Unsloth y Avalon IQ3_KS en el Banco ITLab

Medimos dos versiones nuevas de Qwen3.8 Flash Next con los 49 casos del Banco ITLab, versión 02.5, en la misma máquina y con Swift Flash Next como referencia. Unsloth UD-IQ4_XS suma 95,9 puntos y queda primero de 17 configuraciones; Avalon IQ3_KS suma 90,5 y queda noveno. Con una sola pasada por caso, los primeros puestos son un empate técnico.

• Unsloth, primero. Suma 95,9 puntos: 0,3 sobre GPT-6.1 Sol + Pi (95,6) y 1,2 sobre Swift con el mismo motor (94,7).
• Avalon, noveno por un solo caso. Empata con Unsloth en oficina (49 de 54), pero falla C03, que vale 6 puntos del total: su código Rust no compila porque llama a `String::reverse`. Con ese caso aprobado sumaría 96,5.
• Mismos pesos. Las 54 comprobaciones de oficina, las 418 de fondo y los pesos son los mismos de los informes anteriores. Más abajo explicamos qué cambió en el test.
• Los motores, aparte. Lo que costó hacer andar cada paquete está en Avalon y Strata en 16 GB: nuestra experiencia.

Qué se midió

Tres configuraciones de Qwen3.8 Flash Next corrieron la batería completa: 49 tareas de razonamiento, código, visión, contexto largo y trabajo con agente. Cada tarea corrió una vez y se evaluó antes de pasar a la siguiente. Los agentes evaluados no ven las rúbricas.

Cada fila es un paquete de modelo más motor. El modelo IQ3_KS solo carga en Avalon, así que estos resultados no separan el efecto de uno y otro.

	Swift + Strata	Unsloth + Strata	Avalon IQ3_KS + Avalon
Modelo	Swift 1.5 Flash Next GSQ-RCO abliterated IQ3_S	Unsloth UD-IQ4_XS V3.1	Flash Next Avalon IQ3_KS
Motor	Strata 0.2.10	Strata 0.2.10	Avalon, commit 16de68d28
Contexto	262 144	262 144	262 144
Razonamiento	medium	medium	medium
Temperatura / top_p / top_k	1,0 / 0,9 / 20	1,0 / 0,95 / 20	1,0 / 0,9 / 20
Decodificación especulativa (MTP)	3 borradores	3 borradores	2 borradores
Caché KV	int8	int8	q8_0 / q4_0
Visión	Proyector propio, CPU	Proyector de Unsloth, CPU	Proyector de Unsloth, CPU

La máquina es la de las mediciones anteriores: RX 9070 XT de 16 GB, Ryzen 7 5700X, 94 GB de RAM y NVMe, con Arch Linux. Hubo un solo modelo a la vez en la tarjeta, con la CPU limitada a 80 % y el escritorio en uso normal. Las tres configuraciones completaron la batería sin errores de infraestructura.

El puntaje usa las mismas reglas de los informes anteriores:

• Serie N (análisis y trabajo de oficina): todas las comprobaciones valen lo mismo; el puntaje es el porcentaje de las 54 aprobadas.
• Series C, M, A, Visión y L: se puntúan con los pesos por ejercicio y por comprobación que fijaron los autores del test.
• Total: N 35 %, C 20 %, M 20 %, A 10 %, Visión 10 % y L 5 %.

El método completo está en el informe de 10 modelos.

Qué cambió en el test

Esta versión agrega 8 comprobaciones a la batería, que pasa de 534 a 542. Todas son puertas de formato, que revisan si la entrega se puede usar y no suman puntos:

• N14: 3 puertas de entrega, una por caso. Es un ejercicio informativo, que no suma al total, y ya anotamos esta regla en la nota de GPT-6.1 Terra y en la del agente Pi.
• C01, C02, C03, M09 y M10: una puerta de entrega en cada uno, separada de la de compilación.

Por eso las tablas se pueden leer juntas: siguen siendo las mismas 54 comprobaciones de oficina y las mismas 418 de fondo, con los mismos pesos. Las tres configuraciones nuevas aprobaron las 8 puertas, y recalcular sus puntajes sin ellas da lo mismo.

