Los defectos de software son problemas en el software que destruyen la capacidad de operación normal y reflejan la calidad del software. El fallo del software puede ser predicho por el modelo de confiabilidad del software. En este documento, se aplica un algoritmo híbrido para la estimación de parámetros en la predicción de defectos de software. Como algoritmo heurístico biológico, BAS (Beetle Antennae Search Algorithm) tiene una velocidad de convergencia rápida y es fácil de implementar. ABC (Artificial Bee Colony Algorithm) es mejor en optimización y tiene una robustez sólida. En este documento, se propone el algoritmo híbrido BAS-ABC mezclando los dos algoritmos y el objetivo del método propuesto es mejorar la convergencia y estabilidad del algoritmo. Se utilizaron cinco conjuntos de datos para llevar a cabo los experimentos, y los resultados mostraron que el algoritmo híbrido fue más preciso que el algoritmo único, con una convergencia y estabilidad más fuertes, por lo que fue más adecuado para la estimación de parámetros del modelo de confiabilidad del software. Mientras tanto, este documento implementó la comparación entre el híbrido BAS + ABC y el híbrido PSO + SSA, y el resultado muestra que BAS + ABC tiene un mejor rendimiento tanto en convergencia como en estabilidad. El resultado de la comparación muestra la fuerte capacidad en la estimación y predicción de defectos de software del híbrido BAS y ABC.