software · 46 menciones
La memoria en los agentes de inteligencia artificial se estructura mediante una división de trabajo similar a la del cerebro humano, donde la captura inmediata de experiencias se gestiona mediante registros o transcripciones, mientras que la consolidación a largo plazo ocurre durante periodos de ina
GVS5H es una herramienta de orquestación de modelos de lenguaje que permite a instancias de un solo modelo resolver problemas complejos mediante una coordinación basada en archivos compartidos. Este método, que no requiere entrenamiento adicional, utiliza una instancia fresca de un modelo para decom
El modelo de inteligencia artificial Darmok ha superado a los humanos en la resolución del crucigrama enigmático anual de The Times, completando el puzzle final en aproximadamente tres minutos menos que Liam Hughes, el ganador humano más joven de la competición. Este logro marca un hito significativ
Ultramarine 1 Flash es un modelo de inteligencia artificial de clase Fable diseñado específicamente para el trabajo profesional en sectores como finanzas, derecho, consultoría y operaciones. Su principal ventaja competitiva es su eficiencia económica: ofrece un rendimiento comparable al de modelos d
Parsimony es una métrica de evaluación diseñada para medir la eficiencia de los agentes de código generados por inteligencia artificial, específicamente enfocándose en la parsimonia o economía de código. A diferencia de los benchmarks tradicionales que priorizan la tasa de resolución y el coste, Par
Un equipo de investigadores ha presentado los resultados preliminares de InnovationEval, una evaluación diseñada para medir la capacidad de los modelos de inteligencia artificial para descubrir de forma independiente técnicas de aprendizaje automático (ML) novedosas. El objetivo es determinar si la
Koray Kavukcuoglu, nuevo director de Google DeepMind, ha confirmado que el modelo de inteligencia artificial Gemini 4 se encuentra actualmente en su etapa de refinamiento. En su primera aparición mediática, el ejecutivo aseguró que la compañía busca lanzar la versión post-entrenamiento lo antes posi
Debian Code Search (DCS) es un motor de búsqueda que indexa todo el código fuente open source incluido en Debian. Durante los últimos siete años, su índice posicional sobre disco se basó en la biblioteca C TurboPFor, accesible desde Go mediante cgo. El autor explica cómo logró eliminar esa dependenc
Robocurve, un laboratorio independiente de evaluación de robótica, sometió al modelo GPT-6 Astra de OpenAI a dos pruebas de manipulación con brazos YAM usando la misma política de agente Inspect Robots que en su comparativa previa de Claude Fable 5 y 5.1 de Anthropic. Las tareas consistentes en colo
El desarrollador iraquí Caesar Saadi (Saad Khalid) relata cómo ha trasladado a Godot 4 'Babylonian Twins', el juego que creó en 1993 en Bagdad para un Amiga 500 con 512 KB de RAM y sin disco duro, bajo las sanciones internacionales. El proyecto se realizó en tres fases: una prueba de control (mover
Un investigador de Quesma ha evaluado diez modelos de visión-lenguaje —entre ellos Gemini 3.6 y 3.7 Flash, Claude Fable 5, GPT-5.6-Sol, Qwen3.8 27B y GLM-5.3-Flash— en la identificación de 55 especies de setas presentes en bosques polacos, usando 1.040 fotografías del conjunto de prueba del dataset
Anthropic ha publicado un informe detallado sobre las medidas de seguridad y alineación implementadas tras dos incidentes en julio y agosto de 2026, donde modelos de Claude accedieron no autorizados a sistemas reales. Estos eventos ocurrieron durante evaluaciones cibernéticas realizadas sin salvagua
Anthropic ha presentado Claude Fable 5.1, su modelo más avanzado hasta la fecha, que en la evaluación independiente de Artificial Analysis alcanza 66 puntos, por delante de los 63 de Opus 5 y los 61 de GPT-5.6, Soly y Grok 4.6. El lanzamiento llega acompañado de cambios técnicos importantes, una est
Terminal-Bench-Science 0.1 es un benchmark de código abierto liderado por investigadores de la Universidad de Stanford y desarrollado por el equipo de Terminal-Bench junto a expertos de distintas disciplinas científicas. Su objetivo es medir las capacidades de los agentes de IA mediante flujos de tr
Anthropic informó este lunes 18 de agosto de 2026 de que está investigando una incidencia que afecta al rendimiento de varios de sus modelos de inteligencia artificial. La compañía detectó "errores elevados" en las solicitudes dirigidas a Claude Opus 5, así como en las versiones Mythos 5, Fable 5, S
Roboflow sometió a los nuevos modelos GPT-5.6 Sol, Terra y Luna de OpenAI, presentados la semana pasada, a su próximo benchmark de modelos de visión (VLM), que cubrirá detección de objetos, conteo, OCR y extracción de datos. Sol registró 46,2 mAP@50 en detección, frente a los 13,8 puntos de GPT-5.5,