Las 14 filas anteriores conservan su puntaje publicado. Tienen las puertas de N14, pero las 5 de C y M no se aplicaron a sus respuestas, salvo la de M10 en Swift + Pi + Ponytail.

Hay otra diferencia de condiciones. Las configuraciones nuevas corrieron con una instrucción de sistema que pide terminar el razonamiento y entregar una respuesta final visible. Nueve de las filas anteriores conservan 38 a 41 casos respondidos antes de que esa instrucción existiera. No medimos su efecto.

Ranking total

Puesto	Modelo	Tipo	Total	Medición
1	Unsloth UD-IQ4_XS + Strata 0.2.10	Local	95,9	Noviembre
2	GPT-6.1 Sol + Pi	Pago, con Pi	95,6	Octubre
3	GPT-6.1 Sol	Pago	95,0	Octubre
4	Swift Flash Next IQ3_S + Strata 0.2.10	Local	94,7	Noviembre
5	Swift Flash Next IQ3_S	Local	94,6	Octubre
6	Swift Flash Next IQ3_S + Pi + Ponytail (combinado)	Local, con Pi	94,3	Octubre
7	Claude Haiku 5.5	Pago	92,6	Octubre
8	Qwen 3.8 Flash Next SC117 IQ2_XS	Local	92,5	Octubre
9	Avalon IQ3_KS + Avalon	Local	90,5	Noviembre
10	Swift SC117 IQ3_XXS	Local	89,1	Octubre
11	Swift 27B IQ3_S	Local	85,9	Octubre
12	GPT-6.1 Terra	Pago	84,5	Octubre
13	Qwen 3.8 Flash Next SC117 IQ3_XXS	Local	82,7	Octubre
14	Qwen3.8-27B-GSQ-RCO IQ3_S	Local	82,5	Octubre
15	Gemma 26B	Local	81,2	Octubre
16	Swift Flash Next IQ3_S + Pi (pasada inicial)	Local, con Pi	76,8	Octubre
17	GPT-6 Luna	Pago	74,9	Octubre
—	GPT-OSS 20B	Local	Sin total comparable (no admite imágenes)	—
—	GPT-OSS 20B + Pi	Local, con Pi	sin total comparable (70,1 sin Visión)	—

Las filas en negrita son los dos modelos probados; Swift + Strata 0.2.10 es la referencia. La columna «Medición» distingue las filas de esta ronda de las publicadas en octubre.

Los cinco primeros están dentro de 1,3 puntos: con una pasada por caso, no hay un ganador claro entre ellos. Swift aparece dos veces, con 94,7 y 94,6. Es el mismo modelo, con otra versión del motor y de la batería, y cambió en varias comprobaciones sin que podamos atribuirlo a una sola causa.

Avalon IQ3_KS queda noveno por programación: con 70,0 en C pierde 6 puntos frente a un modelo con nota máxima. En las demás series está cerca o en el máximo.

Otro orden posible: todas las comprobaciones por igual

Este orden cuenta las comprobaciones aprobadas en todas las series, como si cada una valiera lo mismo. Entran las 418 de fondo de las seis series. Quedan fuera las puertas de formato y los ejercicios informativos N13, N14 y M08. GPT-OSS 20B registra 375 porque no tiene Visión, así que no lleva puesto.

