Tether AI Rilis BotPsy, Agen AI Ringan 0,8B untuk Operasional Mandiri di Perangkat
Tether AI Research meluncurkan BotPsy, model AI 0,8 miliar parameter yang mampu menjalankan fungsi otomatis langsung di perangkat tanpa bergantung pada server komputasi awan yang mahal.
Foto: Hugging Face Blog (Dokumentasi editorial)
Poin penting
- BotPsy membawa 0,8 miliar parameter untuk menjalankan alur kerja agen otomatis langsung di perangkat lokal.
- Model ini melampaui kemampuan model 1,2 miliar parameter lain dan mengungguli model 2,5 kali lebih besar.
- Pengolahan data lokal membantu memangkas biaya langganan API cloud sekaligus mengamankan privasi perusahaan.
Ketergantungan bisnis pada model kecerdasan buatan berbasis komputasi awan sering menimbulkan masalah biaya operasional yang membengkak dan risiko kebocoran data. Menjawab tantangan tersebut, Tether AI Research meluncurkan BotPsy, sebuah model bahasa berukuran 0,8 miliar parameter yang dirancang khusus untuk bekerja langsung di perangkat pengguna.
Menurut laporan di Hugging Face Blog, BotPsy dikembangkan di atas model dasar Qwen3.5-0.8B. Model ini difokuskan sebagai asisten pribadi yang mahir mengeksekusi alat dan fungsi secara otomatis tanpa perlu terus-menerus mengirim data ke server eksternal.
Performa Tinggi dalam Ukuran Ringkas
BotPsy dirancang untuk menangani tugas tingkat rendah hingga menengah. Cakupan tugasnya meliputi pencarian informasi, pengelolaan berkas dan kalender, komunikasi perpesanan, hingga operasional bisnis dan layanan pelanggan rutin.
Dalam pengujian tolok ukur, performa penggunaan alat BotPsy meningkat hampir dua kali lipat dibanding model dasarnya. Model ini bahkan mengungguli model pesaing hingga ukuran 1,2 miliar parameter, serta mengalahkan model Qwen3.5-2B-Think yang berukuran dua setengah kali lebih besar pada lima dari enam tolok ukur agen.
Tether melatih BotPsy melalui empat tahap bertahap: penyesuaian terawasi, distilasi pengetahuan dari tiga model guru spesialis berukuran 4 miliar parameter, serta dua putaran pembelajaran penguatan berbasis aturan.
Tidak semua tugas membutuhkan kecerdasan tingkat terdepan. Agen kecil yang terspesialisasi dapat bekerja sama baiknya untuk tugas tertentu dan jauh lebih murah untuk dijalankan langsung di perangkat.
Meski unggul dalam efisiensi, pengembang menegaskan bahwa BotPsy memiliki keterbatasan. Model ini belum cocok untuk tugas riset terbuka yang sangat rumit atau alur kerja kritis berisiko tinggi tanpa pengawasan manusia.
Apa Artinya bagi Pelaku Usaha
Kehadiran BotPsy menjadi kabar baik bagi pimpinan operasional dan manajer teknologi informasi yang ingin menekan biaya infrastruktur digital. Model kecil ini membuktikan bahwa otomatisasi tugas kantor rutin tidak selalu membutuhkan langganan API berbayar dari penyedia komputasi awan global.
Bagi pelaku usaha di Indonesia, model on-device seperti ini membuka jalan untuk menjaga kerahasiaan data pelanggan secara ketat. Seluruh riwayat percakapan dan dokumen internal tetap berada di perangkat kantor, sehingga risiko kepatuhan hukum privasi data dapat ditekan signifikan.
Langkah awal yang bijak adalah menguji model format ringkas ini untuk tugas administratif berulang, seperti penjadwalan atau triase pesan layanan pelanggan. Pastikan tetap menerapkan verifikasi manusia sebelum mengintegrasikannya ke proses pengambilan keputusan penting.
✓ Lolos pemeriksaan redaksi AI. (Klik untuk lihat hasil pemeriksaan fakta)
Artikel ini ditulis AI, 7 klaimnya dicocokkan dengan sumber, dan diuji keterbacaannya sebelum terbit. Menemukan kekeliruan? Laporkan ke redaksi.
- Hugging Face Blog: BotPsy: On-Device Personal Assistant with a Sub-Billion-Parameter Agentic Language Model
| Klaim | Putusan | Dasar di sumber |
|---|---|---|
| Tether AI Research meluncurkan BotPsy, model berukuran 0,8 miliar parameter untuk function calling dan alur kerja agen di perangkat lokal. | Didukung | “Tether AI Research introduces BotPsy , a 0.8B-parameter model introduce BotPsy , a 0.8B-parameter model designed for function calling and agentic workflows, built on top of Qwen3.5-0.8B and suitable for” Hugging Face Blog menyatakan Tether AI Research merilis BotPsy berukuran 0,8B untuk alur kerja agen di perangkat. |
| BotPsy dibangun di atas model dasar Qwen3.5-0.8B sebagai asisten pribadi pengguna alat untuk tugas sederhana. | Didukung | “built on top of Qwen3.5-0.8B and suitable for on-device deployment. BotPsy is a "personal assistant" that uses tools to perform a variety of simple tasks for the user” Hugging Face Blog menyebutkan BotPsy dikembangkan dari basis Qwen3.5-0.8B untuk melakukan berbagai tugas sederhana. |
| BotPsy paling cocok untuk tugas tingkat kesulitan rendah hingga menengah di domain seperti pencarian web, bisnis, dokumen, kalender, dan pesan. | Didukung | “Due to its small parameter count, it is best suited to tasks of low to medium difficulty.” Hugging Face Blog menjelaskan bahwa model paling sesuai untuk tugas berbobot rendah hingga menengah di berbagai domain aplikasi. |
| Dalam tolok ukur pengujian, BotPsy melipatgandakan performa tool-use dibanding basisnya dan mengungguli Qwen3.5-2B-Think (2,5 kali ukurannya) pada 5 dari 6 tolok ukur agen. | Didukung | “BotPsy roughly doubles the tool-use performance of its Qwen3.5-0.8B base and is the strongest of the five models on five of the six agentic benchmarks” Hugging Face Blog menegaskan pelipatgandaan performa tool-use dibanding base dan keunggulannya atas Qwen3.5-2B-Think di 5 dari 6 pengujian agen. |
| BotPsy mengungguli setiap model hingga ukuran 1,2 miliar parameter yang diuji. | Didukung | “outperforming every model of up to 1.2B parameters that we tested (Figures 1 and 2).” Hugging Face Blog menyatakan BotPsy melampaui semua model hingga ukuran 1,2B parameter yang mereka uji. |
| BotPsy dilatih melalui empat tahap bertahap dengan distilasi guru dari tiga model Qwen3.5-4B serta dua putaran pembelajaran penguatan (RL). | Didukung | “To build the teachers, we first RL-trained three Qwen3.5-4B models to specialize in tool use, general reasoning, and instruction following.” Hugging Face Blog merinci proses pelatihan 4 tahap termasuk 3 model guru Qwen3.5-4B dan 2 tahap RL. |
| BotPsy masih membuat kesalahan dan tidak ditujukan untuk skenario berisiko tinggi (high-stakes). | Didukung | “As a small model, BotPsy still makes mistakes and is not intended for high-stakes use; please read the Intended Use and Limitations for more information.” Hugging Face Blog secara eksplisit menyebut BotPsy masih membuat galat dan tidak diperuntukkan bagi kasus penggunaan berisiko tinggi. |
Video AI terbaru
Local AI 301: Quantization
