para investigadores especializados.<\/p>\n","protected":false},"excerpt":{"rendered":" Puntos clave de la noticia: Tether lanz\u00f3 BotPsy-0.8B, un modelo open-weight de 800 millones de par\u00e1metros dise\u00f1ado para ejecutar tareas multietapa y usar herramientas desde dispositivos personales. En las pruebas de Tether, BotPsy super\u00f3 a Qwen3.5-2B-Think pese a ser 2,5 veces m\u00e1s peque\u00f1o y duplic\u00f3 las puntuaciones de su modelo base en cuatro benchmarks agentic. … <\/p>\nBotPsy apunta a tareas multietapa desde dispositivos personales<\/h2>\n
![\"Tether](\"https:\/\/crypto-economy.com\/es\/\/wp-content\/uploads\/sites\/4\/2026\/11\/Tether-800M-AI-Agent.jpg\")
<\/p>\n