Puesto	Configuración	Tipo	Comprobaciones aprobadas (%)	Aprobadas de las registradas
1	Unsloth UD-IQ4_XS + Strata 0.2.10	Local	98,3	411 de 418
2	GPT-6.1 Sol	Pago	98,1	410 de 418
2	GPT-6.1 Sol + Pi	Pago, con Pi	98,1	410 de 418
4	Claude Haiku 5.5	Pago	97,8	409 de 418
4	Swift Flash Next IQ3_S	Local	97,8	409 de 418
4	Swift Flash Next IQ3_S + Strata 0.2.10	Local	97,8	409 de 418
7	Swift Flash Next IQ3_S + Pi + Ponytail (combinado)	Local, con Pi	97,6	408 de 418
7	Avalon IQ3_KS + Avalon	Local	97,6	408 de 418
9	Qwen 3.8 Flash Next SC117 IQ2_XS	Local	96,9	405 de 418
10	Swift SC117 IQ3_XXS	Local	96,4	403 de 418
11	GPT-6.1 Terra	Pago	94,5	395 de 418
12	Gemma 26B	Local	91,1	381 de 418
12	Swift Flash Next IQ3_S + Pi (pasada inicial)	Local, con Pi	91,1	381 de 418
14	GPT-6 Luna	Pago	89,7	375 de 418
15	Swift 27B IQ3_S	Local	81,3	340 de 418
16	Qwen3.8-27B-GSQ-RCO IQ3_S	Local	79,9	334 de 418
17	Qwen 3.8 Flash Next SC117 IQ3_XXS	Local	78,9	330 de 418
—	GPT-OSS 20B + Pi (sin Visión)	Local, con Pi	89,1	334 de 375
—	GPT-OSS 20B (sin Visión)	Local	72,8	273 de 375

Avalon sube del noveno al séptimo puesto, porque C03 aporta solo 3 de las 418 comprobaciones. Unsloth sigue primero, a una comprobación de GPT-6.1 Sol.

Resultados por serie

Cada tabla va de mayor a menor puntaje; los empates comparten puesto. «Comprobaciones aprobadas» cuenta las comprobaciones de fondo aprobadas en la serie, sin las puertas de formato.

N: análisis y trabajo de oficina (35 % del total)

Mide si el modelo resuelve tareas de oficina con material real y responde solo con lo que dice el material. Todas las comprobaciones valen lo mismo.

Puesto	Modelo	Tipo	Puntaje de la serie	Comprobaciones aprobadas	Fallas críticas
1	Swift 27B IQ3_S	Local	90,7	49 de 54	1
1	Unsloth UD-IQ4_XS + Strata 0.2.10	Local	90,7	49 de 54	1
1	Avalon IQ3_KS + Avalon	Local	90,7	49 de 54	1
4	Claude Haiku 5.5	Pago	88,9	48 de 54	1
4	Qwen 3.8 Flash Next SC117 IQ3_XXS	Local	88,9	48 de 54	1
4	GPT-6.1 Sol	Pago	88,9	48 de 54	3
4	GPT-6.1 Sol + Pi	Pago, con Pi	88,9	48 de 54	1
8	Swift Flash Next IQ3_S	Local	87,0	47 de 54	1
8	Swift Flash Next IQ3_S + Pi + Ponytail (combinado)	Local, con Pi	87,0	47 de 54	1
10	Swift Flash Next IQ3_S + Strata 0.2.10	Local	85,2	46 de 54	2
11	Qwen 3.8 Flash Next SC117 IQ2_XS	Local	81,5	44 de 54	2
11	Qwen3.8-27B-GSQ-RCO IQ3_S	Local	81,5	44 de 54	2
11	GPT-6.1 Terra	Pago	81,5	44 de 54	1
14	Swift Flash Next IQ3_S + Pi (pasada inicial)	Local, con Pi	79,6	43 de 54	3
15	Swift SC117 IQ3_XXS	Local	77,8	42 de 54	2
15	GPT-OSS 20B + Pi	Local, con Pi	77,8	42 de 54	3
17	GPT-6 Luna	Pago	75,9	41 de 54	2
18	GPT-OSS 20B	Local	74,1	40 de 54	3
19	Gemma 26B	Local	70,4	38 de 54	2

Fallas críticas: casos en que falló una comprobación etiquetada como crítica por los autores del test; es informativa y no cambia el puntaje de N.

Unsloth y Avalon empatan arriba con Swift 27B IQ3_S. Swift + Strata queda décimo: tres de sus ocho comprobaciones no aprobadas quedaron sin ejecutar por un error de formato en un solo caso.

C: programación (20 % del total)

Mide si el código en Rust pasa pruebas automáticas que el modelo no ve.

