El Taller
Medidas, pruebas y lo que se rompe.
Todas las cifras de aquí salen de un banco de pruebas que se puede repetir. Si algo no se pudo medir, se dice. Si un número salió mal, se corrige y se explica.
- 2026-11-17
Ollama trunca tu documento en silencio, y el modelo te dice que lo ha leído enteroLe pasamos 300.000 y 600.000 caracteres. En los dos casos leyó 65.538 tokens. Y contestó como si hubiera leído todo.
- 2026-11-17
El modelo que dimos por malo era el mejor. Lo medí con la bandera equivocadaLe pusimos 36/48 y lo descartamos. Con el razonamiento encendido y otro motor da 45/48 y va al doble de velocidad. Tres veces el mismo error en un día.
- 2026-11-17
El archivo de lo común existe. Y el modelo distingue mucho peor un eccema que un tumor3.061 casos con diagnóstico de dermatólogo, de enfermedades comunes. Medidos con el mismo motor de nuestro visor: 42 % de acierto al primer parecido, frente al 77 % en lesiones tumorales.
- 2026-11-17
Apagar el razonamiento cuesta 12 aciertos, no te hace más rápido, y nadie te avisaEl mismo modelo, el mismo banco, la misma máquina. Con razonamiento 45/48. Sin razonamiento 33/48. Y encima más lento.