Todos los periódicos y la radio, en unoEscrito por IA a partir de Hacker News · Cómo se hace
Hacker News
Inteligencia artificial · github.com
Cinco modelos Qwen3.8-27B igualan a Fable 5 con el harness GVS5H
GVS5H es un método sin entrenamiento en el que varias instancias del mismo modelo se reparten un problema de programación y se coordinan mediante ficheros compartidos. Según sus autores, con él Qwen3.8-27B pasa del 66,8 % al 92,4 % en LiveCodeBench Hard, aunque los comentarios cuestionan el benchmark.
Foto: vía github.com
1 medio · MadridPublicada 25 oct, 05:25Actualizada 25 oct, 07:00· Ya no está en portadaEscrita por IA · cómo funciona
El repositorio recoge un artículo que presenta la «autoorquestación zero-shot basada en un libro de registro». Instancias nuevas de un mismo modelo descomponen el problema y se coordinan a través de un sistema de ficheros compartido que contiene el plan, las notas y la solución actual. No requiere entrenamiento.
Los autores lo probaron con once modelos, abiertos y cerrados, sobre los 100 problemas difíciles más recientes de LiveCodeBench. Las mejoras llegan hasta 25,6 puntos porcentuales en backends fijados. Qwen3.8 Flash Next orquestado alcanza un 93,0 % de pass@1 frente al 90,4 % de Fable 5, con un 9 % del coste. Qwen3.8-27B, servido en local con pesos abiertos, sube del 66,8 % al 92,4 %.
El propio resumen admite que las ganancias no son universales: algunos modelos quedan igual o empeoran. El análisis de las transcripciones atribuye la mejora a la descomposición del problema y al contexto persistente. Opus 5 se ejecutó con una versión anterior del andamiaje, en una sola pasada a través de OpenRouter y no cinco sobre un backend fijado.
El código es MIT y se lanza con uv y una clave de API del modelo elegido. El motor `multiagent` ejecuta al gestor y `single` es la línea base de una sola llamada. El artículo, las figuras y los datos de ejecución van bajo CC BY 4.0.
«Five Qwen3.8-27B models match Fable 5 Using GVS5H Harness» · puesto 27 · 159 puntos · enviado por rzk
Lo que dicen los comentarios
Buena parte de la conversación pone en duda la evaluación. Se señala que LiveCodeBench es un benchmark antiguo y probablemente contaminado, que no mide trabajo agéntico real y que no se compara con los modelos más recientes. Otro comentario sostiene que se ignoran las reglas del benchmark al dar al modelo un bucle agéntico. Varios usuarios cuentan que ya trabajan con Qwen 3.8 27B de forma parecida, con ficheros de plan y de estado, y se pregunta si hacen falta los trabajadores con contexto limpio. Hay un hilo sobre la calidad del harness de Claude Code, con una respuesta de Boris, del equipo, que ofrece depurar el caso. Otros debaten qué modelo conviene según el hardware: el denso de 27B con una o dos GPU de 32 GB, o Flash en máquinas de 128 GB.
Cinco Qwen3.8-27B igualan a Fable 5 en un benchmark saturado de principios de 2025. No hay comparación con modelos más recientes ni con trabajo agéntico real, y el benchmark antiguo implica contaminación casi segura. Los métodos de evaluación no informan.
Uso Qwen 3.8 27B de forma muy parecida: un PLAN.md, un STATUS.md y un GOTCHAS.md, sin harness real. Me pregunto si hace falta de verdad esa parte del trabajador con contexto limpio, porque yo nunca me molesto en usarlo.
Es una sola prueba, sin herramientas. Se ignoran las reglas del benchmark, ya obsoleto, dándole un bucle agéntico mediante delegación y Python, y luego se gana. Así no funciona un benchmark.
Soy Boris, del equipo de Claude Code. Me sorprende, porque los subagentes en segundo plano son el comportamiento por defecto. ¿Puedes confirmar que usas la última versión y pegar aquí el id de /bug? Con gusto lo depuramos.
Con máquinas de 128 GB, Qwen 3.8 Flash es el modelo más interesante: el de 27B va muy lento en una Strix Halo. Con una o dos GPU de 32 GB y buen ancho de banda, el denso es la mejor opción.
Esta noticia la ha redactado una inteligencia artificial a partir de las fuentes citadas, con el criterio editorial de El Autómata (equilibrio, atribución y solo hechos publicados). Puede contener errores: consulta las fuentes originales. Modelo: claude-sonnet-5.5.