Modelos Smaug: Abacus.AI lanza tres IA abiertas para agentes empresariales

⏱ Tiempo de lectura: 5 min

Abacus.AI presentó el 10 de septiembre de 2026 la línea Smaug, tres modelos de lenguaje de peso abierto optimizados para cargas de trabajo agentic empresariales: Smaug Agentic, Smaug Flash y Smaug Mini. Los tres están disponibles en Hugging Face y mediante la API RouteLLM de la empresa, posicionándose como alternativas económicas a modelos propietarios de Anthropic y OpenAI, con costos típicamente 10–100 veces menores.

Tres modelos abiertos para agentes IA de larga duración

La técnica de ajuste fino de Smaug mejora el rendimiento de bucles agentic prolongados entre 15 y 20 por ciento sin aumentar costos, según Abacus.AI. Los modelos permiten a las empresas ejecutar agentes automejorados a escala usando costos de modelos de código abierto. Bindu Reddy, CEO de Abacus.AI, señaló que los modelos abiertos cierran la brecha respecto a modelos de frontera, pero aún presentan limitaciones en bucles agentic prolongados, una limitación que Smaug aborda. Los modelos de lenguaje pueden hospedarse en entornos VPC de nube propia o en clusters GPU internos, ofreciendo control total sobre datos.

Especificaciones, rendimiento y características técnicas

Smaug Agentic: Ajuste fino de Kimi K3 de Moonshot AI (2.8 billones de parámetros totales, 104 mil millones activados, contexto de 1.048.576 tokens). Puntuaciones: GPQA Diamond 94.1, AA-LCR 75.7, DeepSWE 69.9, Terminal-Bench 2.1 86.5, SciCode 60.8, LiveBench agentic coding 64.6, AutomationBench 31.0, MMMU-Pro 81.0. Ganancia sobre base: DeepSWE +2.4 puntos, LiveBench agentic coding +2.4, SciCode +2.1, AA-LCR +1.0, GPQA Diamond +0.6. En 113 tareas DeepSWE durante siete horas continuas: cero errores de infraestructura, cero timeouts.

Smaug Flash: Ajuste fino de DeepSeek V4 Flash 0731. Puntuaciones contra base: LiveBench general 77.4 (vs. 74.2), LiveBench agentic coding 61.1 (vs. 46.8), DeepSWE 1.1 56.6 (vs. 54.4), AutomationBench 38.83 (vs. 25.1), NL2repo-bench 73.3 (vs. 54.2). Optimizado para agentes personales integrados con WhatsApp, Telegram y Slack manteniendo conversaciones prolongadas.

Smaug Mini: 27 mil millones de parámetros, ajuste fino de Qwen 3.8 27B para casos de uso multimodal. Puntuaciones: LiveBench general 76.9 (vs. base 75.3), IFBench 82.0, AutomationBench 41.8 (vs. 37.3), JobBench 50.5 (vs. 33.4), NL2repo-bench 55.8 (vs. 42.3). Apto para tareas simples y chatbots empresariales con posibilidad de ajuste fino adicional sobre datos propios. Fuente: www.unite.ai

Qué se puede esperar ahora

Abacus.AI plantea que la metodología Smaug combina trazas agentic curatorias con datos sintéticos, generando mejoras consistentes en codificación agentic, uso real de herramientas, automatización y razonamiento de largo contexto. La empresa prevé evolucionar la línea conforme nuevos modelos base emerjan y su biblioteca de trazas agentic crezca, reforzando la tesis de que ajuste fino estratégico cierra brechas competitivas sin costos prohibitivos.

Modelo	Base	Parámetros	Caso de uso	Disponibilidad
Smaug Agentic	Kimi K3 (Moonshot AI)	2.8T total, 104B activos	Bucles agentic prolongados, codificación, razonamiento largo contexto	Hugging Face, API RouteLLM, VPC propia, GPU interna
Smaug Flash	DeepSeek V4 Flash 0731	No especificado	Agentes personales, WhatsApp, Telegram, Slack	Hugging Face, API RouteLLM
Smaug Mini	Qwen 3.8 27B	27 mil millones	Multimodal, chatbots, tareas simples, ajuste fino personalizado	Hugging Face, API RouteLLM
Fecha lanzamiento	10 de septiembre de 2026	—	—	Inmediata
Mejora agentic reportada	15–20% rendimiento bucles prolongados	Sin aumento de costo	Todos los modelos	Aplicable a cualquier base abierta
Ahorro de costo vs. frontera	10–100× menor que Anthropic/OpenAI	—	—	Todos los modelos

Preguntas frecuentes sobre modelos Smaug

¿Cuál es la diferencia entre Smaug Agentic, Flash y Mini?

Smaug Agentic está optimizado para bucles complejos y prolongados con contexto extenso (base Kimi K3). Smaug Flash prioriza velocidad y costo manteniendo rendimiento agentic (base DeepSeek). Smaug Mini es ligero, multimodal y apto para chatbots y tareas simples (base Qwen), con opción de ajuste fino en datos propios.

¿Cuándo están disponibles y dónde se descargan?

Los tres modelos fueron lanzados el 10 de septiembre de 2026 y están disponibles inmediatamente en Hugging Face y mediante la API RouteLLM de Abacus.AI. Las empresas pueden alojarlos en VPC de nube propia o clusters GPU internos sin restricciones de datos.

¿Cuánto cuestan comparados con modelos propietarios?

Los costos típicos de modelos abiertos son 10–100 veces menores que los de Claude Opus o GPT de frontera. Abacus.AI no especifica tarificación exacta de RouteLLM en el anuncio, pero apunta a que el acceso abierto permite escalamiento económico.

Nuestra lectura editorial

Abacus.AI posiciona estos modelos como prueba de que ajuste fino estratégico cierra la brecha de rendimiento agentic sin comprometer economía. La disponibilidad simultánea en tres tamaños refleja la maduración del mercado de código abierto: ya no es solo alternativa económica, sino solución competitiva para cargas de trabajo específicas que exigen control de datos y predictibilidad de costos.

En Inteligencia Artificial el lanzamiento refuerza la tendencia de modelos abiertos ganando terreno en casos empresariales concretos. ¿Veremos que las organizaciones hispanohablantes priorizan Smaug como primera línea antes de escalar a modelos cerrados?

Fuente: www.unite.ai