← Toutes les actualités

Tether publie BotPsy, modèle d'agent embarqué de 0,8B : poids Apache 2.0, usage limité à la recherche et l'éducation

Selon le billet de blog Hugging Face publié le 11 novembre 2026, Tether AI Research présente BotPsy, un modèle de 0,8B entraîné à partir de Qwen3.5-0.8B, spécialisé dans l'appel de fonctions et les workflows d'agents, destiné au déploiement embarqué. Le fournisseur affirme qu'il dépasse la version de base sur cinq des six benchmarks d'utilisation d'outils, dont Qwen3.5-2B-Think qui compte 2,5 fois plus de paramètres, et qu'il ouvrira les poids sous licence Apache 2.0, à usage de recherche et d'éducation uniquement.

Publication Mise à jour
Image de couverture de l’article original — Tether publie BotPsy, modèle d'agent embarqué de 0,8B : poids Apache 2.0, usage limité à la recherche et l'éducation
Image de couverture de l’article originalArticle original ↗

Ce qui change

Selon le billet de blog Hugging Face du 11 novembre 2026, Tether AI Research lance BotPsy, un modèle à 0,8 milliard de paramètres entraîné à partir de Qwen3.5-0.8B, positionné sur l'appel de fonctions et les workflows d'agents, destiné au déploiement embarqué, avec des cas d'usage couvrant la recherche web et la recherche documentaire, les voyages et la vie quotidienne, le commerce et la finance, le contrôle d'appareils et de véhicules, les fichiers et documents, l'agenda, les e-mails et la messagerie. Le fournisseur affirme avoir à peu près doublé les capacités d'agent du modèle de base : BFCL v4 passe de 23,4 à 44,0, ACEBench de 30,1 à 58,7, τ-bench de 23,2 à 51,5. Il devance Qwen3.5-2B-Think, qui compte 2,5 fois plus de paramètres, sur cinq benchmarks — BFCL v4, ACEBench, τ-bench, ToolSandbox et BrowseComp-Plus — et n'est en retrait que sur Claw-Eval (46,5 contre 48,9). Sur les tâches multi-tours, BFCL v4 multi-tours passe de 7,5 à 46,1, et τ²-bench telecom atteint 82,5 ; le test d'hallucination BFCL donne 86,1, c'est-à-dire qu'en l'absence d'outil adapté le modèle tend davantage à refuser l'appel. Le fournisseur liste aussi des faiblesses : la recherche ouverte BrowseComp-Plus ne plafonne qu'à 4,5, BFCL recherche web à 14,0 et mémoire à 16,3, tous les modèles testés sur τ³-banking restent sous 5, et le scénario complexe de recherche d'informations à étapes multiples n'atteint que 15. L'entraînement se fait en quatre étapes de post-entraînement : apprentissage supervisé, distillation on-policy multi-enseignants (trois enseignants experts Qwen3.5-4B spécialisés respectivement dans l'usage d'outils, le raisonnement général et le suivi d'instructions), puis deux tours de renforcement DAPO fondés principalement sur des récompenses à base de règles et de validateurs, où la récompense d'appel d'outil attribue des points partiels au nom d'outil, au nom de paramètre et à la valeur de paramètre. L'éditeur annonce trois précisions bf16, Q8 et Q4, publiées en safetensors sur Hugging Face et en GGUF pour le SDK QVAC et llama.cpp, les poids étant ouverts sous licence Apache 2.0 pour des usages de recherche et d'éducation. Tous ces benchmarks sont auto-déclarés par le fournisseur ; les benchmarks via API externe ont été exécutés le 3 novembre 2026 et tous les modèles ont été évalués en mode réflexion.

Conséquences pour les développeurs

Du point de vue de l'intégration, le point notable n'est pas que « 0,8B peut en faire plus », mais que l'appel d'outils devient lui-même l'objectif central du post-entraînement d'un petit modèle. Selon le billet, parmi les quatre étapes, le premier tour d'apprentissage par renforcement est consacré à l'appel d'outils : la récompense vérifie d'abord le raisonnement et le format d'appel, puis attribue des points partiels au nom d'outil, au nom de paramètre et à la valeur de paramètre, au lieu d'une récompense binaire juste/faux. Cela déplace l'erreur du format vers les paramètres : lorsque le modèle produit un appel structurellement valide mais avec des valeurs de paramètres décalées, c'est votre couche d'outils qui absorbe le problème, d'où la nécessité de prévoir validation des paramètres, idempotence et mécanismes de retour arrière. Le chemin de déploiement est relativement familier. L'éditeur fournit deux dépôts, safetensors et GGUF, le GGUF étant destiné au SDK QVAC et à llama.cpp, ce qui signifie qu'il peut s'intégrer à une pile d'inférence locale existante plutôt que d'imposer un runtime dédié ; les trois niveaux de précision laissent aussi une marge d'arbitrage entre mémoire, latence et stabilité du format. Le profil de capacités délimite directement le périmètre produit. L'éditeur dit explicitement que le modèle est conçu pour « appeler un outil quand il ne sait pas », et que les connaissances générales restent principalement liées au nombre de paramètres : à taille égale, GPQA Diamond à 38,1 et MMLU-Pro à 48,9 le placent en tête de sa catégorie, mais loin derrière Qwen3.5-2B-Think, 2,5 fois plus grand (59,9 et 65,5) ; la qualité des résultats de recherche et des retours d'outils pèse donc davantage que les connaissances propres du modèle dans la réponse finale. Le gain est maximal en multi-tours, mais Multi-IF tombe à 51,0 dès que les instructions s'accumulent au troisième tour, et les langues à faibles ressources (hindi 24,5, russe 57,6) sont nettement en retrait de l'anglais, du chinois, du français, de l'espagnol, de l'italien et du portugais (plage 72–80). Cela signifie que la gestion d'état côté embarqué, la reformulation des instructions et la compression du contexte doivent être prises en charge par l'application ; il ne faut pas compter sur le modèle pour rester stable seul sur de longues sessions. Côté sécurité, le red teaming auto-déclaré donne 21 % de réponses non sûres (36 % pour la base) et 31 % sous injection de prompt (46 % pour la base) ; la proportion restante implique qu'une couche de politique externe reste nécessaire lors de la lecture de sorties d'outils non fiables.

