Acerca de

Local Agent Bench responde una pregunta práctica: ¿cuáles LLMs locales sí sirven para agentes en la GPU que tienes?

La mayoría de las tablas miden calidad de chat o conocimiento. Los agentes necesitan otra cosa. Necesitan JSON válido, la tool correcta, planes multi-paso que se sostengan y resistencia a instrucciones escondidas en la salida de las tools. Eso lo probamos directamente con un harness fijo y abierto (Hermes Agent más un servidor MCP de tools mock) y rankeamos los resultados por tier de VRAM: 8, 16 y 24 GB.

Principios

• Solo corridas reales. Sin estimaciones ni números de relleno.
• Reproducible. Cada resultado incluye hashes del modelo, versiones del motor, ajustes y un trazo completo. Ver Metodología.
• Independiente. El patrocinio nunca cambia un puntaje. Ver Patrocinio.
• Enlaces de afiliado. Algunos enlaces (RunPod, beehiiv) son de afiliado; podemos ganar créditos o comisión si te registras. Nunca afectan los rankings.

Contacto

Preguntas, correcciones o patrocinio: [email protected].