Puesto	Modelo	Tipo	Puntaje de la serie	Comprobaciones aprobadas
1	GPT-6.1 Sol	Pago	100	34 de 34
1	Swift Flash Next IQ3_S	Local	100	34 de 34
1	Claude Haiku 5.5	Pago	100	34 de 34
1	Qwen 3.8 Flash Next SC117 IQ2_XS	Local	100	34 de 34
1	Swift SC117 IQ3_XXS	Local	100	34 de 34
1	Swift 27B IQ3_S	Local	100	34 de 34
1	Qwen3.8-27B-GSQ-RCO IQ3_S	Local	100	34 de 34
1	Gemma 26B	Local	100	34 de 34
1	GPT-6.1 Sol + Pi	Pago, con Pi	100	34 de 34
1	Swift Flash Next IQ3_S + Pi + Ponytail (combinado)	Local, con Pi	100	34 de 34
1	Swift Flash Next IQ3_S + Pi (pasada inicial)	Local, con Pi	100	34 de 34
1	Unsloth UD-IQ4_XS + Strata 0.2.10	Local	100	34 de 34
1	Swift Flash Next IQ3_S + Strata 0.2.10	Local	100	34 de 34
14	Qwen 3.8 Flash Next SC117 IQ3_XXS	Local	87,1	25 de 34
15	Avalon IQ3_KS + Avalon	Local	70,0	31 de 34
16	GPT-6.1 Terra	Pago	60,0	24 de 34
16	GPT-OSS 20B	Local	60,0	24 de 34
16	GPT-OSS 20B + Pi	Local, con Pi	60,0	24 de 34
19	GPT-6 Luna	Pago	44,3	13 de 34

Aquí se separa Avalon IQ3_KS. C03 vale 30 % de la serie, y su entrega no compila. Swift aprobó ese mismo caso, con 156 128 tokens y 39 minutos.

M: proyecto de software (20 % del total)

Mide si el modelo sostiene un proyecto completo en Rust y Rails, cuyas piezas deben integrarse y pasar pruebas.

Puesto	Modelo	Tipo	Puntaje de la serie	Comprobaciones aprobadas
1	GPT-6.1 Sol	Pago	100	83 de 83
1	Swift Flash Next IQ3_S	Local	100	83 de 83
1	Claude Haiku 5.5	Pago	100	83 de 83
1	Qwen 3.8 Flash Next SC117 IQ2_XS	Local	100	83 de 83
1	Swift SC117 IQ3_XXS	Local	100	83 de 83
1	GPT-6.1 Terra	Pago	100	83 de 83
1	GPT-6 Luna	Pago	100	83 de 83
1	GPT-6.1 Sol + Pi	Pago, con Pi	100	83 de 83
1	Swift Flash Next IQ3_S + Pi + Ponytail (combinado)	Local, con Pi	100	83 de 83
1	Unsloth UD-IQ4_XS + Strata 0.2.10	Local	100	83 de 83
1	Avalon IQ3_KS + Avalon	Local	100	83 de 83
1	Swift Flash Next IQ3_S + Strata 0.2.10	Local	100	83 de 83
13	GPT-OSS 20B + Pi	Local, con Pi	76,7	73 de 83
14	Gemma 26B	Local	73,8	69 de 83
15	Swift 27B IQ3_S	Local	50,0	12 de 83
15	Qwen 3.8 Flash Next SC117 IQ3_XXS	Local	50,0	12 de 83
15	Qwen3.8-27B-GSQ-RCO IQ3_S	Local	50,0	12 de 83
15	GPT-OSS 20B	Local	50,0	12 de 83
19	Swift Flash Next IQ3_S + Pi (pasada inicial)	Local, con Pi	25,0	60 de 83

Las tres configuraciones resuelven completo el proyecto.

A: agéntica (10 % del total)

Mide si el modelo usa herramientas simuladas en el orden correcto. Es un solo ejercicio, con crédito parcial.