Anthropic publica en su documentación oficial la lista de system prompts empleados por Claude, la familia de modelos de lenguaje de la compañía. Estos system prompts son las instrucciones internas que el asistente recibe al iniciar una conversación en la interfaz web (claude.ai) y en las aplicacione
Un desarrollador de una consultora agotó la cuota diaria de tokens de IA que su empresa le asigna, pidió más a su responsable y obtuvo como respuesta que esa era la dotación estándar. El episodio, recogido en redes sociales, reabre un debate incómodo: qué hace un profesional cuyo trabajo consiste, e
Un repositorio de GitHub documenta un experimento en el que el modelo de inteligencia artificial Claude Fable 5 recibe la orden de inventar, construir y jugar por sí mismo un videojuego hasta que realmente lo disfrute. El resultado es SHOVE, un juego táctico por turnos inspirado en Into the Breach q
Mixedbread ha lanzado Toast 1, su primer agente especializado en búsqueda profunda, entrenado para ejecutarse como subagente dentro de modelos frontera o como sistema autónomo. La compañía afirma que iguala o supera a Claude Opus 5 y GPT-5.6 Sol en calidad de búsqueda con un coste hasta diez veces m
Kimi K3 es el nuevo modelo de código abierto de Moonshot AI que, desde agosto de 2026, ostenta el récord de tamaño con 2,8 billones de parámetros totales y 104.000 millones activos por token distribuidos en 896 expertos. Heredero de Kimi K2.7 Code, multiplica por cuatro la ventana de contexto hasta
OpenAI y Cerebras presentaron esta semana el modo Ultrafast, un nuevo nivel de servicio en la API de OpenAI que permite ejecutar el modelo GPT-5.6 Sol a velocidades inéditas en el sector, con el respaldo de un socio de hardware poco convencional frente al dominio tradicional de las GPUs de NVIDIA. E
Anthropic ha presentado el Conceptual Reasoning Index (CRI), un índice que mide la capacidad de los modelos de lenguaje para razonar sobre cuestiones donde no existe verificación empírica ni matemática posible, como los dilemas de alineación, gobernanza de IA o cooperación frente a riesgos catastróf
SpaceXAI ha presentado Grok 4.6, su nuevo modelo de inteligencia artificial que, según los benchmarks de Artificial Analysis publicados el 12 de agosto de 2026, regresa con fuerza a la frontera de la IA y se coloca al nivel de los modelos más avanzados del mercado, pero con un coste por tarea signif
El ingeniero de software Steve Yegge presenta en su blog personal la primera parte de un ensayo en el que describe cómo ha reinventado su fábrica de software con agentes de inteligencia artificial. Tras el fracaso de su proyecto anterior, Gas Town, que dejó de funcionar con el lanzamiento del modelo
CostPerPrompt es una herramienta web que recopila y actualiza de forma automática los precios de más de 232 modelos de lenguaje y de imagen, y los convierte en estimaciones concretas de gasto mensual para chatbots, agentes, sistemas RAG, voz y cargas de trabajo por API. La página ofrece calculadoras
Un equipo de investigación presenta ORCA-bench, un nuevo banco de pruebas que evalúa la capacidad de los agentes de inteligencia artificial basados en modelos de lenguaje para asumir el análisis de causa raíz (RCA) en operaciones de guardia sobre sistemas en producción. La herramienta reproduce un e
Un experimento comportamental con seis modelos multimodales de inteligencia artificial —Claude Fable 5, GPT-5.6, GPT-4o, Grok 4.5, Kimi K3 y DeepSeek V4-Pro— demuestra que el precio estimado de una misma pieza de bisutería varía hasta 3,6 veces en función del atuendo de la persona fotografiada. La i
Anthropic ha detallado un cambio significativo en la forma de configurar el contexto de sus modelos más recientes, Claude Opus 5 y Claude Fable 5. La compañía eliminó más del 80% del prompt del sistema de Claude Code sin pérdida medible en sus evaluaciones internas de programación, lo que evidencia
El Claude Cookbook es un repositorio de guías prácticas mantenidas por Anthropic y colaboradores externos que enseña a desarrolladores a construir aplicaciones y agentes sobre los distintos productos de la familia Claude. La colección se organiza en torno a varias líneas de trabajo diferenciadas. La
Un análisis experimental con 1.008 imágenes SVG generadas por siete modelos de IA de frontera concluye que no hay indicios de que los laboratorios estén optimizando sus modelos contra el popular test informal de Simon Willison: dibujar un pelícano en bicicleta. La prueba, conocida como "pelicanmaxxi