Intégration et évaluation

Les points suivants sont des recommandations conditionnelles et des déductions analytiques, pas des déclarations de l'éditeur. Un, commencer par segmenter le trafic, pas par remplacer l'ensemble. Le billet montre des scores de 70–79 pour les appels uniques dans les différents groupes d'applications, 39,5 seulement en global sur les scénarios complexes, et 15 pour la recherche d'informations multi-étapes. On peut donc tracer une ligne : les appels uniques ou parallèles dont le schéma d'outil est explicite et dont les paramètres peuvent être complétés en amont vont au modèle embarqué ; les requêtes nécessitant exploration multi-tours ou recoupement de sources restent dans le cloud. La condition de déclenchement est que la part d'appels uniques dans votre historique de sessions soit suffisamment élevée et que la validation des paramètres puisse être externalisée hors du modèle ; sinon, les paramètres erronés produits par le modèle atteindront directement le système métier. Critères d'évaluation sur un échantillon de votre propre trafic : le taux de correspondance exacte des noms de fonctions et des valeurs de paramètres, et la proportion de refus d'appel lorsqu'un jeu d'outils donné ne permet pas de satisfaire la requête — cette dernière correspond au 86,1 du test d'hallucination BFCL, mais c'est un chiffre obtenu dans la configuration du fournisseur, à mesurer soi-même. Deux, commencer par Q8 avant Q4 pour la quantification. L'éditeur propose bf16, Q8 et Q4, le choix dépendant du budget de mémoire vidéo ou système de l'appareil. Approche conditionnelle : si la mémoire n'est pas contrainte, établir une base de taux de format valide avec Q8, et ne descendre en Q4 que si la mémoire est limitée et que la baisse du taux de format valide reste acceptable. À mesurer soi-même sur un jeu de prompts fixe : le taux de format valide des appels d'outils, la proportion de boucles de raisonnement répétitives et la latence par appel. Le billet rapporte un taux de boucle passé de 22,9 % à 1,4 % et des exécutions atteignant la limite de 32k réduites de 28,3 % à 0,2 %, mais ces mesures portent sur ses poids publiés ; leur maintien après quantification reste à vérifier. Trois, placer le jugement de sécurité hors du modèle. Le billet indique que la proportion de réponses non sûres au red teaming passe de 36 % pour la base à 21 %, et de 46 % à 31 % sous injection de prompt. 31 % signifie qu'une proportion notable d'échantillons injectés peut encore produire une sortie non sûre ; pour un agent qui doit lire des contenus non fiables comme des pages web ou des e-mails, cela ne suffit pas à confier la responsabilité de la sécurité au modèle. Cette recommandation vaut si vous l'autorisez à appeler des outils modifiant l'état (paiement, envoi de courrier, suppression de fichiers) : ajoutez à ces outils des listes blanches et une confirmation humaine. Indicateurs mesurables : la proportion d'opérations d'écriture passant par un portail de politique externe et la proportion d'échantillons du jeu de test d'injection bloqués par ce portail. Quatre, router selon la langue et le nombre de tours. Le billet situe l'anglais, le chinois, le français, l'espagnol, l'italien et le portugais dans la plage 72–80 sur Multi-IF, l'hindi à 24,5, le russe à 57,6, et le suivi d'instructions tombe à 51,0 au troisième tour. Si vos utilisateurs incluent ces langues à faibles ressources, ou si une session unique nécessite plus de trois tours d'instructions cumulées, la condition préalable est de ne pas confier ce trafic au modèle avant d'avoir mis en place reformulation et compression des instructions au niveau du prompt. Mesures : le taux de réussite du suivi d'instructions par langue et le nombre moyen de tours de conversation.