Puesto	Modelo	Tipo	Puntaje de la serie	Comprobaciones aprobadas
1	Swift Flash Next IQ3_S + Strata 0.2.10	Local	100	9 de 9
2	Swift Flash Next IQ3_S	Local	99,3	8 de 9
2	Swift 27B IQ3_S	Local	99,3	8 de 9
2	Qwen 3.8 Flash Next SC117 IQ3_XXS	Local	99,3	8 de 9
2	Qwen3.8-27B-GSQ-RCO IQ3_S	Local	99,3	8 de 9
2	GPT-6.1 Terra	Pago	99,3	8 de 9
2	Unsloth UD-IQ4_XS + Strata 0.2.10	Local	99,3	8 de 9
8	Swift Flash Next IQ3_S + Pi (pasada inicial)	Local, con Pi	98,7	8 de 9
8	Avalon IQ3_KS + Avalon	Local	98,7	8 de 9
10	Qwen 3.8 Flash Next SC117 IQ2_XS	Local	97,7	7 de 9
11	Swift Flash Next IQ3_S + Pi + Ponytail (combinado)	Local, con Pi	97,0	8 de 9
12	GPT-6.1 Sol	Pago	96,3	8 de 9
12	GPT-6.1 Sol + Pi	Pago, con Pi	96,3	8 de 9
14	Gemma 26B	Local	96,0	7 de 9
15	GPT-OSS 20B	Local	90,7	4 de 9
16	Swift SC117 IQ3_XXS	Local	76,0	7 de 9
17	GPT-6 Luna	Pago	75,3	7 de 9
18	Claude Haiku 5.5	Pago	72,3	7 de 9
19	GPT-OSS 20B + Pi	Local, con Pi	37,3	1 de 9

Swift + Strata es la única fila con nota máxima.

Visión (10 % del total)

Mide la lectura de imágenes (V01) y de boletas fotografiadas (N02).

Puesto	Modelo	Tipo	Puntaje de la serie	Comprobaciones aprobadas	Fallas críticas
1	GPT-6.1 Sol + Pi	Pago, con Pi	98,4	42 de 43	0
1	Avalon IQ3_KS + Avalon	Local	98,4	42 de 43	0
1	Swift Flash Next IQ3_S + Strata 0.2.10	Local	98,4	42 de 43	0
4	GPT-6.1 Sol	Pago	92,5	42 de 43	0
4	Swift Flash Next IQ3_S	Local	92,5	42 de 43	0
4	Claude Haiku 5.5	Pago	92,5	42 de 43	0
4	Qwen 3.8 Flash Next SC117 IQ2_XS	Local	92,5	42 de 43	0
4	Swift SC117 IQ3_XXS	Local	92,5	42 de 43	0
4	Swift 27B IQ3_S	Local	92,5	42 de 43	0
4	Qwen 3.8 Flash Next SC117 IQ3_XXS	Local	92,5	42 de 43	0
4	Qwen3.8-27B-GSQ-RCO IQ3_S	Local	92,5	42 de 43	0
4	Unsloth UD-IQ4_XS + Strata 0.2.10	Local	92,5	42 de 43	0
13	GPT-6.1 Terra	Pago	90,9	41 de 43	0
13	Swift Flash Next IQ3_S + Pi + Ponytail (combinado)	Local, con Pi	90,9	41 de 43	0
13	Swift Flash Next IQ3_S + Pi (pasada inicial)	Local, con Pi	90,9	41 de 43	0
16	GPT-6 Luna	Pago	74,2	39 de 43	1
17	Gemma 26B	Local	72,6	38 de 43	1
—	GPT-OSS 20B	Local	No soportado	—	—
—	GPT-OSS 20B + Pi	Local, con Pi	No soportado	—	—

Fallas críticas: casos de la serie en que falló una comprobación crítica.

Las tres aprueban 42 de 43, pero Unsloth tiene menor puntaje porque su fallo cae en las boletas, un ejercicio con menos comprobaciones y el mismo peso que V01.

L: lectura (5 % del total)

Mide si el modelo extrae con exactitud los datos de un organigrama de cinco tablas y responde preguntas sobre ellos.

