PEARL: cómo un modelo de 4B superó a DeepSeek-V3.2 de 685B en modelado de optimización

Un grupo de investigadores presentó PEARL, un sistema que convierte un problema de optimización descrito con palabras corrientes en un modelo matemático y en código funcional para un solver, y que verifica y corrige la solución en un bucle. Su versión compacta, PEARL-Qwen3-4B, de 4.000 millones de parámetros, superó al modelo DeepSeek-V3.2, de 685.000 millones de parámetros, en precisión en tareas de modelado de optimización. El trabajo se publicó en arXiv en julio de 2026.

Qué es PEARL y cómo funciona

PEARL es un sistema de modelado interactivo de optimización que ejecuta Python y solvers matemáticos dentro del propio ciclo de resolución, en lugar de entregar la formulación de una sola vez. La mayoría de los enfoques anteriores basados en grandes modelos de lenguaje funcionaban en modo one-shot: el modelo construía la formulación una sola vez y no la comprobaba ejecutándola, no miraba la respuesta del solver ni corregía los errores de forma iterativa.

PEARL reproduce la forma en que la optimización se resuelve en la práctica: mediante ciclos repetidos de «resolver, depurar, reescribir». El propio sistema aprende cuándo probar un modelo parcial, cómo reescribirlo a partir del diagnóstico del solver y cuándo detenerse.

• Trabaja en modo multi-turn con integración de herramientas: Python y los solvers se invocan sobre la marcha
• Utiliza resultados intermedios de la ejecución, señales de factibilidad de la solución y comprobaciones de corrección antes de la versión final
• Aprende tres cosas: cuándo probar, cómo revisar según el diagnóstico y cuándo detenerse
• PEARL-Qwen3-4B (4.000 millones de parámetros) superó a DeepSeek-V3.2 (685.000 millones) en precisión media macro y micro
• Aumenta de forma notable la proporción de problemas resueltos y verificados frente a los baselines one-shot y a los que solo añaden herramientas

Por qué un modelo de 4B superó a un gigante de 685B

PEARL-Qwen3-4B superó a DeepSeek-V3.2-685B porque aprende no solo a formular el problema, sino a depurarlo a partir de las señales del solver, y eso pesa más que el tamaño bruto del modelo. La diferencia de parámetros entre ambos es de unas 171 veces, pero en las tareas de modelado de optimización no decide el volumen de los pesos, sino la capacidad de ejecutar la solución, ver el error y reescribir el código.

La métrica clave del trabajo es el verified solve rate, es decir, la proporción de problemas cuya solución final realmente superó la verificación del solver y no solo parecía verosímil. En este indicador, PEARL supera tanto a los modelos one-shot convencionales como a los enfoques con acceso a herramientas pero sin una estrategia de reparación entrenable.

«Nuestro modelo PEARL-Qwen3-4B supera a

DeepSeek-V3.2-685B, un modelo mucho más grande, tanto en precisión media macro como micro en tareas de modelado de optimización», señala el resumen del trabajo en arXiv.

Qué significa

El resultado de PEARL es un argumento más a favor de que, en tareas aplicadas con resultado verificable, un ciclo entrenable de «acción, retroalimentación y corrección» se impone al simple escalado. Un modelo pequeño con acceso a un solver y una estrategia de autoverificación resuelve más problemas de optimización que un modelo 171 veces mayor que trabaja de un solo intento.

Preguntas frecuentes

¿Qué es el modelado de optimización?

Es la traducción de un problema real de toma de decisiones, descrito en lenguaje corriente, a una formulación matemática formal y a código ejecutable para un solver. Por ejemplo, la asignación de recursos o la logística: como resultado, el solver entrega la solución óptima.

¿En qué se diferencia PEARL de los enfoques habituales con LLM?

Los enfoques habituales funcionan en modo one-shot: el modelo construye la formulación una sola vez, sin ejecutarla y sin correcciones. PEARL ejecuta Python y solvers en un ciclo, lee el diagnóstico, corrige el modelo y el código, y decide por sí mismo cuándo detenerse.

¿Cuánto más pequeño es PEARL-Qwen3-4B que DeepSeek-V3.2?

PEARL-Qwen3-4B tiene 4.000 millones de parámetros frente a los 685.000 millones de DeepSeek-V3.2, es decir, unas 171 veces menos, y aun así es más preciso en tareas de modelado de optimización.