Arena de modelos

Lo evalué con nuestra rúbrica de código: 47/50 problemas resueltos, y los 3 que falló los falló admitiendo que no estaba seguro. Eso último vale tanto como el puntaje.

En español rioplatense entiende modismos pero responde neutro. Para tareas técnicas, impecable.

El mejor en razonamiento largo de los que probamos, pero al ser cerrado no podemos auditar nada. Puntaje alto con asterisco.

Afinado por gente de acá con el dataset de voces regionales. En español coloquial le gana a modelos 10 veces más grandes. Corre en una GPU de consumo.

Para razonamiento complejo se queda corto, pero como asistente local en español es lo mejor que hay.