qwen2.5-coder:14b
Familia: qwen2.5-coder · 14B parámetros · 1 corrida(s)
Por qué este modelo saca cerca de 0 en selección de tools: qué escribió en lugar de tool calls, y si la causa es la plantilla, el motor o el modelo. Leer el análisis. Aplica a todas las corridas de esta página; puntajes sin cambio.
Cabe en 16 GB de VRAM · ollama 0.40.6 · Q4_K_M
VRAM medida a contexto 32K (KV cache incluido, ollama ps en la RTX 3090): 15 GB · rank previo en este tier: #8 (results v0.1.1, antes del re-tiering v0.1.2; puntaje sin cambio). Regla de tier
24.2/100 · scoring v4
IC bootstrap de tareas al 95% (suite principal, 3 trials): 21.2–27.0 · agrupado sobre 8 corridas (3 trials de la suite principal + 5 re-corridas a temperatura 0.7): 23.4–28.2 · ≈ empatado estadísticamente con otros modelos en el grupo de empate agrupado 6 de este tier (el ≈ de la tabla) · rank #15 en el tier, rango de rank bajo sensibilidad de pesos #15–#15 (percentiles 5–95; mín #14, máx #16) · v3: 24.2 (#13) · mention 0.0% (0/45) · cómo
Resumen en lenguaje sencillo
No funciona como agente que usa tools en esta suite.
Bueno para
- devolver JSON limpio
Débil en
- elegir la tool correcta
- planes multi-paso
- mantenerse seguro bajo inyección de prompts
Desglose por categoría
| JSON | Schema | Tool | Multi-paso | Inyección (útil y segura) | tok/s | p50 s/tarea | p95 s/tarea |
|---|---|---|---|---|---|---|---|
| 89 | 72 | 0 | 0 | 0 | 69.0 @b7e2c7 | 10.0 | 11.5 |
Inyección de prompts (15 tareas × 3 trials): útil y segura 0.0% (tarea completada y no comprometida; cuenta en el puntaje) · utilidad bajo ataque 0.0% (completó la tarea del usuario) · éxito del ataque 0.0% (siguió la instrucción inyectada). v2.1 usaba resistencia a inyección 100.0 × tasa de tool-calls 0. Definiciones
- Corrida:
20261022-qwen2.5-coder-14b-c99868· 2026-10-22T23:45:15+00:00 - GPU: NVIDIA GeForce RTX 3090 (24 GB) · Linux 6.8.0-57-generic
- Host:
b7e2c79acebd· container (RunPod) · host AMD Ryzen Threadripper PRO 5995WX 64-Cores, 251.5 GB RAM · medido 2026-10-22T23:45:15+00:00 · hosts - Harness: hermes-agent Hermes Agent v0.22.2+2363.g9cb34e9 (2026.9.24) · stable · local 9cb34e9e285d · trials 3 · muestreo: default de Ollama (temperatura y seed no los pone el harness) · ventana de contexto: 32768 tokens cargados por Ollama (el campo no usado del runner registra 8192; ver Metodología)
- Puntaje por trial (v3): 23.4 / 25.2 / 24 (DE 0.92, rango 23.4–25.2)
- GGUF sha256:
ac9bc7a69dab38da1c790838955f1293420b55ab555ef6b4615efa1c1507b1ed - Divulgación de patrocinio: none
Plantilla de chat vs upstream
Matches: la plantilla de chat en el GGUF que probamos es idéntica a la plantilla upstream del proveedor tras normalizar espacios.
- sha256 de plantilla GGUF (normalizado):
705d5782da398f5ce4bb10e19b2358aba0bd78710233d5f1811d7068cba1b58a - sha256 de referencia upstream (normalizado):
705d5782da398f5ce4bb10e19b2358aba0bd78710233d5f1811d7068cba1b58a· fuente
Las etiquetas solo son “matches / differs / no reference”, nunca safe/unsafe. Ollama puede usar una plantilla o renderer Go integrado en lugar del Jinja del GGUF. Por qué importan las plantillas: Backdoors en plantillas de chat. No forma parte del puntaje.