IA local para programar: 50% en benchmarks, 22% en código real
Útil para
Un autor probó en un DGX Spark de NVIDIA modelos locales para programar y comparó sus resultados con Claude Code con Opus 5.5, que usa a diario. Qwen3.6 obtuvo un 50% en Aider Polyglot y un 60% en Terminal-Bench 2.1, pero resolvió 6 de 27 tareas extraídas de sus propios repositorios, un 22%. Nemotron 3.5 Lightning quedó fuera porque el servidor se cayó en las dos pruebas con carga de agente.
Qué significa
Las puntuaciones públicas pueden sobreestimar lo que un modelo local resuelve sobre código propio. En este caso, el resultado real fue muy inferior al del benchmark.
Cómo te afecta
- Programadores
Antes de sustituir tu agente por un modelo local, evalúalo con tareas de tus propios repos: Qwen3.6 llegó al 50% en Aider Polyglot pero resolvió solo el 22% de tareas reales. Nemotron 3.5 Lightning también se cayó con carga de agente, así que comprueba la estabilidad.
Fuentes originales
Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.
- El Ecosistema StartupLeer la noticia completa en El Ecosistema Startup