# Tether lanza BotPsy, un modelo abierto de 0,8B para usar herramientas en el dispositivo

> Tether AI Research dice que su modelo basado en Qwen3.5 duplica a su base en benchmarks de agentes y le gana a uno de 2B en cinco de seis, según sus propias pruebas.

Fuente: Promptea — https://www.promptea.me/es/blog/tether-botpsy-0-8b-modelo-abierto-function-calling-local · Idioma: Español · Última actualización: 2026-11-11

Publicada: 2026-11-11 · Fecha del hecho: 2026-11-11 · Categoría: open-source · Autoría: Promptea Editorial

**Resumen:** Tether AI Research publicó BotPsy-0.8B, un modelo de pesos abiertos bajo Apache 2.0, ajustado desde Qwen3.5-0.8B para function calling y tareas de agentes en varios pasos en dispositivos locales. Tether reporta grandes mejoras frente a su base y frente a Qwen3.5-2B-Think en la mayoría de los benchmarks de herramientas, y reconoce búsqueda abierta floja, conocimiento limitado y un 31% de respuestas inseguras ante prompt injection.

Tether AI Research, la unidad de IA del emisor de stablecoins Tether, publicó hoy [BotPsy-0.8B](https://huggingface.co/qvac/BotPsy-0.8B), un modelo de 800 millones de parámetros entrenado específicamente para function calling y trabajo de agentes en varios pasos, pensado para correr en celulares y notebooks. Los pesos están en Hugging Face bajo licencia Apache 2.0, en safetensors BF16 y en [versiones GGUF](https://huggingface.co/qvac/BotPsy-0.8B-GGUFs) BF16, Q8_0 y Q4_K_M para llama.cpp. El lanzamiento viene con un [informe técnico extenso](https://huggingface.co/blog/qvac/botpsy) con benchmarks y la receta de entrenamiento.

La propuesta es acotada y explícita: no todos los pasos de un agente necesitan un modelo de frontera. Un modelo chico que elija bien la herramienta, complete bien los argumentos y sepa abstenerse cuando ninguna herramienta sirve puede correr local, barato y sin mandar datos del usuario a una API en la nube. Tether dice que BotPsy rinde mejor en tareas de dificultad baja a media y que no está pensado como modelo de conocimiento.

## Lo que reporta Tether

Todos los números que siguen salen de la evaluación propia de Tether, corrida en modo thinking, con los benchmarks que usan APIs externas ejecutados el 3 de noviembre. Nadie los reprodujo de forma independiente todavía.

- **Aproximadamente el doble que su modelo base en uso de herramientas.** Frente a Qwen3.5-0.8B-Think, BFCL v4 pasa de 23,4 a 44,0, ACEBench de 30,1 a 58,7 y un puntaje combinado de τ-bench de 23,2 a 51,5.
- **Por delante de un modelo 2,5 veces más grande en cinco de seis benchmarks de agentes.** BotPsy supera a Qwen3.5-2B-Think en BFCL v4 (44,0 contra 37,7), ACEBench (58,7 contra 55,4), τ-bench (51,5 contra 46,5), ToolSandbox (64,6 contra 41,2) y BrowseComp-Plus (4,5 contra 2,8). Qwen3.5-2B-Think sigue adelante en Claw-Eval (48,9 contra 46,5).
- **Mejor para saber cuándo no llamar a una herramienta.** Saca 86,1 en las pruebas de alucinación de BFCL v4, el valor más alto de los cinco modelos comparados.
- **Seguimiento de instrucciones mucho más sólido.** IFEval sube de 59,7 a 90,8 e IFBench de 22,0 a 55,9.
- **Razonamiento más corto.** En las preguntas que todos los modelos respondieron bien, usó unos 3.690 tokens de razonamiento en GPQA Diamond contra 11.563 de su base, y los loops de razonamiento en IFBench bajaron del 22,9% al 1,4% de los intentos.

## Cómo se entrenó

BotPsy parte de Qwen3.5-0.8B y pasa por cuatro etapas: fine-tuning supervisado sobre conversaciones con herramientas, destilación on-policy desde tres modelos maestros Qwen3.5-4B especializados (uso de herramientas, razonamiento y seguimiento de instrucciones) y dos rondas de aprendizaje por refuerzo con DAPO sobre recompensas verificadas por reglas. La recompensa por llamadas a herramientas da crédito parcial por acertar el nombre de la herramienta, los nombres de los argumentos y sus valores, en lugar de un simple aprobado o desaprobado. Tether cuenta que la etapa de destilación hizo falta sobre todo para recuperar el conocimiento general y el seguimiento de instrucciones que el fine-tuning había degradado, un dato útil si estás tratando de especializar modelos chicos.

