BottleCap AI ha lanzado ThinkingCap-Qwen3.8-27B, el segundo modelo de su serie ThinkingCap. Es una puesta a punto del Qwen3.8-27B del equipo Qwen con un objetivo concreto: recorridos de razonamiento más cortos. En 12 puntos de referencia, gasta en promedio un 37,2% menos de tokens de pensamiento. La precisión macropromedio pasa del 86,65% al 85,79%, una caída de 0,86pp.
¿Implementable? Sí. Viene para Qwen3.8-27B en vLLM o SGLang, con compilaciones FP8, NVFP4, GGUF y MLX. El repositorio está cerrado y el uso comercial más allá de la licencia para pequeñas empresas necesita un acuerdo BottleCap.
¿A qué problema se dirige ThinkingCap?
Los modelos de razonamiento suelen gastar más fichas de pensamiento de las que necesita una pregunta. La posición de BottleCap es que muchas de esas fichas adicionales no cambian la respuesta final. La primera versión de la serie aplicó esta idea a Qwen3.6-27B.
El objetivo esta vez fue deliberadamente conservador. BottleCap no intentó agregar conocimientos ni cambiar el estilo de respuesta. La capacidad de razonamiento, el seguimiento de instrucciones y el comportamiento seguro debían pasar intactos. El equipo de investigación también se centró más en matemáticas, razonamiento, contexto prolongado y puntos de referencia agentes.
Resultados de referencia con xhigh esfuerzo
Todos los números principales usan Reasoning_effort=xhigh, la plantilla de chat predeterminada. Cada índice de referencia se acorta, con recortes que van del 10,7% al 65,5%.
Los conocimientos y las tareas multilingües son los que más se reducen. MMMLU cae un 65,5% (1.656 a 571 tokens) y MMLU-Pro cae un 57,3%. GPQA-Diamond cae de 12.772 a 7.267 tokens, un recorte del 43,1%. IFBench piensa un 46,4% menos con una precisión casi plana (79,75% a 79,71%).
Mejora la recuperación de contexto largo. La precisión de AA-LCR aumenta 2,25 puntos porcentuales, del 81,75 % al 84,00 %, con un 38,6 % menos de tokens de pensamiento. LiveCodeBench v6 sube 0,07 pp y piensa un 20,3 % menos.
Los resultados agentes se mantienen cerca de la base. El banco τ² cede 1,01 puntos porcentuales, lo que supone un recorte del 30,9%. Terminal-Bench 2.1 pierde 0,56 pp, muy dentro de su intervalo de ±4,26, para un recorte del 10,7%.
La operación más cara es AIME 2026. La precisión cae 3,85 puntos porcentuales, del 98,13% al 94,27%, lo que supone un 30,2% menos de pensamiento.
Tenga en cuenta que la cifra del 37,2% es la media de las 12 reducciones por índice de referencia. Las fichas de pensamiento medio agrupadas caen de 15.735 a 12.144.
BottleCap también informa una curva de presupuesto. Con un límite de 16.000 tokens por respuesta, ThinkingCap obtiene una puntuación más alta que el modelo base. Los trazos truncados caen del 0,51% al 0,34% y los bucles del 0,06% al 0,05%.