qwen2.5-coder:7b
Familia: qwen2.5-coder · 7B parámetros · 3 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 8 GB de VRAM · ollama 0.40.6 · Q4_K_M
VRAM medida a contexto 32K (KV cache incluido, ollama ps en la RTX 3090): 6.6 GB · rank previo en este tier: #10 (results v0.1.1, antes del re-tiering v0.1.2; puntaje sin cambio). Regla de tier
26.0/100 · scoring v4
IC bootstrap de tareas al 95% (suite principal, 3 trials): 23.8–28.0 · agrupado sobre 8 corridas (3 trials de la suite principal + 5 re-corridas a temperatura 0.7): 23.8–28.2 · rank #7 en el tier, rango de rank bajo sensibilidad de pesos #7–#7 (percentiles 5–95; mín #6, máx #7) · v3: 26.0 (#5) · 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 |
|---|---|---|---|---|---|---|---|
| 100 | 73 | 0 | 0 | 0 | 119.4 @dc7718 | 11.9 | 12.9 |
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:
20261020-qwen2.5-coder-7b-7d2eee· 2026-10-20T23:29:27+00:00 - GPU: NVIDIA GeForce RTX 3090 (24 GB) · Linux 6.8.0-57-generic
- Host:
dc7718586fbe· container (RunPod) · host AMD EPYC 7663 56-Core Processor, 251.5 GB RAM · medido 2026-10-20T23:29:27+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): 24.6 / 26.4 / 27 (DE 1.25, rango 24.6–27)
- GGUF sha256:
60e05f2100071479f596b964f89f510f057ce397ea22f2833a0cfe029bfc2463 - Divulgación de patrocinio: none
Apple M2 16GB memoria unificada, macOS · ollama 0.40.6 · Q4_K_M
26.4/100 · scoring v4
IC bootstrap de tareas al 95%: 24.2–28.4 · rank #8 en el tier, rango de rank bajo sensibilidad de pesos #8–#8 (percentiles 5–95; mín #6, máx #8) · v3: 26.4 (#8) · 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 |
|---|---|---|---|---|---|---|---|
| 100 | 76 | 0 | 0 | 0 | 19.8 @8b306c | 16.2 | 21.9 |
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:
20261021-qwen2.5-coder-7b-f4f1f3· 2026-10-21T06:35:23+00:00 - Hardware: Apple M2 16GB unified memory, macOS · Apple M2 GPU (unified memory) · macOS 27.0.1 (arm64)
- Host:
8b306c4ac94a· tipo sin registrar · host Apple M2, 16 GB RAM · medido 2026-10-21T06:35:23+00:00 · hosts - Harness: hermes-agent Hermes Agent v0.22.2+2363.g9cb34e9.dirty (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): 25.8 / 25.8 / 27.6 (DE 1.04, rango 25.8–27.6)
- GGUF sha256:
60e05f2100071479f596b964f89f510f057ce397ea22f2833a0cfe029bfc2463 - Divulgación de patrocinio: none
Tarjeta real de 8 GB: NVIDIA RTX 3070 8 GB (contenedor RunPod) · ollama 0.40.6 · Q4_K_M
Serie aparte, no forma parte del ranking del tier. 3 corrida(s) de un solo trial fusionadas, scoring v3 desde los logs. Split CPU/GPU (ollama ps): 6.4 GB 100% GPU · VRAM pico (nvidia-smi): 6337 MiB de 8192 MiB · tabla de la serie · cómo se midió
25.6/100 · scoring v4
IC bootstrap de tareas al 95%: 22.8–28.0 · rank #10 en esta serie · ≈ grupo de empate 4, rango de rank bajo sensibilidad de pesos #10–#10 · 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 |
|---|---|---|---|---|---|---|---|
| 97 | 73 | 0 | 0 | 0 | 83.1 @8fcb65 | — | — |
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). Definiciones
- Corrida:
real8gb-qwen2.5-coder-7b· 2026-10-26T21:49:54+00:00 - Hardware: Real 8 GB card: NVIDIA RTX 3070 8 GB (RunPod container) · NVIDIA GeForce RTX 3070 · Linux 6.8.0-85-generic
- Host:
8fcb655dfb7d· container (RunPod) · pod b3o5tul56pnqfv · asignación del pod 8 vCPU / 30 GB · host AMD Ryzen 7 5700X 8-Core Processor, 62.7 GB RAM · medido 2026-10-26T21:49:54+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 ; ver Metodología)
- Puntaje por trial (v3): 26.4 / 25.8 / 24.6 (DE 0.92, rango 24.6–26.4)
- GGUF sha256:
60e05f2100071479f596b964f89f510f057ce397ea22f2833a0cfe029bfc2463 - 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.