Pusimos el modelo pequeño que lee cada respuesta en producción junto a un modelo de 32 mil millones de parámetros, al que solo dimos las definiciones de lo que debía buscar. Mismas frases, mismas seis lecturas. El lector pequeño aguanta: igual en cuatro, mejor en dos.
## La pregunta
Cada respuesta que PSA lee pasa por un solo modelo pequeño, de unos 0,6 mil millones de parámetros, entrenado con nuestro catálogo de comportamientos. Cabe preguntarse si un modelo general mucho mayor leería mejor solo porque se le dice qué buscar.
## Qué hicimos
Tomamos los conjuntos de prueba de seis lecturas del producto: presión en el mensaje del usuario, tensión sobre los límites en la respuesta, complacencia, señales de alucinación, técnicas de persuasión y presión entre agentes. Los dos modelos leyeron las mismas 3.393 frases, una a una, sin más contexto. Al modelo de 32B (Qwen3-32B) le dimos la lista de comportamientos de cada lectura y le pedimos sí o no.
## Qué encontramos
```chart
{"title": "Exactitud equilibrada por lectura (%)", "series": ["Nuestro lector 0,6B", "32B, solo definiciones"], "unit": "", "max": 100, "rows": [["C0", 94, 88], ["C1", 86, 74], ["C2", 94, 92], ["C3", 93, 90], ["C4", 91, 89], ["CA", 91, 91]]}
```
- **Empate** en complacencia, señales de alucinación, persuasión y presión entre agentes.
- **Nuestro lector es mejor** en la presión en el mensaje del usuario y en la tensión sobre los límites, donde el modelo grande ve el comportamiento demasiado a menudo (llama «tensa» a cerca de la mitad de las respuestas normales).
## Qué significa
El tamaño por sí solo no compra una mejor lectura: un modelo entrenado con el catálogo lee tan bien como uno cincuenta veces mayor y cuesta una fracción.
## Detalle técnico
La exactitud equilibrada es la media del recall de cada clase. Lectores: el lector multitarea de producción (base Qwen3-0.6B) y Qwen3-32B en bf16, temperatura 0, sin razonamiento. Las frases son las partes reservadas de los conjuntos de entrenamiento, etiquetadas por el acuerdo de varios modelos jueces. Queda una salvedad abierta: si nuestro lector vio algunas de estas frases al entrenarse, sus cifras son generosas, así que el «empate» es el suelo del modelo grande, no su techo.
Esta novedad no está disponible.