Tether AI Research مدل BotPsy را معرفی کرده است؛ مدلی با ۰٫۸ میلیارد parameter، ساخته‌شده بر پایه Qwen3.5-0.8B که برای function calling و اجرای کارهای agentic روی دستگاه طراحی شده است. این دستیار از ابزارها برای کارهایی مانند جست‌وجوی وب، مدیریت تقویم و پیام‌ها، کار با فایل‌ها و کنترل دستگاه استفاده می‌کند. تیم سازنده آن را مناسب کارهای با دشواری کم تا متوسط می‌داند، نه کاربردهای حساس و پرخطر.
تمرکز اصلی گزارش، توانایی استفاده از ابزار است. طبق نتایج منتشرشده، BotPsy در هر شش benchmark مربوط به استفاده از ابزار و کارهای agentic از مدل‌های آزمایش‌شده با حداکثر ۱٫۲ میلیارد parameter جلو افتاده است. در مقایسه با Qwen3.5-0.8B-Think، امتیاز BFCL v4 از ۲۳٫۴ به ۴۴٫۰ و ACEBench از ۳۰٫۱ به ۵۸٫۷ رسیده است. میانگین امتیاز بخش‌های خرده‌فروشی، مخابرات و بانکداری τ-bench نیز از ۲۳٫۲ به ۵۱٫۵ افزایش یافته است.
BotPsy در پنج مورد از شش benchmark حتی از Qwen3.5-2B-Think، با اندازه‌ای ۲٫۵ برابر، امتیاز بیشتری گرفته است. استثنا Claw-Eval است که مدل بزرگ‌تر با امتیاز ۴۸٫۹ در برابر ۴۶٫۵ جلو می‌ماند. تیم همچنین به توانایی agent در خودداری از فراخوانی ابزار نامناسب اشاره می‌کند: BotPsy در آزمون BFCL v4 برای تشخیص نبود ابزار مناسب، امتیاز ۸۶٫۱ را ثبت کرده است.
پیروی از دستورها نیز بهبود یافته؛ برای نمونه امتیاز IFEval از ۵۹٫۷ به ۹۰٫۸ رسیده است. بااین‌حال، گزارش تصریح می‌کند که با انباشته‌شدن دستورها کیفیت افت می‌کند و عملکرد در زبان‌های کم‌منبع ضعیف‌تر است. بنابراین نتایج کلی را نباید نشانه‌ای از کیفیت یکسان در همه زبان‌ها دانست.
در آزمون‌های خودکار ایمنی، نرخ پاسخ ناامن ۲۱ درصد گزارش شده، در برابر ۳۶ درصد برای مدل پایه. زیر حمله‌های prompt injection نیز این نرخ از ۴۶ به ۳۱ درصد کاهش یافته است؛ پس خطر همچنان باقی است.
طبق اعلام تیم، وزن‌های BotPsy قرار است با مجوز Apache 2.0 برای استفاده پژوهشی و آموزشی منتشر شوند. قالب‌های اعلام‌شده safetensors و GGUF با دقت‌های bf16، Q8 و Q4 هستند و QVAC SDK و llama.cpp نیز در مسیر استفاده از آن ذکر شده‌اند.
