No nos convenció: el banco agéntico de Qwen TensorFold se quedó en 81/100
El 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.
Configuración
Le pasamos a esta receta el mismo banco de siempre: 84 escenarios con herramientas (69 estándar + 15 de modo difícil), tres pasadas completas, misma semilla y sin pensamiento.
Un detalle técnico que nos costó un arranque: el runtime rechazó la ventana de contexto exacta (262.144 tokens) porque el presupuesto de memoria calcula un máximo seguro de 257.961. Retintamos con esa cifra y arrancó bien.
Resultado
| prueba | resultado |
|---|---|
| nota del banco (estable en las 3 pasadas) | 81/100 |
| puntos | 136/168 |
| velocidad de respuesta (mediana por turno) | 1.581 ms |
| categorías fallidas claras | cadenas multi-paso (50 %), contexto/estado (65 %), seguridad (69 %) |
Estado
No lo adoptamos. Por comparación en el mismo banco: Qwen dual NVIDIA 86/100 y GLM dual 88,7/100 —al final subió a 90 (EXP-0130). El 81 es estable y reproducible, pero con fallos repetidos en seguridad, contexto largo y cadenas de varios pasos.
Qué significa para ti
Un modelo puede ser muy rápido y mediocre como agente: esta receta clava 129 tok/s en velocidad y se queda 5–9 puntos por detrás en el banco. Antes de elegir por tok/s, mira la nota del banco para tu uso concreto.
Medido en nuestras máquinas. Dos ASUS Ascent GX10 (NVIDIA GB10, 128 GB de memoria unificada). En tu equipo las cifras serán otras: lo que se traslada es el método y la lección.