Puesto	Modelo	Tipo	Puntaje de la serie	Comprobaciones aprobadas
1	GPT-6.1 Sol	Pago	100	195 de 195
1	Swift Flash Next IQ3_S	Local	100	195 de 195
1	Claude Haiku 5.5	Pago	100	195 de 195
1	Qwen 3.8 Flash Next SC117 IQ2_XS	Local	100	195 de 195
1	Swift SC117 IQ3_XXS	Local	100	195 de 195
1	Swift 27B IQ3_S	Local	100	195 de 195
1	GPT-6.1 Terra	Pago	100	195 de 195
1	Qwen 3.8 Flash Next SC117 IQ3_XXS	Local	100	195 de 195
1	Gemma 26B	Local	100	195 de 195
1	GPT-6.1 Sol + Pi	Pago, con Pi	100	195 de 195
1	Swift Flash Next IQ3_S + Pi + Ponytail (combinado)	Local, con Pi	100	195 de 195
1	Swift Flash Next IQ3_S + Pi (pasada inicial)	Local, con Pi	100	195 de 195
1	Unsloth UD-IQ4_XS + Strata 0.2.10	Local	100	195 de 195
1	Avalon IQ3_KS + Avalon	Local	100	195 de 195
1	Swift Flash Next IQ3_S + Strata 0.2.10	Local	100	195 de 195
16	Qwen3.8-27B-GSQ-RCO IQ3_S	Local	96,7	194 de 195
16	GPT-OSS 20B + Pi	Local, con Pi	96,7	194 de 195
18	GPT-OSS 20B	Local	93,3	193 de 195
19	GPT-6 Luna	Pago	90,0	192 de 195

Informativos: N13, N14 y M08

Estos tres ejercicios se ejecutan y se puntúan, pero no suman al total porque solo comprueban una parte de la tarea: N13, traducción al español de Chile; N14, reescritura formal de un mensaje a un cliente; M08, reglas de seguridad de una interfaz de administración.

Puesto	Modelo	Tipo	N13	N14	M08	Promedio	Tiempo total (min:s)
1	GPT-6.1 Sol + Pi	Pago, con Pi	100	100	100	100	2:38
2	GPT-6.1 Sol	Pago	100	100	100	100	2:39
3	GPT-6.1 Terra	Pago	66,7	100	100	88,9	0:41
4	Swift SC117 IQ3_XXS	Local	66,7	100	100	88,9	4:52
5	Swift Flash Next IQ3_S + Strata 0.2.10	Local	66,7	100	100	88,9	5:28
6	Swift 27B IQ3_S	Local	66,7	100	100	88,9	6:22
7	Swift Flash Next IQ3_S	Local	66,7	100	100	88,9	6:46
8	Gemma 26B	Local	66,7	100	100	88,9	7:07
9	Qwen 3.8 Flash Next SC117 IQ2_XS	Local	66,7	100	100	88,9	13:06
10	Swift Flash Next IQ3_S + Pi (pasada inicial)	Local, con Pi	100	66,7	100	88,9	—
11	GPT-6 Luna	Pago	66,7	66,7	100	77,8	0:35
12	GPT-OSS 20B	Local	33,3	100	100	77,8	1:56
13	Claude Haiku 5.5	Pago	100	33,3	100	77,8	2:52
14	Swift Flash Next IQ3_S + Pi + Ponytail (combinado)	Local, con Pi	66,7	66,7	100	77,8	4:10
15	Avalon IQ3_KS + Avalon	Local	100	33,3	100	77,8	5:33
16	Qwen3.8-27B-GSQ-RCO IQ3_S	Local	66,7	66,7	100	77,8	7:18
17	Unsloth UD-IQ4_XS + Strata 0.2.10	Local	66,7	66,7	100	77,8	9:07
18	GPT-OSS 20B + Pi	Local, con Pi	66,7	66,7	100	77,8	—
19	Qwen 3.8 Flash Next SC117 IQ3_XXS	Local	66,7	100	0	55,6	6:20

Se ordenan por el promedio de los tres; si hay empate, va primero el más rápido. El tiempo es la suma de la inferencia de los siete casos; en dos configuraciones con Pi no hay un tiempo comparable y se indica con «—».

Velocidad, tiempos y tokens

Las filas anteriores conservan las cifras publicadas. En las tres filas nuevas, tokens y tiempo son la suma de los contadores del motor en las 49 tareas. Hay diferencias de contabilidad entre campañas, así que el orden general es orientativo.

