Tether udgiver BotPsy, lille sprogmodel til agent-opgaver på egen hardware

Tether AI Research har udgivet BotPsy, en sprogmodel på 0,8 milliarder parametre bygget oven på Qwen3.5-0.8B og målrettet funktionskald og agent-opgaver, der kan køres lokalt på egen hardware. Ifølge Tether slår BotPsy alle testede modeller op til 1,2 milliarder parametre på seks benchmarks for værktøjsbrug og agent-adfærd, herunder BFCL v4, ACEBench, τ-bench, ToolSandbox, Claw-Eval og BrowseComp-Plus. På BFCL v4 stiger scoren fra 23,4 for grundmodellen Qwen3.5-0.8B-Think til 44,0, og på ACEBench fra 30,1 til 58,7. Modellen slår også den 2,5 gange større Qwen3.5-2B-Think på fem af de seks benchmarks, blandt andet ToolSandbox med 64,6 mod 41,2. Tether oplyser desuden, at BotPsy bruger omkring tre gange færre reasoning-tokens end grundmodellen på GPQA Diamond. Modellen udgives med åbne vægte under Apache 2.0-licensen i bf16, Q8 og Q4, som safetensors på Hugging Face og som GGUF-filer til QVAC SDK og llama.cpp.