Tether AI lança BotPsy, modelo de 0,8B que roda agentes no aparelho
Criado sobre o Qwen3.5-0.8B, o sistema usa ferramentas locais e supera rivais maiores em testes de automação e atendimento.
Edição: Anderson Gomes
· 3 min de leitura

A Tether AI Research lançou em 11 de novembro de 2026 o BotPsy, um modelo de 0,8 bilhão de parâmetros criado para acionar ferramentas e executar tarefas no dispositivo do usuário. Construído sobre a base do Qwen3.5-0.8B, o sistema superou concorrentes com mais do que o dobro do seu tamanho em cinco de seis testes técnicos de autonomia e chamadas de função. O modelo corta gastos com nuvem. A ferramenta atende quem precisa automatizar rotinas em arquivos, mensagens, calendário, finanças e pesquisas na web sem enviar dados privados para servidores externos.
Desempenho supera modelos com o dobro do tamanho
Nos testes divulgados pelos desenvolvedores, o BotPsy praticamente dobrou a capacidade do Qwen3.5-0.8B-Think nos principais referenciais do setor. O índice no BFCL v4 saltou de 23,4 para 44,0 pontos, enquanto o ACEBench subiu de 30,1 para 58,7 e o tau-bench foi de 23,2 para 51,5 na média dos cenários de varejo, telecomunicações e bancos. O modelo superou todos os rivais diretos. Ele bateu o LFM2.5-1.2B-Think, o MiniCPM5-1B-Think e superou o Qwen3.5-2B-Think no ToolSandbox (64,6 contra 41,2) e no BrowseComp-Plus (4,5 contra 2,8), perdendo apenas no Claw-Eval por 46,5 a 48,9.
A equipe avaliou o comportamento do modelo em diálogos longos que exigem seguir regras estritas e agir em favor do usuário. No teste tau²-bench para telecomunicações, o sistema marcou 82,5 pontos, contra 69,3 do Qwen3.5-2B-Think. A vantagem técnica se repetiu no comércio. O assistente alcançou 58,3 pontos em vendas e serviços e 46,1 no controle de aparelhos, superando o rival de 2 bilhões de parâmetros nas tarefas de múltiplos passos do BFCL v4 por 46,1 a 23,8, contra 7,5 da base original.
Arquitetura impõe limites em tarefas complexas
Os pesquisadores Milan Gritta, Jihye Back, JinUk Cho, ohjoon kwon, Patrik Lambert, Mathias Buus e Amril Nurman assinam a publicação pelo grupo qvac da Tether AI Research. A equipe distribuiu os pesos originais em formato safetensors e gerou versões GGUF sob as quantizações bf16, Q8 e Q4. Os arquivos rodam em computadores comuns. Para atender a eventuais disputas sobre direitos autorais, o laboratório disponibilizou o endereço de e-mail [email protected] para notificações formais.
Apesar dos índices favoráveis, os próprios criadores alertam que o BotPsy comete erros e não atende a operações de alto risco. O modelo lida melhor com demandas de complexidade baixa a média em setores como viagens, finanças, comércio e controle de veículos. O rendimento cai em idiomas com poucos recursos. A taxa de acertos também despenca quando as ordens se acumulam na conversa, já que o conhecimento amplo permanece limitado pelo tamanho físico de 0,8 bilhão de parâmetros.
O lançamento ataca os custos operacionais imprevisíveis de modelos proprietários hospedados em nuvem, cujos fornecedores podem alterar regras ou revogar acessos a qualquer momento. Ao executar agentes no próprio equipamento, o sistema protege a privacidade de dados corporativos e garante controle direto sobre os fluxos de trabalho. O processamento local elimina intermediários. Resta conferir o desempenho no uso diário, já que todas as marcas apresentadas partiram de testes do próprio laboratório, sem auditoria independente de terceiros.
- HuggingFace
- IA Local e Self-Hosted

Hob: Alternativa open-source a ChatGPT e Claude com IA local
· 2 min de leitura

Hugging Face lança AnySpeechRecognizer e AnyDecisionModel para iOS 26
· 3 min de leitura

MiniMax lança OpenAgentCore: OpenAI Agents API self-hosted em Go
· 2 min de leitura

Xiryn: agente pessoal open-source que roda 100% na sua máquina
· 3 min de leitura