BotPsy, el agente de IA de 0,8B de Tether que corre en el móvil

Qué ha ocurrido

Tether AI Research, la división de investigación de Tether Data, anunció el 11 de noviembre de 2026 QVAC BotPsy, un modelo de lenguaje de 0,8 mil millones de parámetros (0,8B) diseñado para convertir peticiones en llamadas a herramientas y pensado para ejecutarse en el propio dispositivo, sin enviar los datos a un servidor. El modelo se publica con pesos abiertos bajo licencia Apache 2.0, en tres precisiones (BF16, Q8 y Q4), como safetensors de Hugging Face y como archivos GGUF para llama.cpp y el SDK de QVAC.

BotPsy no es una arquitectura nueva: parte de Qwen3.5-0.8B, el modelo abierto de Alibaba, y se obtiene tras un post-entrenamiento en cuatro fases. La compañía lo presenta como un asistente personal capaz de actuar en ámbitos como el correo y los mensajes, el calendario, los archivos, el comercio y las finanzas, y el control de dispositivos. Su argumento central es el tamaño: con 0,8B de parámetros cabe en la memoria de un teléfono, y las peticiones se procesan en local.

Qué es y cómo se entrena

La tarjeta del modelo y el blog de Hugging Face describen un proceso de cuatro etapas. La primera es un ajuste fino supervisado sobre conversaciones de uso de herramientas, que incluyen trayectorias de agente de varios turnos, llamadas simples, paralelas y de varios pasos, y casos en los que no debe llamarse a ninguna herramienta. La segunda es una distilación on-policy con varios profesores, en la que tres modelos Qwen3.5-4B, entrenados con refuerzo para uso de herramientas, razonamiento general y seguimiento de instrucciones, corrigen token a token las respuestas del estudiante. Las dos últimas son rondas de aprendizaje por refuerzo con el sistema DAPO y una recompensa que da crédito parcial cuando coinciden el nombre de la herramienta, los nombres de los argumentos y sus valores, en lugar de puntuar cada llamada como acierto o fallo.

El resultado, según las propias mediciones de Tether, es que BotPsy duplica aproximadamente la capacidad agente de su modelo base. En BFCL v4 pasa de 23,4 a 44,0; en ACEBench, de 30,1 a 58,7; en τ-bench, de 23,2 a 51,5; y en ToolSandbox, de 30,5 a 64,6. En los seis benchmarks agentes evaluados, supera a todos los modelos de hasta 1,2B que probó la compañía y a Qwen3.5-2B-Think, un modelo 2,5 veces mayor, en cinco de los seis.

Lo que dicen los benchmarks y qué los matiza

El titular de Tether, un modelo que vence a otro 2,5 veces más grande, depende del aparato de medición. En BFCL v4, BotPsy obtiene 44,0 en el harness de Tether, frente a 37,7 de Qwen3.5-2B-Think. Pero la propia tarjeta de Qwen asigna a ese modelo 43,6, a menos de 0,4 puntos de BotPsy, y a la base de 0,8B 25,3, frente a los 23,4 que mide Tether. La diferencia está en la configuración: la tarjeta de Qwen usa una temperatura de muestreo de 1,0 y la evaluación de Tether usa 0,3. Los dos números no son directamente comparables, y el margen de BFCL v4 depende del setup.

La comparación también tiene límites en su alcance. Tether lo ha medido con cinco modelos que seleccionó y un harness compartido, y ninguna de las cifras había sido replicada de forma independiente a 11 de noviembre. Un artículo de investigadores de Amazon ya documentó que el formato del historial multi-turno puede mover la precisión de BFCL entre un 6 % y un 8 % en modelos Qwen; un análisis independiente de BFCL v4, τ²-Bench y otros entornos encontró 92 desacuerdos entre evaluador y humano en 496 tareas, un 18,5 %. Las diferencias de una fracción de punto están, por tanto, dentro del ruido de la propia medición.

