Saltar al contenido
Fuentes. Contexto. Criterio.SEÑALIA SIN RUIDOBoletín gratis
martes, 17 de noviembre de 2026
ModelosNoticia · 2 min de lecturaAnuncio de la empresaConfianza media

Tether lanza BotPsy, un agente de 0,8B parámetros con pesos abiertos para el móvil

Redacción automática SEÑALResponsable editorial: Sergio SallaveraEl hecho: 11 nov 2026

Tether AI Research ha presentado BotPsy, un modelo de 0,8B parámetros afinado para llamar a herramientas y ejecutar tareas de agente, con pesos abiertos en Apache 2.0 y pensado para ejecutarse en el dispositivo. Su laboratorio lo sitúa por delante de Qwen3.5-2B-Think en cinco de seis pruebas de agentes, con benchmarks medidos por ellos mismos.

Qué ha ocurrido

Tether Data, S.A. de C.V. —la firma que opera bajo el nombre Tether AI Research— ha publicado en el blog de Hugging Face BotPsy, un modelo de 0,8B parámetros construido sobre Qwen3.5-0.8B y entrenado para usar herramientas: búsquedas web, calendario, correo, mensajería, compras o control del dispositivo. Es el tercer lanzamiento que la firma anuncia en ese blog tras TranscribePsy (reconocimiento de voz) y el corpus Genesis III.

El entrenamiento recorre cuatro etapas —ajuste supervisado, destilación on-policy desde tres docentes Qwen3.5-4B y dos rondas de refuerzo con recompensas verificables— y el resultado se publica con pesos abiertos en Apache 2.0, en tres precisiones (bf16, Q8, Q4), como archivos de pesos de Hugging Face y como GGUF para llama.cpp y el SDK QVAC de Tether.

Por qué importa

Todos los números del anuncio los ha medido el propio laboratorio, que evalúa en modo razonamiento y publica medias de dos o tres pasadas. \n\nCon esa cautela, BotPsy duplica a su base en herramienta-agente (BFCL v4: 44,0 frente a 23,4; τ-bench: 51,5 frente a 23,2) y supera a Qwen3.5-2B-Think —2,5 veces su tamaño— en cinco de seis pruebas: solo pierde en Claw-Eval (46,5 contra 48,9).\n\nEl patrón encaja con la tesis del sector de que las cargas rutinarias pueden resolverse en el dispositivo sin llamar a un modelo de frontera.

  • El propio informe marca los límites: es un modelo pequeño pensado para tareas de dificultad baja o media, no apto para decisiones de riesgo, dinero ni datos sensibles.

  • Sus puntos débiles: la búsqueda profunda (BrowseComp-Plus: 4,5) queda baja en términos absolutos, y en τ³-banking ningún modelo del grupo pasa de 5. En idiomas de bajos recursos flaquea: Multi-IF le da 24,5 en hindi y 57,6 en ruso frente al 72-80 del inglés, español, chino, francés, italiano y portugués.

Qué cambió

AntesUsar herramientas desde el teléfono pasaba casi siempre por un modelo de frontera en la nube, con su coste variable y sus datos fuera del dispositivo.
AhoraTether publica con pesos abiertos un agente de 0,8B afinado para llamadas a herramientas que, en sus propios benchmarks, rinde por encima de modelos del doble de su tamaño.
ConsecuenciaLos desarrolladores pueden probar agentes locales en GGUF para llama.cpp o el SDK QVAC; si terceros confirman las cifras, baja el umbral de precio y privacidad para el asistente en el bolsillo.

Qué sabemos · qué no

Confirmado

  • Modelos entrenados por Tether AI Research y publicados con pesos abiertos en Apache 2.0, en bf16, Q8 y Q4, en pesos de Hugging Face y en GGUF.
  • BotPsy parte de Qwen3.5-0.8B y se afina en cuatro etapas: SFT, destilación on-policy y dos rondas de RL con recompensas por reglas.
  • En los benchmarks internos, supera a los modelos probados de hasta 1,2B en las seis pruebas de agentes y a Qwen3.5-2B-Think en cinco de seis.
  • En las pruebas de inyección de prompt del red-teaming interno, su tasa de respuestas inseguras baja del 46 % de su base al 31 %.
  • BotPsy es un modelo de 0,8B parámetros derivado de Qwen3.5-0.8B, presentado por Tether AI Research en el blog de Hugging Face el 11 de noviembre de 2026.
  • Tether lo libera con pesos abiertos en Apache 2.0 en bf16, Q8 y Q4, como archivos de pesos y GGUF para llama.cpp y QVAC SDK.
  • En sus benchmarks, duplica a su base (BFCL v4 44,0 vs 23,4; τ-bench 51,5 vs 23,2) y gana a Qwen3.5-2B-Think en cinco de seis pruebas de agentes.

Todavía no

  • Que nadie ajeno a Tether haya reproducido las puntuaciones: los seis benchmarks de agentes y los de conocimiento los corre el propio laboratorio, que no publica logs ni configuración más allá de sus notas.
  • La disponibilidad exacta de los pesos en el momento del anuncio: el texto anuncia una publicación futura («will be released») sin fecha dura ni enlace estable.
  • El consumo real en un móvil: las cifras de eficiencia (por ejemplo, 3× menos tokens de razonamiento que su base en GPQA Diamond) miden tokens, no latencia ni batería en hardware real.
  • En qué productos de Tether (Hypersearch, SDK QVAC) llegará integrado y con qué condiciones de uso comercial, más allá de la licencia Apache 2.0.
  • Ninguna evaluación independiente reproduce aún las puntuaciones: las seis pruebas de agentes, las de conocimiento y el red-teaming las publica el propio laboratorio.
  • La fecha exacta y los enlaces estables de descarga de los pesos: el blog anuncia la publicación sin una fecha dura.
  • El rendimiento real en móviles: la eficiencia medida son tokens de razonamiento, no latencia ni consumo en hardware del usuario.
  • El uso comercial de la marca: la licencia es Apache 2.0 pero el texto limita el uso a investigación y educación, y Tether no detalla soporte ni producto de pago.

La misma claridad, en tu correo.

IA HOY, gratis de lunes a viernes, con fuentes y contexto.

Para ir al grano técnico

Qué vigilamos ahora

Si aparecen evaluaciones externas sobre los GGUF publicados y de qué productos de Tether (Hypersearch, QVAC) llega BotPsy integrado en los próximos meses.

Fuentes

Naturaleza de la afirmación principal: Anuncio de la empresa. Información respaldada por fuentes, con aspectos pendientes de contraste.

  1. Hugging Face Blog — Tether AI Research · nivel 1 · primaria · consultada 11 nov 2026

Más sobre

IA HOY · de lunes a viernes

La misma claridad,
cada día, en tu correo.

Una noticia principal, una selección breve y el contexto o las dudas que conviene seguir. Con fuentes y sin rellenar cupos.

Ver una edición de ejemplo

Para seguir leyendo