Tethers Mini-Agent BotPsy schlägt größere Modelle beim Steuern von Handy-Aufgaben

Worum es geht

Tether ist vor allem als Herausgeber von USDT bekannt, dem größten Stablecoin der Welt (eine Kryptowährung, deren Kurs an den US-Dollar gekoppelt ist). Seit einiger Zeit baut das Unternehmen unter dem Namen QVAC aber auch eine eigene KI-Sparte auf. Am Mittwoch, dem 11. November 2026, hat die Forschungsabteilung Tether AI Research QVAC BotPsy-0.8B veröffentlicht. Das ist ein kleines KI-Modell mit 800 Millionen Parametern, das Alltagsaufgaben auf persönlichen Geräten wie Smartphones erledigen soll.

BotPsy ist nicht als klassischer Chatbot gedacht, der nur Fragen beantwortet. Es ist ein Agent: Es soll selbst handeln. Dazu erkennt es, welche Werkzeuge eine App bereitstellt, führt Befehle in der richtigen Reihenfolge aus und ändert sein Vorgehen, wenn etwas schiefgeht. Die Gewichte sind als Open-Weight-Modell unter der Apache-2.0-Lizenz erschienen. Entwickler dürfen das Modell also herunterladen, verändern und in eigene Anwendungen einbauen, auch kommerziell. Zusätzlich gibt es komprimierte Versionen, die weniger Speicher brauchen.

Ein kleines Modell mit Spezialtraining

BotPsy basiert auf Qwen3.5-0.8B, einem kleinen Sprachmodell von Alibaba. Tether hat dieses Basismodell gezielt für den Umgang mit Software-Werkzeugen nachtrainiert. Im Fachjargon heißt das Tool Use oder Function Calling: Das Modell schreibt nicht nur Text, sondern erzeugt Funktionsaufrufe wie „WLAN einschalten“ oder „Termin verschieben auf 15 Uhr“. Die App führt diese Aufrufe dann tatsächlich aus.

Zum Vergleich: Die größten aktuellen Spitzenmodelle haben laut Decrypt Billionen Parameter. BotPsy ist also winzig. Genau das ist der Punkt. Ein so kleines Modell läuft direkt auf dem Handy oder Laptop, und persönliche Daten wie Nachrichten, Kalendereinträge oder Einstellungen müssen nicht an einen Cloud-Server geschickt werden.

Als Beispiel beschreibt Tether eine Situation aus dem Benchmark ACEBench. Ein Assistent soll eine Nachricht senden, aber das WLAN ist aus und das Postfach ist voll. BotPsy schaltete das WLAN ein, machte Speicherplatz frei und schickte die Nachricht ab. Das Basismodell versuchte dagegen immer wieder dieselbe fehlgeschlagene Aktion. Decrypt nennt das eine „ziemlich banale Leistung“, aber genau solche Probleme müssten Agenten außerhalb eines Chatfensters lösen können.

Laut Tether soll BotPsy außerdem erkennen, wann es überhaupt ein Werkzeug braucht, wann mehrere Schritte nötig sind und wann keines der verfügbaren Werkzeuge passt. Als Einsatzgebiete nennt das Unternehmen Termine verschieben, Erinnerungen anlegen und Probleme mit dem Handy beheben.

Die Zahlen: Benchmarks laut Tether

Tether hat fünf Modelle in sechs Agenten-Benchmarks getestet: BFCL v4, ACEBench, τ-bench, Claw-Eval, BrowseComp-Plus und ToolSandbox. Diese Tests prüfen unter anderem, ob ein Modell die richtige Funktion mit den richtigen Argumenten aufruft, auch über mehrere Gesprächsrunden hinweg. BotPsy erzielte in fünf der sechs Tests den besten Wert. Im Durchschnitt kam es auf 45,0 Prozent, das größere Qwen3.5-2B auf 38,8 Prozent. Laut dem spanischen Portal Crypto Economy schlug BotPsy alle getesteten Modelle mit 1,2 Milliarden Parametern oder weniger. Außerdem lag es vor Qwen3.5-2B-Think, der Variante mit Denkmodus.

In den vier Haupttests hat sich der Wert gegenüber dem Basismodell also ungefähr verdoppelt. Besonders groß ist der Sprung bei Aufgaben über mehrere Gesprächsrunden (BFCL Multi-Turn), wo das Basismodell nur auf 7,5 Punkte kam. Im Telekommunikations-Teil von τ-bench, der Support-Gespräche simuliert, erreichte BotPsy 82,5 Punkte. Im Halluzinationstest von BFCL kam es auf 86,1 Punkte, den höchsten Wert unter den von Tether geprüften Modellen. Dieser Test misst, ob ein Modell Funktionen erfindet oder aufruft, obwohl keine passende existiert.

