Ipinakilala ng Tether ang BotPsy noong Miyerkules bilang isang AI agent para sa pang-araw-araw na mga gawain sa mga personal na device. Ang modelo ay may 800 milyong parameter. Ang mga pagsubok ng Tether ay nakita na ang BotPsy ay lumampas sa mga kumpetitibong modelo na may hanggang 2.5 beses na higit pang parameter. Nakamit ng BotPsy ang pinakamabuting resulta sa lima sa anim na pagtataya sa paggamit ng kasangkapan na kinasasangkutan ng limang modelo. Ang mga resultang ito ay nagpapahiwatig na ang mga AI assistant ay hindi kailangan ng napakalaking mga modelo upang maisagawa ang mga praktikal na gawain.
Ang BotPsy ay kayang handle ang maraming hakbang na operasyon na kasama ang mga setting ng telepono, messaging, at scheduling, posibleng nang walang pagpapadala ng personal na impormasyon sa cloud servers. Ang agent ay natutukoy kung anong mga software tool ang kailangan ng isang gawain, pinapatakbo ang mga command sa sunod-sunod na pagkakasunod, at nag-aadapt kapag nabigo ang isang operasyon. Sinabi ni Tether na may isang pagsubok sa messaging kung saan binanggit ng BotPsy ang disabled na Wi-Fi at puno na ang inbox. Sinabi ni Tether na pinagana ng BotPsy ang Wi-Fi, inilaya ang sapat na storage, at ipinadala ang mensahe. Ang underlying model naman ay patuloy na paulit-ulit ang hindi matagumpay na operasyon.
Ginawa ng Tether ang BotPsy gamit ang arkitektura ng Alibaba's Qwen3.5-0.8B at ibinigay ang karagdagang pagtuturo na nakatuon sa interaksyon sa software-tool. Ang mga parameter ay mga numerikal na halaga na natutunan sa pagtuturo, at ang mga modelo na may mas kaunting parameter ay karaniwang nangangailangan ng mas kaunting memorya. Ang mas mataas na bilang ng parameter ay karaniwang nagpapabuti sa performance, at ang mga modernong lider na AI model ngayon ay may trilyon-trilyon ng parameter.
Ang teknikal na dokumentasyon ng Tether ay nagbigay ng marka na 44.0% kay BotPsy sa BFCL v4. Ang BFCL v4 ay sinusukat ang pagpili at pagpapatupad ng mga function sa iba’t ibang gawain at usapan, gamit ang weighted success percentage sa mga kategorya ng paggamit ng tool. Ang underlying Qwen3.5-0.8B ay nakakuha ng 23.4% sa benchmark na ito. Ang mas malaking Qwen3.5-2B ay nakamit ang 37.7%.
Nakamit ng BotPsy ang 58.7% sa ACEBench, na nagmamarka ng akurasya ng function-call, kabilang ang pagpili ng tool at ang mga argumento na ibinigay sa mga tool. Nakamit ng base model ang 30.1% sa ACEBench. Nakamit ng 2-bilyong-parameter na kompetidor ang 55.4%. Ang anim na pagtataya ni Tether ay nagbigay ng average na marka ng 45.0% para sa BotPsy. Ang mas malaking Qwen model ay nag-averaged ng 38.8% sa mga pagtataya na iyon.
Ang BotPsy ay nagpapalawak sa QVAC, isang AI ecosystem na binubuo ng Tether para sa mga device na kontrolado ng user, sa halip na ganap na nakadepende sa centralized cloud infrastructure. Ang Tether, ang kumpanya sa likod ng USDT, ang pinakamalaking stablecoin sa mundo, ay mayroon nang lokal na QVAC models para sa medikal na paggamit, pagsasalin, at speech processing. Ipinakilala ng Tether ang QVAC noong Mayo 2025 bilang alternatibo sa AI services ng mga pangunahing teknolohiya na kumpanya. Kasama sa mas mahabang panahong layunin ng Tether ang mga autonomous agent na maaaring gamitin ang mga application at potensyal na gawin ang mga pagbabayad gamit ang Bitcoin at USDT.
Idinagdag ng Tether ang isang dataset para sa pagsasanay sa agham at inhinyeriya na naglalaman ng 41 bilyon na token noong Oktubre 2025. Idinagdag din ng Tether ang QVAC Workbench, isang aplikasyon para sa pagpapatakbo ng mga AI model sa lokal. Noong mas maagang bahagi ng taon, inilabas ng Tether ang isang software development kit para sa pagbuo ng offline AI applications sa mga mobile at desktop operating systems. Dinagdagan din ng Tether ang QVAC MedPsy para sa mga medikal na AI task sa consumer hardware. Ang bersyon ng MedPsy na may 1.7-bilyon na parameter ay lumampas sa mas malaking MedGemma-27B ng Google sa HealthBench Hard, na nagtataya sa mga realistiko klinikal na usapan batay sa mga kriteriya na nilikha ng mga doktor.
Available na ang BotPsy bilang open-weight model na may lisensya sa Apache 2.0, na nagpapahintulot sa mga developer na i-download, i-modify, at i-integrate ang model sa mga aplikasyon. Ginawa rin ng Tether ang mga komprimito bersyon upang mabawasan ang memorya na kailangan para sa lokal na paggamit. Hindi ibinigay ng Tether ang petsa ng paglunsad ng isang tapos na consumer assistant na gumagamit ng BotPsy. Ang napanaligan na model card ay nagsasabi na ang paglabas ay naglalayong tanggalin ang training code at training data.