Descubre Carnice-V3-27b, el modelo open-source de kai-os que supera a gigantes diez veces más grandes en benchmarks de agentes y corre en tu propia GPU.

El ecosistema de los Large Language Models (LLMs) está experimentando un cambio de paradigma. Ya no se trata solo de cuántos parámetros tiene un modelo, sino de qué tan capaz es de ejecutar flujos de trabajo complejos y autónomos. El 24 de agosto de 2026, kai-os ha marcado un hito con el lanzamiento de Carnice-V3-27b, un modelo que desafía la lógica de la escala.
Carnice-V3-27b no es simplemente un modelo más en Hugging Face; es una herramienta diseñada específicamente para la era de los agentes. Mientras que muchos modelos de gran tamaño sufren para mantener la coherencia en tareas de múltiples pasos, Carnice ha sido optimizado para navegar por terminales, archivos y navegadores con una precisión quirúrgica, demostrando que la arquitectura inteligente supera al tamaño bruto.
Carnice-V3-27b es un modelo de 27 mil millones de parámetros construido sobre la robusta base de Qwen3.8-27B. Lo que lo distingue es su proceso de entrenamiento: se trata de un merge completo en formato BF16 de un Qwen3.8-27B sometido a un SFT (Supervised Fine-Tuning) de estilo Hermes-agent.
Para lograr este nivel de razonamiento, el equipo de kai-os utilizó trazas de Qwen3.8 Max en el benchmark hermes-agent. Esto permite que el modelo no solo comprenda el lenguaje natural, sino que entienda la estructura de comandos y la lógica de herramientas (tool-calling) necesaria para actuar como un agente autónomo en entornos de desarrollo.
El dato más impactante de Carnice-V3-27b es su rendimiento en los benchmarks de Hermes-agent. En pruebas comparativas, este modelo de 27B ha logrado superar consistentemente a modelos que son diez veces más grandes en su capacidad de ejecución de tareas multi-paso.
Esta eficiencia no es casualidad. Al entrenar específicamente con trazas de modelos de nivel 'Max', Carnice ha aprendido a destilar la capacidad de razonamiento de modelos masivos en un paquete mucho más ligero y manejable, optimizando la relación entre latencia y precisión en tareas de codificación y depuración.
Uno de los mayores obstáculos para los ingenieros de IA es la dependencia de APIs costosas y privadas. Carnice-V3-27b rompe esta barrera al estar diseñado para el hardware de consumo. Gracias a su optimización, el modelo puede ejecutarse localmente en una NVIDIA RTX 3090 o superior sin comprometer la velocidad de respuesta.
Además, para aquellos usuarios con hardware más limitado o que buscan maximizar la velocidad de inferencia, kai-os ha puesto a disposición versiones cuantizadas en formato GGUF. Esto permite que incluso desarrolladores con setups menos robustos puedan integrar agentes de IA de alto nivel en sus flujos de trabajo locales.
Debido a su entrenamiento especializado, Carnice-V3-27b no es un modelo de chat genérico, sino un motor de ejecución. Es ideal para desarrolladores que buscan automatizar tareas complejas de ingeniería de software.
Sus capacidades de manejo de repositorios y depuración lo convierten en el compañero perfecto para agentes de codificación autónomos, sistemas de RAG (Retrieval-Augmented Generation) que requieren navegación por archivos, y herramientas de automatización de terminal que necesitan una lógica de decisión impecable.
El acceso a Carnice-V3-27b es inmediato para la comunidad de código abierto. Todos los detalles de entrenamiento, incluyendo los datasets y la metodología utilizada, están disponibles de forma transparente en el repositorio oficial de Hugging Face de kai-os.
Para comenzar, puedes descargar los pesos originales en BF16 para máxima precisión o utilizar las versiones GGUF con herramientas como llama.cpp o LM Studio para una implementación rápida y local.
API Pricing — Input: N/A (Open Source) / Output: N/A (Open Source)