## Los puntos débiles, según la propia Tether

El informe es inusualmente franco sobre los límites. La búsqueda abierta sigue floja: BrowseComp-Plus da 4,5, el mejor del grupo pero bajo en términos absolutos, y BotPsy queda detrás de Qwen3.5-2B-Think en los subconjuntos de búsqueda web y memoria de BFCL. El conocimiento general sigue escalando con el tamaño, así que GPQA Diamond queda en 38,1 contra 59,9 del modelo de 2B. El seguimiento de instrucciones se degrada a medida que se acumulan turnos, y los puntajes en hindi (24,5) y ruso (57,6) quedan muy por debajo del rango de 72 a 80 en inglés, español y otros idiomas grandes. En el red-teaming automatizado de Tether, las respuestas inseguras bajaron del 36% al 21%, y bajo prompt injection del 46% al 31%. Es una mejora, pero igual significa que más o menos uno de cada tres ataques por inyección funcionó.

Hay además un matiz de licencia que conviene marcar. Los archivos del repositorio están bajo una licencia Apache 2.0 estándar, que permite uso comercial, pero el blog presenta el modelo como desarrollado "para apoyar usos de investigación y educación" y desaconseja usarlo en aplicaciones con dinero, datos personales, salud u otros temas sensibles. Si lo estás evaluando para un producto, leé la licencia y la sección de uso previsto juntas.

## Por qué importa

Para quien arma agentes, la pregunta práctica es el ruteo: qué pasos puede resolver un modelo local barato y cuáles necesitan uno grande alojado en la nube. BotPsy es un dato concreto de que un modelo de menos de 1B, entrenado con la combinación correcta de destilación y recompensas verificables, puede manejar razonablemente bien llamadas simples a herramientas y flujos estructurados de varios turnos, aunque sigue fallando en investigación abierta. Las cifras las reporta el propio fabricante, así que lo sensato es probarlo contra tus propios esquemas de herramientas antes de confiarle algo que actúe en nombre de un usuario.

## Puntos clave

- BotPsy-0.8B ya está en Hugging Face bajo Apache 2.0, con versiones GGUF para llama.cpp.
- Tether reporta 44,0 en BFCL v4 contra 23,4 de su base Qwen3.5-0.8B, y le gana a Qwen3.5-2B-Think en cinco de seis benchmarks de agentes.
- La búsqueda web abierta, el conocimiento general y los idiomas como hindi y ruso siguen siendo puntos débiles.
- Probalo con tus propios esquemas de herramientas antes de desplegarlo; el blog lo orienta a investigación y educación, no a usos sensibles.

## Por qué importa

- Los modelos locales chicos que llaman herramientas con confiabilidad permiten sacar los pasos rutinarios de un agente de los modelos alojados más caros.
- La receta de entrenamiento, que combina destilación desde maestros especializados con recompensas de crédito parcial, es un patrón reutilizable para especializar modelos chicos.
- Todas las mejoras en benchmarks son autorreportadas, y la propia documentación del modelo marca el prompt injection y los usos de alto riesgo como peligros.

## Fuentes

- [BotPsy: On-Device Personal Assistant with a Sub-Billion-Parameter Agentic Language Model](https://huggingface.co/blog/qvac/botpsy) — Tether AI Research (Hugging Face blog) (fuente primaria), consultada el 2026-11-11
- [qvac/BotPsy-0.8B model card](https://huggingface.co/qvac/BotPsy-0.8B) — Tether AI Research (Hugging Face) (fuente primaria), consultada el 2026-11-11
- [qvac/BotPsy-0.8B-GGUFs](https://huggingface.co/qvac/BotPsy-0.8B-GGUFs) — Tether AI Research (Hugging Face) (fuente primaria), consultada el 2026-11-11

> Nota de una sola fuente: BotPsy was announced by Tether AI Research on Hugging Face hours before publication. Both cited sources are Tether's own (the technical blog post and the model card); no independent coverage or third-party reproduction of the benchmark results was available yet, and Tether's own website could not be reached from our research environment. All performance figures are Tether's self-reported results.

*Investigada con asistencia de IA y verificada contra fuentes primarias antes de publicarse. Cada afirmación enlaza a su origen.*
