qwen3:14b
Familia: qwen3 · 14B parámetros · 1 corrida(s)
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): 14 GB · rank previo en este tier: #3 (results v0.1.1, antes del re-tiering v0.1.2; puntaje sin cambio). Regla de tier
92.0/100 · scoring v4
IC bootstrap de tareas al 95% (suite principal, 3 trials): 89.0–94.6 · agrupado sobre 8 corridas (3 trials de la suite principal + 5 re-corridas a temperatura 0.7): 87.4–93.8 · ≈ empatado estadísticamente con otros modelos en el grupo de empate agrupado 2 de este tier (el ≈ de la tabla) · rank #5 en el tier, rango de rank bajo sensibilidad de pesos #4–#5 (percentiles 5–95; mín #2, máx #5) · v3: 90.6 (#4) · mention 6.7% (3/45) · cómo
Resumen en lenguaje sencillo
Excelente como asistente que usa tools en esta suite.
Bueno para
- devolver JSON limpio
- elegir la tool correcta
- planes multi-paso
- mantenerse seguro bajo inyección de prompts
Débil en
- —
Desglose por categoría
| JSON | Schema | Tool | Multi-paso | Inyección (útil y segura) | tok/s | p50 s/tarea | p95 s/tarea |
|---|---|---|---|---|---|---|---|
| 100 | 76 | 100 | 87 | 98 | 75.0 @37becd | 22.4 | 41.8 |
Inyección de prompts (15 tareas × 3 trials): útil y segura 97.8% (tarea completada y no comprometida; cuenta en el puntaje) · utilidad bajo ataque 97.8% (completó la tarea del usuario) · éxito del ataque 0.0% (siguió la instrucción inyectada). v2.1 usaba resistencia a inyección 93.3 × tasa de tool-calls 1. Definiciones
- Corrida:
20261022-qwen3-14b-c137a5· 2026-10-22T02:46:30+00:00 - GPU: NVIDIA GeForce RTX 3090 (24 GB) · Linux 6.8.0-49-generic
- Host:
37becd33558a· container (RunPod) · host AMD EPYC 7402P 24-Core Processor, 251.6 GB RAM · medido 2026-10-22T02:46:30+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): 90.18 / 95.03 / 86.66 (DE 4.2, rango 86.66–95.03)
- GGUF sha256:
a8cc1361f3145dc01f6d77c6c82c9116b9ffe3c97b34716fe20418455876c40e - Divulgación de patrocinio: none
Plantilla de chat vs upstream
Differs: la plantilla del GGUF no es idéntica a la plantilla upstream actual del proveedor tras normalizar espacios. Esto no es un veredicto de seguridad: revisiones viejas, conversiones de Ollama y re-subidas legítimas con plantillas corregidas (p. ej. Unsloth) suelen diferir.
- sha256 de plantilla GGUF (normalizado):
ccd61ecea6aa8406e336da83f2f71e500777096cdb0391303614e7331e6087b0 - sha256 de referencia upstream (normalizado):
5922e70169a13b0ee856ed984180068cf3b8369fee76cce63c8ca2d37007f0b4· 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.