Lo que hemos probado, explicado claro.
Cada ficha cuenta una prueba real en nuestras máquinas: qué queríamos saber, qué hicimos, qué salió y qué significa para ti si montas algo parecido. También las que salieron mal, porque suelen ser las que más enseñan.
octubre de 2026
- EXP-0135
DeepSeek V4.1 1017 estabilizado: sin bucles y un poco mejor en el banco
18 octDesactivamos el pensamiento oculto por defecto para agentes: desaparecieron los bucles de «!!!!!!!!» que veían los clientes, la latencia bajó y la nota subió de 82 a 83.
- EXP-0134
Probamos Coder390 y no lo adoptamos: no supera a nuestro GLM
10 octUn modelo de código comunitario con buenas señales cortas (100/100 en 15 escenarios) que se cae en el banco completo: sus problemas con llamadas de herramientas obligatorias y JSON lo desaconsejan como modelo de trabajo.
- EXP-0131
Actualizamos GLM TensorFold a la receta v1.5 sin romper nada
3 octEl cambio de la receta v0.5.0 a la v1.5 mantiene el 90/100, mejora la velocidad de decodificación y el alias del modelo no cambia, así que ningún cliente se reconfiguró.
- EXP-0130
Récord de GLM: TensorFold saca 90/100 en el banco agéntico
1 octEl mismo banco de 84 escenarios le da a GLM con TensorFold su mejor nota histórica (90/100), junto a un salto de agilidad en los turnos.
- EXP-0129
GLM-5.3-Flash con TensorFold: nuestro nuevo modelo principal en las dos GX10
1 octPromovimos la receta TensorFold de GLM como residente de producción: un millón de contexto, herramientas, visión y arranque automático con rollback.
septiembre de 2026
- EXP-0128
No nos convenció: el banco agéntico de Qwen TensorFold se quedó en 81/100
29 septEl 81/100 es un resultado verificado y estable, pero por debajo de las baselines que ya teníamos: un modelo rápido no es necesariamente un buen agente.
- EXP-0127
Qwen3.8-Flash-Next con TensorFold: 130 tok/s en una única GX10
29 septLa receta comunitaria de Mia saca casi 130 tok/s con salida estructurada y contexto de 256K verificado en una sola Spark; el récord en una GX10 sigue siendo el 139,4 de Nemotron.
- EXP-0123
MiMo-V2.6-Flash: texto, imagen, audio y herramientas en dos máquinas
22 septUn modelo multimodal con audio, un millón de contexto configurado y decodificación especulativa EAGLE. Validado en pruebas; aún no es nuestro modelo principal.
- EXP-0116
Generar y editar imágenes en local con Qwen-Image 2.1: un minuto por imagen
20 septGeneración, edición, mezcla de dos referencias y transparencia a 1024×1024 en una sola GX10, sin quedarse sin memoria. Ojo: licencia no comercial.
- EXP-0101
GLM-5.3-Flash en dos máquinas: 89/100 con herramientas y 850.000 tokens de contexto
16 septEl modelo que mejor nota ha sacado en nuestro banco de agentes, repartido entre las dos GX10. Probado con un prompt de casi 840.000 tokens.
agosto de 2026
- EXP-0064
DeepSeek en una sola máquina, con menos expertos y menos bits, y no sale peor
21 agoUna receta para una sola Spark poda 40 de los 256 expertos y cuantiza a 3 bits. Reprodujimos sus cifras y la calidad no bajó frente a nuestra versión completa.
- EXP-0062
Un MoE de 35B con 3B activos iguala en calidad a un modelo denso de 27B y lo triplica en velocidad
19 agoOrnith-1.5 contra Qwen3.8-27B: misma máquina, mismo motor, mismos bancos. Empate en calidad y el triple de velocidad para el MoE.
- EXP-0061
«Me marca 8 tokens por segundo»: el límite no era el modelo, era cómo reservaba memoria
19 agoNuestro banco decía 20 tok/s y en uso real salían 8. Con conversaciones largas, el motor desalojaba memoria sin parar. Una actualización lo dobló.
- EXP-0059
Un modelo en dos máquinas contra dos modelos separados: el segundo hace casi el doble
17 agoJuntar las dos GX10 da un millón de contexto. Separarlas, casi el doble de trabajo total con varios agentes. Medido con el mismo banco.