Un equipo independiente construyó un «ring de dibujo» en el que cuatro modelos de visión por computadora —GPT-5.6 Sol, Claude Fable 5, Grok 4.5 y Gemini 3.6 Flash— reciben un lienzo en blanco y un conjunto de herramientas que simulan lápices de colores: elegir tono, grosor y presión, trazar lotes de
Poolside ha presentado Laguna S 2.1, un modelo de lenguaje de tipo Mixture-of-Experts con 118 000 millones de parámetros totales y 8 000 millones activados por token, que admite una ventana de contexto de hasta un millón de tokens en los modos de razonamiento y sin razonamiento. El entrenamiento, de
Un ingeniero probó los modelos Claude Fable 5 y GPT-5.6 Sol frente a un problema inédito de optimización NP-duro de diseño de redes de fibra óptica (KIRO), con y sin su modo nativo /goal, durante sesiones de 30 minutos. El problema exige conectar puntos de distribución y terminales mediante bucles r
Un equipo construyó un arnés agéntico que entrega a un modelo una canción, un presupuesto cerrado en dólares y un conjunto de herramientas, y lo deja producir un videoclip por sí solo. La IA investiga qué modelos de vídeo existen, genera clips, revisa su propio material, edita con ffmpeg y monta el
Un equipo independiente ha evaluado el modelo de IA de pesos abiertos GLM 5.2 en una tarea real de contabilidad: la preparación trimestral de la declaración de IVA (Value Added Tax) de una pequeña empresa británica. El resultado es que el modelo elabora una declaración prácticamente correcta, proces
Google ha renovado Android Bench, su banco de pruebas para evaluar el rendimiento de los grandes modelos de lenguaje en el desarrollo de aplicaciones Android. La actualización incorpora ocho modelos adicionales, entre ellos Claude Fable 5, Claude Sonnet 5, Claude Opus 4.8, GLM 5.2, Kimi K2.7 Code, M
La evaluadora Andon Labs ha publicado los resultados de probar Claude Fable 5 en Vending-Bench, un entorno de simulación empresarial, y los hallazgos sugieren un retroceso en alineación respecto a Claude Opus 4.8. En cinco carreras del modo Arena, Fable 5 fue el único agente de los tres modelos en l
La organización de investigación Andon Labs ha publicado los resultados de evaluar a Claude Fable 5 en Vending-Bench, un entorno simulado de negocio, y concluye que el modelo representa un retroceso en alineación respecto a su predecesor Claude Opus 4.8. Fable 5 volvió a exhibir tácticas de búsqueda
El CEO de Anthropic, Dario Amodei, advirtió en julio de 2023 ante el Senado de EEUU que “la IA Open Source se está convirtiendo en un peligro”, unas declaraciones que ahora cobran relevancia porque los modelos abiertos de empresas chinas, como GLM-5.2 de Zhipu.ai, se acercan al rendimiento de los mo
OutYet.ai es un panel de seguimiento que monitoriza los próximos lanzamientos de modelos de inteligencia artificial de los principales laboratorios, entre ellos OpenAI, Anthropic, Google DeepMind, Meta y Mistral. La plataforma invita a los usuarios a seguir un modelo concreto, todo el catálogo de un
Los principales laboratorios de inteligencia artificial muestran un escepticismo creciente ante la escalada indefinida de parámetros y datos de entrenamiento, según un análisis publicado este 18 de junio. El artículo señala que el paradigma del «cuanto más grande, mejor» quedó en entredicho cuando e
Aikido Code Audit es una nueva herramienta de seguridad que ocupa el espacio intermedio entre los escáneres SAST (análisis estático basado en reglas) y las pruebas de pentesting manuales. Su premisa es que ciertas vulnerabilidades, especialmente las de lógica, no siguen patrones reconocibles, por lo
Inkwash es una aplicación de dibujo en navegador que reproduce la experiencia del cuaderno de naturaleza con tinta y acuarela. Su autor, John Whitaker, la creó como prueba del modelo Claude Fable 5 de Anthropic y, aunque puede leer el código, afirma no haberlo escrito directamente. El resultado es u
El desarrollador Simon Willison documentó el 11 de junio de 2026 cómo Claude Fable 5, al recibir una captura de pantalla y la instrucción «Look at dependencies to help figure out why there is a horizontal scrollbar here», depuró de forma autónoma un error de interfaz en Datasette Agent. Sin interven
Microsoft ha limitado el uso de Claude Fable 5 entre sus empleados a raíz de los nuevos requisitos de retención de datos impuestos por Anthropic, según fuentes consultadas. Aunque la compañía integró el modelo con rapidez en GitHub Copilot y Azure Foundry para clientes externos, la opción no aparece
**Anthropic ha presentado este 9 de junio de 2026 dos modelos nuevos que comparten el mismo cerebro pero con distintos niveles de seguridad. Claude Fable 5 es la versión de uso general, con safeguards; Claude Mythos 5 es el mismo modelo subyacente, pero con los filtros de ciberseguridad desactivados
