Un usuario, frustrado con los modelos de OpenAI, probó Qwen3.6-27b para generar código Svelte 5 y obtuvo un resultado perfecto, aunque tardó más. Anticipa desarrollos interesantes en los próximos 12 meses, a pesar de la naturaleza informal de la evaluación.
Un usuario relata su experiencia con el modelo Qwen3.6, que construyó y probó con éxito un juego de defensa de torres, demostrando la capacidad de identificar y corregir sus propios errores. La IA confirmó las compilaciones usando capturas de pantalla, sorprendiendo al usuario con sus capacidades avanzadas.
AutoBe es un nuevo benchmark para la generación de backend de extremo a extremo, donde las solicitudes en lenguaje natural producen seis salidas estructuradas mediante llamadas a funciones. El benchmark revela que la calidad del backend está más influenciada por el diseño del arnés que por el prestigio del modelo, con modelos locales rindiendo de manera comparable a los modelos de frontera a un costo significativamente menor.
El autor presenta Mahoraga, un orquestador de código abierto que enruta tareas eficientemente entre agentes de IA locales y en la nube utilizando un bandit contextual (LinUCB). Desarrollada por experiencia personal con límites de créditos en la nube, la herramienta optimiza el uso de la IA, destacando el rendimiento de Qwen3 4B en tareas de código.
![Qwen3 4B outperforms cloud agents on code tasks—with Mahoraga research [R]](/cdn-cgi/image/width=3840,quality=75,format=webp/https://external-preview.redd.it/vJR39F6E0ARypSJNijuQ-yR1Ycl5eGsa5LcRuS3CoSM.png?width=140&height=70&auto=webp&s=6b39ed3b63f9683d366c205696aa8805c9cf6143)
Flathub ha implementado una política que prohíbe el código y la documentación asistidos por IA en sus contribuciones. Esta medida busca mantener la autoría humana y la calidad en el desarrollo de software.
El Meta Superintelligence Lab presenta ProgramBench, una iniciativa que prueba la capacidad de las IAs avanzadas para recrear programas ejecutables como ffmpeg y SQLite desde cero, sin acceso a internet. Este estudio busca explorar los límites de la generación de código por IA. La investigación se centra en evaluar la autonomía y la completitud de los modelos de IA en la síntesis de software complejo.
Modelos de código de peso abierto de 27B–32B, como Qwen 3.6-27B, lograron una tasa de éxito del 38.2% en Terminal-Bench 2.0 para tareas de codificación bajo restricciones estándar. El enfoque está en la viabilidad de los modelos locales y las mejoras significativas en la velocidad de inferencia de las arquitecturas MOE.
Un concurso local de desarrollo de juegos con LLMs comparó Qwen 3.6 27B y Gemma 4 31B en la creación de un juego Pac-Man. Gemma 4 31B fue el claro ganador, produciendo una lógica de juego más fuerte y una mayor calidad en mucho menos tiempo, a pesar de que Qwen generó más tokens.
Un experimento demostró que un pequeño modelo de IA puede entrenarse a sí mismo para programar, inventando problemas, resolviéndolos y afinando sus propias correcciones. El modelo alcanzó el 80% en HumanEval y superó a GPT-3.5 en matemáticas, utilizando solo un intérprete de Python como juez.
El usuario informa una experiencia muy positiva y efectiva con el PI Coding Agent, utilizando un modelo local Qwen3.6 35b para proyectos de producción. El éxito se atribuyó a un archivo de "skill" personalizado que impone un flujo de trabajo de planificación, asegurando la ejecución paso a paso y la aprobación del plan antes de cualquier codificación.
Este artículo explora el panorama emergente donde la inteligencia artificial comienza a desarrollar código de sistemas. Discute las implicaciones y el futuro de la programación a medida que las herramientas de IA se vuelven más competentes.
Un usuario intenta realizar tareas de codificación con Qwen3.6-35B en un Macbook Pro M2 de 32GB, enfrentando problemas de agotamiento de memoria y gestión de la ventana de contexto. Aunque el modelo identifica la esencia de un error, no logra implementar la solución debido a la pérdida de información crucial durante la compactación del contexto.
Un usuario se sorprende con la capacidad de salida de 384K de DeepSeek-v4, logrando generar un sistema operativo web completo en un solo archivo HTML de 100KB. Esta impresionante funcionalidad demuestra el potencial del modelo para la creación de contenido extenso y complejo.
Este artículo analiza cómo los asistentes de IA como Cursor o Claude a menudo generan código Vue.js subóptimo debido a datos de entrenamiento desactualizados, mezclando patrones de API antiguos y nuevos. Propone hacer cumplir patrones específicos y modernos de la Composition API de Vue 3 a través de reglas verificadas en el repositorio, como `.cursorrules`, para asegurar la calidad y escalabilidad del código, en lugar de depender únicamente de los prompts.
El artículo presenta las mejores herramientas de inteligencia artificial para ayudar a escribir código, como GitHub Copilot, Tabnine y OpenAI Codex. Estas herramientas aceleran el desarrollo de software ofreciendo sugerencias de código y convirtiendo el lenguaje natural en código.
StepPRM-RTL es un nuevo framework que mejora la generación de código RTL basada en LLM, combinando modelado de trayectoria paso a paso, modelado de recompensa de proceso (PRM) y ajuste fino aumentado por recuperación (RAFT). Utiliza retroalimentación densa de un PRM para guiar actualizaciones de estilo refuerzo y Monte Carlo Tree Search (MCTS) para enriquecer el conjunto de datos de entrenamiento.
Este estudio realizó 52 benchmarks de codificación con IA, descubriendo que la variable más importante en el desarrollo asistido por IA es el brief inicial. Un brief estructurado (CONTRACT.md) reduce los costos en un 54% y eleva la calidad de 5/10 a 9/10, mientras que los equipos de agentes y los bucles de reintento resultaron ineficaces o perjudiciales.
Este contenido aborda la cuestión crítica de si los Grandes Modelos de Lenguaje (LLMs) son capaces de producir código con la calidad requerida para entornos empresariales. Tom Howlett explora los desafíos y las capacidades de estas tecnologías en el desarrollo de software de nivel empresarial.
Un desarrollador narra su experiencia al usar GitHub Copilot para un pequeño cambio de código, lo que provocó 12 fallos en las pruebas sin explicación alguna. La anécdota, de hace más de un año, subraya las limitaciones de la generación de código por IA en ese momento en cuanto a fiabilidad y trazabilidad.
El artículo aborda el problema de que Copilot genera código genérico, lo que lleva a bases de código inconsistentes con el tiempo. Introduce el concepto de 'Agent Skills' como archivos Markdown para proporcionar contexto persistente sobre las convenciones del equipo, buscando mejorar la especificidad del código generado.