Tether lanza BotPsy, un modelo de 0,8B parámetros para agentes en dispositivo con uso de herramientas
Hecho Qué ha ocurrido
Tether AI Research ha presentado BotPsy, un modelo de 0,8B parámetros basado en Qwen3.5-0.8B, orientado a llamadas a funciones y flujos agénticos en dispositivo. Según la propia compañía, supera a los modelos de hasta 1,2B que probó en benchmarks de uso de herramientas, con cifras como BFCL v4 de 44,0 frente a 23,4 de la base. Las evaluaciones son de la propia empresa y no han sido verificadas de forma independiente.
Resumen generado mediante IA a partir de Hugging Face (original en inglés). Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Muestra que modelos muy pequeños pueden cubrir tareas rutinarias de agentes localmente, lo que podría reducir costes y dependencia de APIs externas. Para empresas que evalúen agentes con datos sensibles, es una alternativa a considerar.
- Quién se ve afectado
- Equipos de desarrollo que construyan asistentes o automatizaciones en dispositivo y empresas con requisitos de privacidad.
- Qué puede cambiar
- Si los resultados se confirman, las tareas simples de herramientas podrían ejecutarse en el propio dispositivo sin llamadas a modelos en la nube.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Verificaciones independientes de los benchmarks, adopción en proyectos reales y el rendimiento en tareas de mayor dificultad, que el propio texto reconoce como limitadas.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: Hugging Face (fuente primaria). La referencia es siempre el artículo original.
Ver fuente original ↗LLMagentesllamada a funcionesedge AI TetherQwen agentes BotPsy on-device Qwen3.5 Tether
Relacionadas
Agentes de IA refinan autonomía en post-entrenamiento de modelos; Covenant-72B entrena masivamente en blockchain
PostTrainBench, benchmark desarrollado por la Universidad de Tübingen y Max Planck, evalúa si agentes de IA pueden refinar automáticamente modelos de lenguaje…
Por qué importaEstos resultados evidencian que la automatización del post-entrenamiento de LLM avanza hacia un futuro donde sistemas de IA podrían mejorar…
Anthropic advierte de que modelos pequeños de IA podrían autorreplicarse en aparatos domésticos
Anthropic publicó una investigación de su equipo Frontier Red Team en la que ejecutó un modelo de 26.000 millones de parámetros repartido entre 15…
Por qué importaMuestra que operar fuera de los centros de datos y propagarse entre dispositivos conectados es un riesgo de seguridad que las empresas deberían…
Meta presenta Muse Ember, un modelo ligero y barato para programar y ejecutar agentes de IA
Meta ha presentado Muse Ember, su modelo de IA más pequeño y eficiente hasta ahora, orientado a tareas repetitivas de agentes como analizar documentos, extraer…
Por qué importaSi los resultados se confirman, reducir el coste de las tareas repetitivas de los agentes puede hacer viable automatizar procesos que hoy no…
Cómo ejecutar agentes de código locales para evitar precios por uso de plataformas grandes
The Register publica una guía práctica sobre cómo desplegar modelos de lenguaje locales como Qwen3.6-27B (27 mil millones de parámetros de Alibaba) para…
Por qué importaPara desarrolladores y pequeñas empresas, ejecutar agentes de código localmente elimina dependencia de APIs de pago y costes variables, permitiendo…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.