Wichtig ist dabei: Alle Werte stammen aus Tethers eigenen Tests. Crypto Economy weist darauf hin, dass sie keine allgemeine Überlegenheit bei allen KI-Aufgaben belegen. Verglichen wurde BotPsy nur mit kleinen Modellen. Gegen große Modelle in der Cloud tritt es nicht an.

Teil des QVAC-Ökosystems

Tether hat QVAC im Mai 2025 als Alternative zu den KI-Diensten der großen Tech-Konzerne vorgestellt. Die Idee: KI soll auf Geräten laufen, die die Nutzer selbst kontrollieren, statt in zentralen Rechenzentren. Langfristig plant Tether laut Decrypt autonome Agenten, die Apps bedienen und womöglich auch mit Bitcoin und USDT bezahlen können.

Im Oktober 2025 kamen ein Datensatz mit 41 Milliarden Tokens für Modelle zu Wissenschaft und Technik hinzu und QVAC Workbench, eine App, mit der man KI-Modelle lokal ausführen kann. Anfang 2026 folgte ein SDK, also ein Entwickler-Baukasten für Offline-KI-Apps auf Mobil- und Desktop-Systemen. BotPsy gehört zur „Psy“-Familie, zu der auch VisionPsy (Bildverständnis), TranscribePsy (Spracherkennung), TranslatePsy (Übersetzung) und MedPsy gehören. Bei MedPsy übertraf die Version mit 1,7 Milliarden Parametern laut Tether Googles deutlich größeres MedGemma-27B im Test HealthBench Hard. Dieser Test bewertet realistische Arztgespräche nach Kriterien, die Mediziner entwickelt haben.

Einen fertigen Assistenten für Endkunden auf Basis von BotPsy gibt es noch nicht, und Tether hat auch keinen Termin genannt. Laut Modellkarte sind Trainingscode und Trainingsdaten nicht Teil der Veröffentlichung.

Was du zum Ausprobieren brauchst

Mit 800 Millionen Parametern ist BotPsy sehr genügsam. In voller Genauigkeit (BF16) belegt es etwa 1,6 GB. In einer 4-Bit-Quantisierung, bei der die Zahlen des Modells gröber gespeichert werden, sind es grob unter 1 GB, mit Puffer etwa 2 GB. Eine Grafikkarte brauchst du dafür nicht: Das Modell läuft auch flüssig auf normalen Prozessoren, auf Apple-Silicon-Macs und in Google Colab. Mit 8 GB Arbeitsspeicher und wenigen Gigabyte freiem Platz auf der Festplatte bist du gut ausgestattet. Für den Alltag gilt aber: Seine Stärken zeigt BotPsy erst, wenn du ihm Werkzeuge in Form von Funktionsdefinitionen gibst, etwa über ein Agenten-Framework. Als reiner Chatbot ist es zu klein für anspruchsvolle Gespräche.

Einordnung

BotPsy passt zu einem klaren Trend: Statt immer größerer Allround-Modelle werden kleine Modelle für einzelne Aufgaben spezialisiert. Wenn ein Modell mit 800 Millionen Parametern Werkzeuge zuverlässiger aufruft als eines mit 2 Milliarden, ist das für Smartphones interessant. Dort zählen Speicher, Akku und Datenschutz. Die Apache-2.0-Lizenz macht es Entwicklern leicht, BotPsy einzusetzen.

Es gibt aber Einschränkungen. Alle Benchmarks stammen von Tether selbst, und verglichen wurde nur mit kleinen Qwen-Modellen. Wie sich BotPsy gegen andere spezialisierte Tool-Modelle schlägt, ist offen. Ebenso offen ist, wie es sich in echten Apps mit unsauberen Daten verhält. 44 Prozent in BFCL v4 bedeuten auch, dass viele Aufgaben noch scheitern. Für einen Assistenten, der auf dem Handy selbstständig Einstellungen ändert, ist das noch keine verlässliche Grundlage. Weil Trainingsdaten und Trainingscode fehlen, lässt sich das Ergebnis außerdem nicht nachbauen. Bemerkenswert bleibt, dass ein Krypto-Unternehmen inzwischen regelmäßig konkurrenzfähige kleine Modelle veröffentlicht.