The Pulse
Tether presenta BotPsy, un modello agentico da 0,8 miliardi di parametri eseguibile sul dispositivo
Tether AI Research ha presentato BotPsy, un piccolo modello progettato per usare strumenti sul dispositivo dell’utente. Il team riferisce miglioramenti nei benchmark per gli agenti, ma precisa che il modello commette errori e non è destinato a decisioni ad alto impatto.

Tether AI Research ha presentato in un post pubblicato su Hugging Face BotPsy, un modello da 0,8 miliardi di parametri progettato per usare strumenti ed essere eseguito sul dispositivo dell’utente. Il modello si basa su Qwen3.5-0.8B ed è destinato a compiti da assistente personale che vanno dalle ricerche sul web e dalla gestione dei calendari a quella di file e messaggi.
Gli sviluppatori affermano che il modello è più adatto a compiti di difficoltà medio-bassa e può commettere errori. Lo descrivono come un progetto di ricerca e didattico, piuttosto che come un modello destinato a decisioni automatizzate ad alto impatto.
Pesi e usi previsti
Il repository del modello contiene i pesi BF16 nel formato safetensors di Hugging Face, sotto licenza Apache 2.0. Un repository collegato contiene file GGUF nei formati BF16, Q8_0 e Q4_K_M per llama.cpp e QVAC SDK.
Oltre ai compiti legati alla produttività e alla ricerca, il team elenca il controllo di dispositivi e veicoli, i viaggi, il commercio e le operazioni rivolte ai clienti tra gli ambiti in cui un assistente potrebbe usare strumenti. Tether afferma che BotPsy è stato addestrato e testato principalmente in inglese, la lingua consigliata per il suo utilizzo.
Risultati dei benchmark
Il team riferisce che BotPsy si è classificato primo tra i cinque modelli testati in cinque dei sei benchmark per l’uso di strumenti e per gli agenti, nei quali è stato confrontato anche con Qwen3.5-2B-Think. Su BFCL v4, BotPsy ha ottenuto un punteggio di 44,0, contro 23,4 per il suo modello di base e 37,7 per il modello Qwen più grande; su ACEBench, i rispettivi punteggi sono stati 58,7, 30,1 e 55,4.
Su Claw-Eval, il modello Qwen più grande ha ottenuto 48,9 contro 46,5 di BotPsy, secondo i risultati pubblicati. Il team riferisce inoltre che BotPsy ha ottenuto 4,5 su BrowseComp-Plus, il punteggio più alto tra i cinque modelli testati ma basso in termini assoluti.
I ricercatori hanno raggruppato gli scenari per applicazione e complessità. Riferiscono un punteggio complessivo di 75 per gli scenari semplici che prevedono una singola chiamata a uno strumento, contro 39,5 per gli scenari complessi che prevedono più turni o strumenti; i punteggi complessivi sono stati calcolati come media su tutti gli scenari.
Addestramento e limiti
BotPsy è stato sottoposto a quattro fasi sequenziali di post-addestramento: fine-tuning supervisionato, distillazione on-policy con più modelli insegnanti e due cicli di apprendimento per rinforzo. Nella prima fase sono state utilizzate conversazioni che prevedevano l’uso di strumenti, comprese interazioni simulate su più turni e casi in cui non si dovrebbe chiamare alcuno strumento.
Durante la distillazione, il modello ha generato risposte mentre modelli insegnanti specializzati fornivano feedback a livello di token. Le fasi di apprendimento per rinforzo hanno utilizzato ricompense calcolate tramite regole e verificatori; nell’ultima fase sono stati aggiunti compiti in ambiti che comprendono la matematica, il codice, gli output strutturati e l’uso simulato di strumenti sul posto di lavoro.
In test automatizzati su sei categorie di danno, il team ha rilevato che BotPsy ha prodotto risposte non sicure nel 21% dei casi, contro il 36% del suo modello di base. In presenza di attacchi di prompt injection, il tasso di risposte non sicure riportato è stato del 31%, contro il 46% del modello di base.
Tether afferma che il modello commette errori e non è destinato a decisioni automatizzate critiche per la sicurezza o ad alto impatto, né ad applicazioni che riguardano denaro, informazioni personali, salute e altri temi sensibili. Sebbene sia stato valutato anche in altre sette lingue, il team riferisce che i punteggi relativi alla capacità di seguire le istruzioni sono sostanzialmente più bassi in hindi e in russo rispetto alle altre lingue testate.
Fonti
Notizie correlate
- Google aggiunge l’input vocale e la riproduzione offline ad AI Edge Gallery
- AWS presenta un sistema di valutazione degli agenti di IA utilizzabile con diversi framework
- Plurai raccoglie 13 milioni di dollari e apre la sua piattaforma di simulazione per agenti
- rakumo porta un agente IA nei flussi di approvazione di fatture e preventivi
- Automattic lancia Spacefast per le app create dagli agenti