Donde la ventaja sí es amplia es en ToolSandbox (64,6 frente a 41,2), un benchmark en el que la tarjeta de Qwen no publica puntuación. Donde BotPsy pierde es en Claw-Eval (46,5 frente a 48,9), en la búsqueda web abierta (14,0) y en la memoria (16,3), donde el modelo mayor sigue por delante. En τ³-banking, la variante de banca de τ-bench, BotPsy se quedó en 4,1, igual que su base, y ningún modelo evaluado superó el 5.

Seguridad y limitaciones

La tarjeta del modelo es explícita sobre dónde no debe usarse: no está previsto para decisiones automatizadas de alto riesgo ni para aplicaciones que impliquen dinero, información personal, salud u otros temas sensibles. Es una tensión aparente con su propia promoción, que cita la banca, el correo y los pagos entre sus casos de uso.

Los datos de seguridad de la propia compañía explican por qué. En sus pruebas de red-teaming automático, BotPsy respondió de forma insegura el 21 % de las veces, frente al 36 % de su modelo base. Bajo ataques de inyección de prompts, cuando un agente lee un texto no fiable como el cuerpo de un correo, la tasa de respuestas inseguras fue del 31 %, frente al 46 % de la base. Casi una de cada tres respuestas sigue siendo insegura en ese escenario.

La ejecución local tampoco elimina la superficie de ataque, porque el agente sigue teniendo herramientas que puede activar. Guías de la Cloud Security Alliance para agentes autoalojados recomiendan denegar por defecto la salida de red, y la propia Tether dice que las aplicaciones deberán aportar las conexiones, los permisos y los controles de ejecución. La procedencia de los pesos también importa: BotPsy hereda la arquitectura y los pesos de Alibaba, y la tarjeta no describe ninguna auditoría de esos pesos base.

Por qué importa

El movimiento no es menor. Tether, la empresa conocida por la stablecoin USDT, está construyendo con QVAC un ecosistema de modelos especializados y abiertos, VisionPsy para visión, TranscribePsy para voz, MedPsy para salud y TranslatePsy para traducción, que según su hoja de ruta deberían combinarse en un asistente personal que viva en el dispositivo del usuario. El CEO de Tether, Paolo Ardoino, lo resume así. «Un asistente que gestiona tu calendario, tus mensajes y tus documentos necesita acceso a tu información más personal», y ejecutar la IA en local reduce la necesidad de enviarla a proveedores centralizados.

Para el ecosistema, la apuesta refuerza una tendencia clara: en lugar de depender de modelos cada vez más grandes, se puede especializar un modelo pequeño para una tarea concreta y hacerlo viable en un teléfono. También es una señal de que el entrenamiento con destilación de profesores y recompensas parciales puede mover mucho la agencia de un modelo sin cambiar su tamaño.

Pero el lanzamiento ilustra la brecha entre lo abierto y lo abierto. Tether califica el lanzamiento como de código abierto en un apartado del blog, aunque lo preciso es pesos abiertos: los pesos son descargables, pero el código de entrenamiento y los datos no se publican, y uno de los conjuntos fue un conjunto sintético no publicado generado con Qwen3.5-9B y Qwen3.6-27B. La Open Source AI Definition 1.0 de la Open Source Initiative pide precisamente código de entrenamiento e información detallada de los datos junto a los pesos. Sin ellos, el modelo se puede adaptar y desplegar, pero no reproducir.

Lo que sigue sin saberse

No hay una sola medida de rendimiento en un teléfono real: Tether no publica tokens por segundo, consumo de memoria ni batería, y solo dice que su tamaño reduce la memoria necesaria para guardar los pesos. Una estimación aproximada sitúa los pesos BF16 en unos 1,8 gigabytes y la versión Q8 en cerca de un gigabyte, antes de la caché de contexto. Tampoco hay una reproducción independiente de los benchmarks, y la propia tarjeta advierte de que Hugging Face muestra unos 0,9B de parámetros frente a los 0,8B del nombre, probablemente por el codificador de visión que BotPsy usa en modo texto.

La pregunta que deja el lanzamiento es la misma que la abre. Si un modelo de 0,8B puede gestionar correos, calendarios y pagos con una tasa de respuestas inseguras del 31 % bajo inyección de prompts, la promesa de la IA local no se mide solo en precisión, sino en quién controla las herramientas y las conexiones que el modelo puede activar en tu dispositivo.