Tokens generados

Los tokens de salida incluyen normalmente el razonamiento previo a la respuesta. La tabla va del que menos generó al que más generó.

Modelo	Tipo	Casos	Tokens de salida	Promedio por caso
GPT-6 Luna	Pago	49	22 661	462
GPT-6.1 Terra	Pago	49	24 942	509
GPT-6.1 Sol	Pago	49	40 527	827
GPT-6.1 Sol + Pi	Pago, con Pi	49	45 666	932
GPT-OSS 20B	Local	45	116 633	2 592
GPT-OSS 20B + Pi	Local, con Pi	45	122 586	2 724
Swift Flash Next IQ3_S + Pi + Ponytail (campaña original)	Local, con Pi	49	148 570	3 032
Swift 27B IQ3_S	Local	49	183 442	3 744
Swift Flash Next IQ3_S	Local	49	192 293	3 924
Qwen 3.8 Flash Next SC117 IQ3_XXS	Local	49	192 729	3 933
Qwen3.8-27B-GSQ-RCO IQ3_S	Local	49	199 410	4 070
Swift SC117 IQ3_XXS	Local	49	207 099	4 227
Claude Haiku 5.5	Pago	49	277 780	5 669
Gemma 26B	Local	49	321 057	6 552
Qwen 3.8 Flash Next SC117 IQ2_XS	Local	49	344 117	7 023
Unsloth UD-IQ4_XS + Strata 0.2.10	Local	49	361 764	7 383
Swift Flash Next IQ3_S + Strata 0.2.10	Local	49	376 319	7 680
Avalon IQ3_KS + Avalon	Local	49	458 538	9 358

Swift gastó 156 128 tokens solo en C03. Avalon IQ3_KS generó más tokens que Swift en 30 de los 49 casos.

Tiempos de respuesta

La tabla va del más rápido al más lento por tiempo total.

Modelo	Tipo	Casos	Tiempo total de respuesta	Promedio por caso
GPT-6 Luna	Pago	49	0:04:51	5,9 s
GPT-6.1 Terra	Pago	49	0:06:29	7,9 s
GPT-OSS 20B	Local	45	0:12:58	17,3 s
GPT-OSS 20B + Pi	Local, con Pi	45	0:14:18	19,1 s
GPT-6.1 Sol	Pago	49	0:16:21	20,0 s
GPT-6.1 Sol + Pi	Pago, con Pi	49	0:17:25	21,3 s
Claude Haiku 5.5	Pago	49	0:21:23	26,2 s
Swift Flash Next IQ3_S + Pi + Ponytail (campaña original)	Local, con Pi	49	0:50:28	61,8 s
Qwen 3.8 Flash Next SC117 IQ3_XXS	Local	49	0:50:58	62,4 s
Swift SC117 IQ3_XXS	Local	49	0:51:33	63,1 s
Gemma 26B	Local	49	0:52:21	64,1 s
Swift Flash Next IQ3_S	Local	49	0:53:58	66,1 s
Swift 27B IQ3_S	Local	49	0:56:11	68,8 s
Qwen3.8-27B-GSQ-RCO IQ3_S	Local	49	1:01:36	75,4 s
Qwen 3.8 Flash Next SC117 IQ2_XS	Local	49	1:16:26	93,6 s
Swift Flash Next IQ3_S + Strata 0.2.10	Local	49	1:36:40	118,4 s
Unsloth UD-IQ4_XS + Strata 0.2.10	Local	49	2:04:16	152,2 s
Avalon IQ3_KS + Avalon	Local	49	2:05:15	153,4 s

Los tiempos de los servicios de pago incluyen la red y la cola del proveedor; no son comparables con los locales.

Velocidad de lectura y de generación (modelos locales)

La tabla va del modelo que más rápido lee al que más lento lee.

