Saltar al contenido

Hugging Face lanza adaptadores LoRA con RL para agentes de código

Respuesta corta

Hugging Face publicó adaptadores LoRA para Qwen3.8-27B, cada uno entrenado con aprendizaje por refuerzo dentro de un arnés de agente (pi, OpenCode o Hermes Agent), además de un superadaptador combinado. Con pi, el pass@1 en Terminal-Bench 2.1 subió del 39% al 55% y los tokens medios por tarea bajaron de 2,9K a 1,5K.

Qué significa para las operaciones

Esto solo importa si tu equipo ya usa un agente de código u operaciones sobre un modelo abierto como Qwen3.8-27B dentro de pi, OpenCode o Hermes Agent. En ese caso, los adaptadores son una vía lista para reducir tokens y llamadas a herramientas por tarea, que es de donde salen el coste y la latencia de un agente. Antes de adoptar uno, pruébalo con una muestra de tus propias tareas y compara el coste por tarea resuelta. Las cifras publicadas proceden de pruebas de programación y la fuente no evalúa flujos de ventas, soporte ni administración. La lección de fondo para una empresa de 10 a 200 personas es la receta: ajustar un modelo congelado a tu propio arnés y a tu mezcla de tareas puede rendir más que cambiar de modelo.

Hugging Face ha publicado un conjunto de adaptadores para arneses de Qwen3.8-27B. Son capas LoRA pequeñas, entrenadas con aprendizaje por refuerzo dentro del arnés de agente que después ejecutará el modelo. El equipo entrenó uno por arnés (pi, Hermes Agent y OpenCode) y luego fusionó los tres en un único superadaptador. Los adaptadores, los archivos GGUF, las tareas de RL y un complemento de safeagents están reunidos en el Hub.

Qué hacen los adaptadores

Los pesos base permanecen congelados. El adaptador cambia el comportamiento del modelo en un arnés concreto: razona menos, llama a menos herramientas y acierta más tareas al primer intento. El ejemplo principal es pi en Terminal-Bench 2.1. El modelo base logra un 39% de pass@1 y gasta unos 2,9K tokens por tarea. Con el adaptador llega al 55% con unos 1,5K tokens.

Cómo se entrenó

El entrenamiento usó AsyncGRPOTrainer de TRL, OpenEnv y Harbor, con las ejecuciones corriendo en Hugging Face Jobs. Los arneses funcionaron tal como se distribuyen y el entrenador aprendió de los tokens que producían realmente. El conjunto de tareas se filtró a partir de 1.127 candidatas del Hub, de las cuales 858 superaron la validación. El conjunto de datos publicado contiene 871 tareas de 35 repositorios, y 171 son «cualificadas» porque el modelo base solo las resuelve a veces. Las tres ejecuciones sumaron 598 pasos en total. La herramienta safeagents revisó cerca de 1,3 millones de llamadas a herramientas y bloqueó 647.

Resultados del superadaptador

Los tres adaptadores se fusionaron con la mitad del peso cada uno. Con el razonamiento desactivado, el pass@1 medio en seis pares de arnés y benchmark subió del 39,5% al 49,0%. El adaptador combinado hizo entre un 53% y un 73% menos de llamadas a herramientas y generó entre un 44% y un 60% menos de tokens en las tareas que resolvieron ambos modelos. Con el razonamiento activado, superó al modelo base con el mismo esfuerzo en cinco de los seis pares y empató en el sexto. Las llamadas a herramientas bajaron entre un 31% y un 48% en SWE-bench Pro y, en Terminal-Bench, entre un 19% y un 25%, con un número de tokens prácticamente estable.

Salvedades de la fuente

  • El adaptador propio de cada arnés quedó por delante en cuatro de los seis pares con el razonamiento desactivado, así que un equipo que use un solo arnés debería quedarse con ese especialista.
  • Los resultados no se pueden comparar entre arneses, porque los ajustes por defecto difieren, por ejemplo en cómo se conservan los turnos de razonamiento anteriores.
  • El peso de fusión se eligió con Terminal-Bench 2.1, así que esas cifras son algo optimistas.
  • La evaluación usó un intento por tarea, con las 89 tareas de Terminal-Bench 2.1 y las 51 más difíciles de SWE-bench Pro.
  • El texto de la fuente al que tuvimos acceso se cortaba a mitad de la sección de evaluación.

Fuente: Hugging Face

Datos de INITE

Lo que medimos nosotros mismos en las herramientas de esta noticia. No está en la fuente.

Datos al 20 nov 2026

Las herramientas de esta noticia

  • OpenCode - precio, quién la usa, alternativas
Siguiente paso

Visibility Analyzer

Una noticia sobre IA no dice cómo los asistentes ven tu sitio. El Visibility Analyzer lo comprueba en el sitio real: qué respuestas te citan, qué páginas el motor no puede recuperar y qué arreglar primero. Ejecutarlo es gratis.

Lanzar una auditoría de visibilidad gratuita

Lanzarlo es gratis. Sin tarjeta.

Precio
Gratis
Duración
Una ejecución, minutos

Plan gratuito: dos análisis al día, sin tarjeta.