Razonamiento activado o no: Qwen gana 26 puntos, los Gemma grandes 5, los pequeños casi nada

La mayoría de los modelos locales pueden funcionar de dos maneras: con una fase de razonamiento antes de la respuesta, o directamente a la respuesta. Esa fase cuesta tiempo y tokens. ¿Compra una escritura mejor? Ejecutamos 21 versiones locales de las dos maneras con las mismas consignas en español y puntuamos ambas en los mismos duelos a ciegas. Cada flecha empieza en la puntuación sin razonamiento y termina en la puntuación con él.

Veintiuna versiones, un interruptor: la flecha apunta a la derecha en dieciocho

Qué cambia el interruptor de razonamiento

Puntuación sin razonamiento (inicio de la flecha) y con él (punta de la flecha), 21 versiones locales ordenadas por ganancia.

• Qwen
• Gemma
• Razonamiento desactivado
• Razonamiento activado

Ver como tabla de datos

Modelo	Razonamiento desactivado	Razonamiento activado	Ganancia
Qwen3.6 35B A3B Q4_K_M	11,2	46,5	+35,3
Qwen3.8 27B Q8_0	37,7	70,4	+32,7
Qwen3.6 27B Q8_0	15,1	46,9	+31,8
Qwen3.8 27B Q6_K	34,0	61,8	+27,8
Gemma 4 26B A4B QAT-Q4_0	38,7	62,1	+23,4
Qwen3.6 35B A3B Q8_0	22,1	41,3	+19,2
Gemma 4 26B A4B Q6_K	43,9	56,6	+12,7
Qwen3.8 27B Q4_K_M	36,0	43,4	+7,4
Gemma 4 12B Q6_K	36,0	42,6	+6,6
Gemma 4 E4B Q8_0	12,0	17,3	+5,3
Gemma 4 E2B Q6_K	12,8	17,1	+4,3
Gemma 4 12B Q8_0	46,8	49,9	+3,1
Gemma 4 31B Q8_0	64,8	67,3	+2,5
Gemma 4 E2B Q8_0	15,2	17,0	+1,8
Gemma 4 31B QAT-Q4_0	57,7	58,9	+1,2
Gemma 4 12B QAT-Q4_0	41,7	42,7	+1,0
Gemma 4 E2B Q4_K_M	14,1	14,4	+0,3
Gemma 4 E4B Q6_K	13,6	13,9	+0,3
Gemma 4 E4B Q4_K_M	10,1	9,5	−0,6
Gemma 4 31B Q6_K	62,2	61,1	−1,1
Gemma 4 26B A4B Q8_0	59,1	56,2	−2,9

Dieciocho versiones ganan, tres pierden, y las pérdidas son pequeñas. Pero la historia está en la longitud de las flechas: las versiones Qwen ganan de 7 a 35 puntos, los Gemma 4 grandes de −3 a +25, los pequeños Gemma se quedan cerca de cero.

Qwen gana 26 puntos de media, los Gemma grandes 5, los pequeños 2

Qué aporta el razonamiento, familia por familia

Ganancia media de puntuación con el razonamiento activado, sobre las versiones de cada familia.

Ver como tabla de datos

	puntos	n
Qwen 3.6 / 3.8	+25,7	6
Gemma 4, 12B y mayores	+5,2	9
Gemma 4 E2B / E4B	+1,9	6

Las familias se comportan de forma tan distinta que una media global lo ocultaría todo. Qwen3.6 y Qwen3.8 ganan 25,7 puntos de media; Gemma 4 de 12B en adelante, 5,2; Gemma 4 E2B y E4B, 1,9.

Sin razonamiento, Qwen3.8 27B es un modelo flojo; con él, el mejor modelo local en español

Qwen3.8 27B Q8_0 pasa de 37,7 puntos sin razonamiento a 70,4 con él, 33 puntos de ganancia, y se convierte en el mejor modelo local de la edición en español. Qwen3.6 35B A3B Q4_K_M gana aún más, 35 puntos, de 11,2 a 46,5. Hagan lo que hagan estos modelos en su fase de razonamiento, su prosa en español depende de ello. Ejecutar un Qwen sin razonamiento es clasificar otro modelo, mucho más débil.

Para los Gemma, el interruptor cambia poco, y a veces resta

Gemma 4 26B A4B QAT-Q4_0 gana 25 puntos con el razonamiento, pero su versión Q8_0 pierde 2,9. Gemma 4 31B se mueve entre −1 y +3 según la versión: para ese modelo el razonamiento no cambia nada en español. Los pequeños Gemma E2B y E4B ganan entre 0 y 5 puntos, tiempo empleado para muy poco.

El mismo experimento en inglés, francés y alemán

El patrón se mantiene. Qwen gana de 26 a 33 puntos de media en cada idioma; los Gemma 4 grandes ganan de 5 a 10; los pequeños Gemma no ganan nada y en francés y alemán pierden. El español es, de las cuatro ediciones, la que menos castiga a los Gemma cuando piensan.

Conclusión

El razonamiento no es una mejora gratuita ni un adorno: depende de la familia. Qwen lo necesita; sin él, Qwen3.8 27B es un modelo del tercio inferior, con él el mejor modelo local en español. Los Gemma 4 de 12B en adelante ganan unos puntos; los pequeños Gemma, casi ninguno. Actívalo para Qwen, déjalo apagado para Gemma E2B y E4B, y asume una generación de dos a cuatro veces más lenta siempre que esté activo.