Modelo	Lectura (tok/s)	Generación (tok/s)
GPT-OSS 20B	4 658,3	153,5
GPT-OSS 20B + Pi	4 614,8	152,0
Qwen 3.8 Flash Next SC117 IQ2_XS	1 055,4	82,7
Swift Flash Next IQ3_S + Strata 0.2.10	951,8	66,3
Swift SC117 IQ3_XXS	943,1	78,2
Qwen 3.8 Flash Next SC117 IQ3_XXS	915,7	73,7
Swift Flash Next IQ3_S	844,9	69,3
Swift Flash Next IQ3_S + Pi + Ponytail	737,0	68,5
Unsloth UD-IQ4_XS + Strata 0.2.10	613,5	49,8
Gemma 26B	499,4	110,6
Qwen3.8-27B-GSQ-RCO IQ3_S	292,9	61,5
Swift 27B IQ3_S	280,7	62,7
Avalon IQ3_KS + Avalon	223,0	65,5

La lectura de Avalon baja por los cuatro casos con imagen: sin ellos lee a 551,6 tok/s, frente a 869,8 de Swift y 556,0 de Unsloth. En imágenes, los motores no leen la misma cantidad de tokens y la visión corre por CPU, así que esa cifra no mide lo mismo. Swift genera 33 % más rápido que Unsloth en el mismo motor, aunque Unsloth usa un `top_p` distinto y un pack hecho a mano. El detalle de velocidad, con las pruebas de control, está en la nota de los motores.

Qué significa para elegir

• Ninguna de las tres gana en todo. Unsloth rinde mejor en oficina, Swift en agéntica y en la velocidad con su motor, y Avalon empata en oficina, pero pierde un caso de programación.
• Fallan cosas distintas. Las tres tienen 6 fallos en casos que puntúan, y Swift e IQ3_KS coinciden solo en dos. Un solo caso puede mover varios puntos.
• Estos resultados son para esta máquina. Conviene probar con casos propios y mantener revisión humana en cifras, normativa y seguridad.

Limitaciones

• Una sola pasada, con temperatura mayor que cero. Diferencias de uno o dos puntos pueden ser ruido.
• Filas de dos rondas. Las 14 anteriores corrieron antes, con otra versión de la batería y, en algunos casos, de los motores.
• Pack de Unsloth. Usa `--compat-bf16`, que según las notas de Strata puede restarle calidad en AMD. No medimos ese efecto. El modelo ya no está en la máquina, así que repetir sus cifras exige descargarlo de nuevo.
• Rechazos. La batería no los mide, aunque Swift sea una versión abliterated.
• Pesos. Los pesos de las series son decisión de ITLab, y los de C, M, A, Visión y L los fijaron los autores del test.

Preguntas frecuentes

¿Unsloth superó a GPT-6.1 Sol? En esta tabla queda 0,3 puntos sobre Sol + Pi y 0,9 sobre Sol, con una pasada y en rondas distintas. Es un empate técnico, no una ventaja demostrada.

¿Por qué Avalon IQ3_KS queda noveno si empata arriba en oficina? Por C03, que vale 6 puntos del total. Su código Rust no compila. Con ese caso aprobado sumaría 96,5.

¿Cambió el test respecto de los informes anteriores? Agrega 8 puertas de formato, que no suman puntos. Las 54 comprobaciones de oficina, las 418 de fondo y los pesos son los mismos.

¿Qué es mejor, Strata o Avalon? Estos datos no lo dicen, porque IQ3_KS solo carga en Avalon. Nuestra experiencia con ambos está en esta nota.

Fuentes

• Strata, motor usado en las configuraciones de Swift y Unsloth (versión 0.2.10).
• Avalon, motor usado con IQ3_KS (commit 16de68d28).
• Qwen3.8 Flash Next Avalon GGUF, repositorio del modelo IQ3_KS.
• Unsloth, Qwen3.8 Flash Next GGUF, repositorio de UD-IQ4_XS y del proyector de visión.

Contacto

Si su organización evalúa adoptar IA, local o de pago, ITLab puede ayudarle a elegir el modelo según su tipo de trabajo y a probarlo con sus casos reales. Contáctenos.

---

El Banco ITLab es un instrumento vivo, en perfeccionamiento continuo. Las conclusiones expresan el criterio de ITLab a partir de sus propias mediciones.