Tessera-27B-B-CJK-RL utiliza razonamiento comprimido para agentes de codificación eficientes

ZelligeAI ha lanzado Tessera-27B-B-CJK-RL, un modelo de agente de codificación de pesos abiertos especializado, construido sobre la arquitectura Qwen3.8-27B. Publicado el 6 de noviembre de 2026, esta versión beta introduce un mecanismo único de razonamiento interno que comprime los procesos de pensamiento utilizando una mezcla de inglés, caracteres chinos y símbolos. El modelo busca mantener un alto rendimiento en tareas competitivas de matemáticas y programación mientras reduce significativamente el número de tokens generados por turno del agente.

Qué ocurrió

El nuevo modelo es una evolución del previamente lanzado Tessera-27B-B-CJK. Sufre ocho actualizaciones adicionales de aprendizaje por refuerzo enfocadas específicamente en problemas de matemáticas y código. Este proceso de entrenamiento resulta en un modelo que resuelve más problemas de matemáticas estilo competición nuevos que su predecesor. Crucialmente, conserva la mayoría de las ganancias de eficiencia asociadas con la línea original Tessera, diseñada para pensar menos por turno que los modelos base estándar.

El lanzamiento incluye varias opciones de repositorio para desarrolladores. La oferta principal es un conjunto de pesos bf16 fusionados que totalizan 55.6 GB. Para quienes prefieren enfoques de ajuste fino eficiente en parámetros, está disponible un adaptador PEFT de 1.09 GB. El equipo también proporciona formatos GGUF con cinco cuantizaciones réplica de diseño Unsloth y un checkpoint NVFP4, aunque estos últimos formatos no han sido completamente evaluados. Todos los archivos están licenciados bajo Apache-2.0, coincidiendo con el modelo base.

Cómo funciona

La innovación central radica en el monólogo interno del modelo, o fase "think" (pensar). En lugar de generar pasos de razonamiento verbosos en inglés, Tessera-27B-B-CJK-RL utiliza una abreviatura comprimida que mezcla caracteres chinos, palabras en inglés y símbolos. Este método permite al modelo transmitir estados lógicos complejos en muchos menos tokens. Por ejemplo, un turno típico del agente podría usar solo 45 tokens para describir resultados de suites de pruebas y estado de linting, mientras que el modelo base requería 158 tokens para el mismo estado. A pesar de esta compresión, las respuestas finales y las llamadas a herramientas permanecen en inglés y código plano, asegurando la usabilidad para los desarrolladores.

El entrenamiento implicó partir del adaptador LoRA Tessera-27B-B-CJK y aplicar ocho rondas de aprendizaje por refuerzo en la plataforma Tinker. Cada actualización muestreaba seis rollouts para problemas específicos de matemáticas y código, optimizando la corrección y limpieza mientras penalizaba la longitud excesiva relativa al modelo base. La ventaja de cada rollout se distribuía entre sus tokens de pensamiento, evitando que secuencias largas influyeran desproporcionadamente en las actualizaciones del gradiente. Los pares LoRA finales se fusionaron en los pesos bf16 del modelo base, con verificaciones que mostraban una desviación mínima respecto al rendimiento del adaptador no fusionado.

Detalles clave

• El modelo logra 108 soluciones correctas de 126 intentos en problemas de AIME y HMMT de febrero de 2026, una mejora sobre los 97 de la versión anterior.
• El pensamiento por turno del agente es aproximadamente 0.67x el del modelo base, manteniendo ganancias significativas de eficiencia.
• El lanzamiento incluye pesos bf16 fusionados (55.6 GB), un adaptador LoRA (1.09 GB) y variantes GGUF y NVFP4 sin probar.
• El entrenamiento utilizó ocho actualizaciones de RL con una tasa de aprendizaje de 2e-5, puntuando los rollouts basándose en la corrección y la eficiencia de longitud.
• Las configuraciones de inferencia recomendadas incluyen reasoning_effort="xhigh", temperatura 1.0, top-p 0.95 y top-k 20.
• El modelo está construido sobre Qwen/Qwen3.8-27B y utiliza el tokenizador y plantilla de chat estándar.

Por qué importa

Para ingenieros que construyen agentes de codificación autónomos, la eficiencia de tokens impacta directamente en la latencia y el costo. Al comprimir el razonamiento interno en una abreviatura multilingüe densa, Tessera-27B-B-CJK-RL reduce la carga computacional por paso de decisión sin sacrificar la calidad de salida. Esto permite a los agentes operar dentro de ventanas de contexto más ajustadas, como el límite de 64K tokens probado, donde el nuevo modelo falló significativamente menos veces debido a truncamiento comparado con su predecesor. Esta ganancia de eficiencia es crítica para escalar flujos de trabajo de agentes que requieren extenso uso de herramientas e ida y vuelta para verificación.

Además, el mejor rendimiento en benchmarks de matemáticas competitivas sugiere mejores capacidades generales de razonamiento. Aunque el modelo está especializado en codificación, la habilidad para resolver problemas matemáticos complejos a menudo correlaciona con una deducción lógica más fuerte en tareas de ingeniería de software. Los desarrolladores pueden aprovechar este razonamiento mejorado para depuración, diseño de algoritmos y planificación de arquitecturas de sistemas complejos, siempre que configuren correctamente los parámetros de inferencia para activar el modo de pensamiento comprimido.

Qué puedes hacer

• Despliega los pesos bf16 fusionados usando vLLM 0.31 o transformers 5.17 para inferencia local.
• Configura plantillas de chat con reasoning_effort="xhigh" para activar el proceso de pensamiento optimizado.
• Usa temperatura 1.0, top-p 0.95 y top-k 20 para igualar las condiciones de evaluación.
• Elimina los tokens "think" pasados del historial durante conversaciones multi-turno para ahorrar espacio de contexto.
• Prueba el adaptador LoRA si prefieres carga eficiente en parámetros sobre fusión de pesos.
• Evita depender de los checkpoints GGUF o NVFP4 sin probar para entornos de producción hasta una validación adicional.