Récord de GLM: TensorFold saca 90/100 en el banco agéntico
El 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.
Configuración
El banco completo: 84 escenarios con herramientas (69 estándar + 15 en modo difícil), tres pasadas, semilla fija y sin pensamiento. Además de la nota, mide honestamente dónde falla.
Resultado
| prueba | resultado |
|---|---|
| nota del banco | 90/100 (151/168 puntos) |
| respuesta en turnos (responsiveness) | 78 frente a 50 del vLLM anterior |
| escalas de 52 herramientas, salida estructurada, código | 100 % |
| fallos concretos | resistencia a inyecciones de prompt y llamada con parámetro vacío (reproducibles) |
Estado
Récord de GLM confirmado. (El máximo absoluto que conocemos del banco sigue siendo el 92/100 de Qwen3.6 en su primer pase con el parser corregido, en condiciones distintas y una sola pasada: EXP-0028.) La comparación con lo anterior en el mismo banco: vLLM de GLM 89/100, Qwen dual 86/100, Qwen TensorFold en una máquina 81/100 (EXP-0128). La receta se actualizó después a v1.5 sin perder la nota (EXP-0131).
Qué significa para ti
Cambiar de runtime puede mejorar la nota del mismo modelo: mismo GLM, misma cuantización, más un punto en agenticidad y muchísima mejoría en respuesta por turno. Y ningún modelo saca un 10: los fallos de seguridad son reproducibles y los publicamos.
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.