Resumen
El 6 de noviembre de 2026, cuatro medios coreanos (Chosun Biz, Economist Korea, Digital Daily y AI Times) informaron que Darwin-180B-RSI-R3, el modelo de razonamiento de pesos abiertos de VIDRAFT, obtuvo 73,68 puntos en razonamiento matemático y científico en la tabla general de SuperCLUE de noviembre de 2026. Es el segundo puesto entre los 19 modelos evaluados, solo por detrás de GPT-6.1-Sol de OpenAI (76,32), y el primero entre los modelos de pesos abiertos. Google Gemini-4-Argon, xAI Grok-4.7, DeepSeek-V4.1-Flash y Qwen3.8-Max quedaron por debajo. Darwin es el único modelo coreano de la tabla.
Qué es SuperCLUE
SuperCLUE es la continuación para grandes modelos de CLUE, el banco de pruebas de comprensión del chino que comenzó en 2019. Cada mes construye un conjunto de preguntas privado, de modo que un modelo no puede ganar puntos memorizando preguntas publicadas. Puntúa cinco dimensiones: programación con agentes, razonamiento matemático y científico, control de alucinaciones, seguimiento preciso de instrucciones y contexto largo. Los modelos no chinos aparecen como referencia sin un puesto oficial.
Las cifras
Razonamiento matemático y científico, noviembre de 2026:
| Modelo | Desarrollador | Pesos abiertos | Puntuación |
|---|---|---|---|
| GPT-6.1-Sol | OpenAI | No | 76,32 |
| Darwin-180B-RSI-R3 | VIDRAFT | Sí | 73,68 |
| Gemini-4-Argon | No | 71,05 | |
| DeepSeek-V4.1-Flash | DeepSeek | Sí | 71,05 |
| Grok-4.7 | xAI | No | 68,42 |
| Qwen3.8-Max-0902 | Alibaba | No | 68,42 |
| GLM-5.3 | Zhipu AI | Sí | 65,79 |
| Kimi-K3.1-Pro | Moonshot | Sí | 63,16 |
| Qwen3.8-Flash | Alibaba | Sí | 57,89 |
En el índice general de cinco dimensiones, Darwin obtuvo 43,08: noveno de 19 y quinto entre los modelos de pesos abiertos.
Qué destacó cada medio
| Medio | Titular (traducido) | Enfoque |
|---|---|---|
| Chosun Biz | Darwin de VIDRAFT supera a Google, Grok y DeepSeek en razonamiento matemático y científico en SuperCLUE | A quién superó |
| Economist Korea | Darwin de VIDRAFT, segundo global en razonamiento matemático y científico de SuperCLUE | Puesto global y mejora sobre el modelo base |
| Digital Daily | Darwin de VIDRAFT, segundo en un banco de pruebas global, especializado en razonamiento complejo | El método de automejora |
| AI Times | Darwin de VIDRAFT, nivel mundial número dos en razonamiento matemático y científico, por delante de Google y DeepSeek | Método, modelo base y puesto general |
Por qué importa la comparación con el modelo base
Darwin-180B-RSI heredó sus capas de expertos (512 expertos por capa, las redes que guardan la mayor parte del conocimiento) de Qwen3.8-Flash-Next de Alibaba y las mantuvo sin cambios. VIDRAFT reentrenó solo las capas de atención, la atención lineal y los expertos compartidos mediante automejora recursiva (RSI): el modelo escribe problemas, los resuelve, verifica las respuestas y se actualiza con las trazas verificadas.
| Qwen3.8-Flash (modelo base) | Darwin-180B-RSI-R3 | |
|---|---|---|
| Razonamiento matemático y científico | 57,89 | 73,68 |
| Índice general | 39,81 (15.º) | 43,08 (9.º) |
Mismos expertos, mismo conocimiento, distintas capas de razonamiento: 15,8 puntos más en la dimensión más difícil y seis puestos en el índice general. Dos días antes, el 3 de noviembre, el mismo modelo ocupó el primer puesto general en la tabla GPQA Diamond de Hugging Face con 94,44, una prueba de ciencia en inglés de nivel de doctorado.
Para quien quiera usarlo
Darwin-180B-RSI-R3 es un modelo de mezcla de expertos de 180 mil millones de parámetros con unos 3 mil millones activos por token. Se publica con pesos abiertos bajo la licencia comunitaria de Qwen, que permite el uso comercial. Hay una versión de 4 bits para equipos personales, POCKET-Darwin-180B-GGUF, que funciona desde SSD en un portátil con 32 GB de RAM sin GPU de centro de datos.
Preguntas frecuentes
¿Darwin quedó primero en general?
No. Quedó primero entre los modelos de pesos abiertos y segundo en general en razonamiento matemático y científico. En el índice general de cinco dimensiones quedó noveno de 19.
¿Quién produjo las puntuaciones?
SuperCLUE, con su conjunto privado de noviembre. VIDRAFT no las midió.
¿Dónde está la fuente primaria?
La tabla en superclueai.com/homepage. El gráfico es una captura de esa página del 5 de noviembre de 2026.
¿Cuál es la licencia?
Licencia comunitaria de Qwen 1.0, heredada del modelo base. Se permite el uso comercial.