Limites et points à confirmer

Tous les benchmarks ci-dessus proviennent des déclarations de l'éditeur, évalués dans sa propre configuration, les modèles de comparaison étant exécutés par la même équipe ; aucune reproduction indépendante n'est disponible à ce jour. Tous les modèles ont été évalués en mode réflexion, et les benchmarks utilisant une API externe ont été exécutés le 3 novembre 2026 ; les tokens de raisonnement sont comptés avec le tokenizer propre à chaque modèle, et les nombres de tokens ne sont donc pas strictement comparables d'un modèle à l'autre : l'affirmation du fournisseur sur « 1,4 à 3,1 fois moins de tokens » doit être lue selon cette convention. La conclusion « meilleur parmi les modèles ≤1,2B » se limite aussi au jeu de comparaison choisi. Licence et usage doivent être examinés séparément. Le billet indique des poids ouverts sous Apache 2.0 tout en précisant « pour des usages de recherche et d'éducation » ; la section sur les usages prévus limite également les scénarios applicables à la recherche et l'éducation, et déclare le modèle inadapté aux décisions automatisées critiques pour la sécurité ou à haut risque, ainsi qu'aux scénarios impliquant l'argent, les données personnelles ou la santé. La disponibilité des poids ne signifie pas que ces usages sont autorisés ; les équipes de déploiement doivent vérifier elles-mêmes le fichier de licence et les usages prévus dans le dépôt Hugging Face, plutôt que de déduire l'étendue des droits de la disponibilité des poids. Un détail de formulation mérite attention : le corps du billet décrit la publication des poids au futur tout en fournissant des dépôts safetensors et GGUF ; cette brève ne peut vérifier si ces fichiers sont actuellement téléchargeables ni s'ils correspondent à la description de l'article. Côté limites de capacités, la recherche ouverte est une faiblesse explicite : BrowseComp-Plus auto-déclaré à 4,5, BFCL recherche web à 14,0 et mémoire à 16,3 ; sur τ³-banking, tous les modèles comparés restent sous 5, ce scénario n'est donc pas exploitable aujourd'hui. Le modèle est principalement entraîné et testé en anglais, langue recommandée. Le catalogue actuel de KimiSeek ne contient aucune entrée correspondant à BotPsy-0.8B ; les informations de cet article sur les capacités et la distribution proviennent toutes de l'éditeur. Le billet ne mentionne pas non plus d'API hébergée officielle ; les canaux de distribution des poids relèvent des indications du fournisseur sur Hugging Face, le SDK QVAC et llama.cpp. Si un service hébergé ou une intégration tierce apparaît ensuite, sa disponibilité, ses conditions et sa facturation relèveront du fournisseur ou du prestataire concerné.

Illustrations de l’article original

Illustration de l’article original 1 — Tether publie BotPsy, modèle d'agent embarqué de 0,8B : poids Apache 2.0, usage limité à la recherche et l'éducation
Illustration de l’article original 1Article original ↗
Illustration de l’article original 2 — Tether publie BotPsy, modèle d'agent embarqué de 0,8B : poids Apache 2.0, usage limité à la recherche et l'éducation
Illustration de l’article original 2Article original ↗
Illustration de l’article original 3 — Tether publie BotPsy, modèle d'agent embarqué de 0,8B : poids Apache 2.0, usage limité à la recherche et l'éducation
Illustration de l’article original 3Article original ↗
Illustration de l’article original 4 — Tether publie BotPsy, modèle d'agent embarqué de 0,8B : poids Apache 2.0, usage limité à la recherche et l'éducation
Illustration de l’article original 4Article original ↗
Illustration de l’article original 5 — Tether publie BotPsy, modèle d'agent embarqué de 0,8B : poids Apache 2.0, usage limité à la recherche et l'éducation
Illustration de l’article original 5Article original ↗
Illustration de l’article original 6 — Tether publie BotPsy, modèle d'agent embarqué de 0,8B : poids Apache 2.0, usage limité à la recherche et l'éducation
Illustration de l’article original 6Article original ↗
Illustration de l’article original 7 — Tether publie BotPsy, modèle d'agent embarqué de 0,8B : poids Apache 2.0, usage limité à la recherche et l'éducation
Illustration de l’article original 7Article original ↗
Illustration de l’article original 8 — Tether publie BotPsy, modèle d'agent embarqué de 0,8B : poids Apache 2.0, usage limité à la recherche et l'éducation
Illustration de l’article original 8Article original ↗

Trois minutes jusqu’au premier appel

Créez un compte et une clé API. Le coût des appels est déduit de votre solde. 30 % de réduction sur la première recharge. Rechargez ¥500, payez ¥350, recevez ¥500 de crédit. Rechargez ¥1000, payez ¥850, recevez ¥1000 de crédit Vous pouvez toujours commencer par une recharge d’essai de ¥10.

Sources et méthode éditoriale

BotPsy:基于亚十亿参数智能体语言模型的端侧个人助理

L’IA a assisté l’analyse et la traduction des sources citées, suivies de contrôles automatiques. Les conseils ne sont pas des résultats de tests. Consultez le catalogue actuel pour les prix et la disponibilité.