- EXP-0058
Publicamos que un motor era la mitad de rápido. El que medía mal era nuestro banco
17 agoNuestro medidor contaba fragmentos del streaming como si fueran tokens. Con decodificación especulativa, un fragmento trae varios. La receta ajena sí funcionaba.
- EXP-0056
Hy3 de 295B en dos máquinas: funciona, acierta y va a 8 tokens por segundo. Descartado
17 agoUn modelo enorme que cabía en el clúster y respondía bien. Pero cinco veces más lento que la alternativa, y con ocho veces menos contexto.
- EXP-0055
Dos GX10 unidas por un cable: 196 Gb/s y un modelo repartido entre las dos
16 agoConvertimos un cable QSFP en un clúster: tráfico real a 196 Gb/s, comunicación entre GPUs sin errores y DeepSeek con 1M de contexto a 43,9 tok/s.
- EXP-0053
Qwen3.8-27B: el primero que resistió solo la inyección, y de los más lentos
14 agoUn modelo denso de 27B resistió sin prompt defensivo el ataque que tumbaba a los demás. A cambio, generaba a unos 20 tokens por segundo.
- EXP-0045
«Seguro por defecto» era un espejismo: habíamos probado el ataque con una sola frase
12 agoUn modelo que teníamos como «resiste las inyecciones sin ayuda» cayó 5 de 5 al repetir la prueba. Otro, en producción, cayó el 60 % con otra redacción del ataque.
- EXP-0039
La memoria no estaba llena, estaba reservada: de 1,9 a 70 GB libres con un solo parámetro
12 agovLLM llenaba con caché todo lo que le dejábamos. El modelo necesitaba 27 GB y se quedaba con 110. El remedio lo sugería el propio log.
- EXP-0038
Nemotron 3.5 Lightning: el más rápido que hemos medido… y el que peor resiste los ataques
11 ago139 tokens por segundo con decodificación especulativa en una sola GX10, y muy frío. Pero cayó en 5 de 5 inyecciones de prompt sin un prompt defensivo.
- EXP-0037
El mismo modelo en dos motores distintos: el motor importa tanto como el modelo
11 agoDeepSeek-V4-Flash en llama.cpp sacó 83/100 en nuestro banco de agentes. En el motor ds4, con menos bits, sacó 89/100 y aceptó varias peticiones a la vez.
- EXP-0034
Limitar el reloj de la GPU: 5,5 °C menos y un 32 % menos de consumo, casi gratis
11 agoUna temperatura de 94 °C nos preocupó. Limitando la frecuencia máxima de la GPU bajamos temperatura y vatios sin perder velocidad apreciable.
- EXP-0025
Servíamos el 6 % del contexto que el modelo es capaz de usar
10 agoEl propio modelo declaraba 1.048.576 tokens de contexto. Lo teníamos a 65.536. Subirlo a 262.144 funcionó y encontró todos los datos escondidos.
- EXP-0024
Una cuantización de 2 bits: 16 GB más de memoria libre sin pérdida medible
10 agoProbamos la cuantización asimétrica de antirez para DeepSeek: los expertos a 2 bits y el resto a 8. Mismas respuestas en nuestras pruebas y mucha más memoria libre.
- EXP-0019
«--no-mmap»: el arranque del modelo pasó de 8 minutos a minuto y medio
10 agoUn solo parámetro de llama.cpp redujo el tiempo de carga de un modelo de 97 GB de 478 a 93 segundos, y además dejó más memoria libre.
- EXP-0009
Los modelos te dan la razón aunque no la tengas. 13 líneas de prompt lo arreglan
9 agoCon premisas falsas en la pregunta, el modelo las aceptaba 6 de cada 9 veces. Un prompt de sistema con un protocolo de cuatro pasos multiplicó la nota por 3,5.
- EXP-0008
Con varios agentes a la vez, el orden de los modelos cambia por completo
8 agoComparamos tres modelos con 1, 2, 4 y más peticiones simultáneas. Uno no escala en absoluto; otro supera lo que publica su propio autor.
- EXP-0006
Tres parámetros de vLLM que nos dieron un 57 % más de trabajo y cuatro veces más contexto
8 agoEl modelo estaba limitado por su propia configuración: usaba un cuarto del contexto posible y ponía en cola peticiones teniendo memoria de sobra.
Cómo leer estas fichas. Todas las cifras son medidas en nuestras dos ASUS Ascent GX10 (NVIDIA GB10, 128 GB de memoria unificada). En tu equipo los números serán otros; lo que se traslada es el método y la lección. Si algo no te cuadra, escríbenos en X.