qwen3:30b-a3b
Familia: qwen3 · 30B parámetros · 1 corrida(s)
Cabe en 24 GB de VRAM · ollama 0.40.6 · Q4_K_M
VRAM medida a contexto 32K (KV cache incluido, ollama ps en la RTX 3090): 21 GB · rank previo en este tier: #2 (results v0.1.1, antes del re-tiering v0.1.2; puntaje sin cambio). Regla de tier
98.5/100 · scoring v4
IC bootstrap de tareas al 95% (suite principal, 3 trials): 97.0–99.6 · agrupado sobre 8 corridas (3 trials de la suite principal + 5 re-corridas a temperatura 0.7): 97.9–99.6 · ≈ empatado estadísticamente con otros modelos en el grupo de empate agrupado 1 de este tier (el ≈ de la tabla) · rank #3 en el tier, rango de rank bajo sensibilidad de pesos #2–#3 (percentiles 5–95; mín #2, máx #3) · v3: 98.5 (#2) · mention 2.2% (1/45) · cómo
Resumen en lenguaje sencillo
Excelente como asistente que usa tools en esta suite.
Bueno para
- devolver JSON limpio
- respetar el formato pedido
- 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 | 95 | 100 | 99 | 98 | 173.9 @dc7718 | 17.2 | 34.0 |
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 97.8 × tasa de tool-calls 1. Definiciones
- Corrida:
20261021-qwen3-30b-a3b-677da7· 2026-10-21T12:04:15+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 2026-10-21T12:04:15+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): 97.81 / 98.2 / 99.4 (DE 0.83, rango 97.81–99.4)
- GGUF sha256:
58574f2e94b99fb9e4391408b57e5aeaaaec10f6384e9a699fc2cb43a5c8eabf - 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):
240f81df50a712a8cf059ff79ab620967e0aa21e861e8ae799afa63a9b2ee62f - sha256 de referencia upstream (normalizado):
240f81df50a712a8cf059ff79ab620967e0aa21e861e8ae799afa63a9b2ee62f· 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.