ÁLVAROMAUREIRA

Hugging Face adapta Qwen a tres agentes de código

Publicado ·
Tres placas de colores flotan sobre un chip.

Hugging Face publicó el 20 de noviembre de 2026 tres adaptadores para Qwen3.8-27B, entrenados por separado para Pi, Hermes Agent y OpenCode, y un cuarto que combina los tres. La idea es mejorar cómo un mismo modelo trabaja con el programa que le presenta herramientas y encadena sus pasos. En las pruebas de programación de sus autores, los adaptadores especialistas resolvieron más tareas que el modelo original en el entorno para el que se entrenaron. En una prueba diferente de automatización empresarial, en cambio, no hubo una mejora clara. Esa diferencia importa más que el titular sobre ahorro.

Qué cambia cuando se adapta el modelo al entorno

El entorno de un agente, o harness, decide cómo se ofrecen las herramientas y cómo se devuelve al modelo el resultado de cada paso. El adaptador LoRA añade un conjunto de ajustes entrenables sin volver a entrenar todos los pesos del modelo base. Según el informe de Hugging Face, el equipo ejecutó los tres entornos reales durante el entrenamiento y aplicó aprendizaje por refuerzo. La recompensa combinó que la solución pasara un verificador con un pequeño incentivo por usar menos herramientas. No es una actualización universal del modelo: cada especialista fue ajustado con un entorno y una distribución de tareas determinados.

Dónde mejoró la resolución de tareas

Hugging Face usó las 89 tareas de Terminal-Bench 2.1 y las 51 más difíciles de SWE-bench Pro. Las evaluaciones principales de los especialistas hicieron un intento por tarea, con razonamiento extendido desactivado. En esas 51 tareas, Pi pasó de 39,2 % a 64,7 % con su adaptador; Hermes, de 29,4 % a 43,1 %; y OpenCode, de 35,3 % a 51,0 %. No son tasas sobre todo SWE-bench Pro. Tampoco ordenan los tres entornos de mejor a peor: Pi compacta el contexto de forma predeterminada y los otros no lo hacen en la configuración probada. La comparación útil mantiene fijo el entorno y cambia únicamente el modelo base por su variante adaptada.

Menos llamadas no equivale a la misma reducción en la factura

En las tareas de SWE-bench Pro que resolvieron tanto el original como su especialista, los adaptados hicieron entre 56 % y 72 % menos llamadas a herramientas por tarea, según los autores. Ese subconjunto excluye los casos que solo resolvió uno; el porcentaje no cubre toda la carga. Las llamadas pueden tener costos y tiempos distintos, y también cuentan los tokens y la infraestructura. Los especialistas finales se entrenaron cada uno con dos GPU NVIDIA B200. Probar un ajuste ya publicado y reproducir su entrenamiento son decisiones de costo diferentes. Tampoco se debe extrapolar el ahorro a flujos de otras áreas sin medirlos.

Qué se puede revisar o repetir

La colección oficial reúne adaptadores y variantes GGUF; también hay trayectorias públicas de la evaluación final. El informe describe la configuración y el filtrado de tareas. La ficha de Qwen3.8-27B y las fichas de los adaptadores de Pi y Hermes declaran Apache 2.0 por separado. La licencia de esos pesos no sustituye revisar la de cada entorno, conjunto de datos o artefacto que se use. Publicar materiales facilita repetir pruebas; no garantiza idénticos números con otra versión, selección de tareas o configuración.

Qué probaría un equipo pequeño en Chile

Una tienda chilena con equipo técnico podría comparar el modelo base y el adaptado en un repositorio de prueba de su catálogo, con casos ficticios sobre filtros de productos y cálculos de despacho. Mantendría idénticos entorno, herramientas y presupuesto, y mediría soluciones que pasan las pruebas, minutos hasta revisión humana y costo por tarea correcta. Empezaría sin permisos de producción ni datos de clientes. No usaría los números de programación para justificar un agente de operaciones: en 300 tareas de AutomationBench con otro entorno, el original logró 23,0 % y la variante combinada 23,7 %; los autores no observaron una transferencia clara.

Preguntas frecuentes

¿Es un modelo independiente? No. El adaptador está diseñado para aplicarse sobre Qwen3.8-27B.

¿La variante combinada sustituye a la especialista? No necesariamente. El equipo publicó resultados separados en la ficha de la variante combinada, y cuál conviene depende del entorno.

¿Puedo esperar el mismo ahorro en producción? No. Comprueba la calidad y el costo integral con tareas y herramientas propias.

Sigue aprendiendo

Explora los recursos y continúa tu recorrido en la comunidad.

Únete gratis a la comunidad →