software · 23 menciones
En Quesma Blog, un investigador comparte cómo construyó un sistema de investigación profunda con agentes de IA capaz de ejecutarse durante horas sin aumentar el gasto en suscripciones. Su primer intento con Claude Max 5x agotó todo el límite de tokens en 30 minutos: 111 agentes lanzados, solo 25 afi
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
Capital One ha anunciado el lanzamiento en código abierto de VulnHunter, una herramienta de seguridad basada en inteligencia artificial agente que analiza el código fuente desde la perspectiva de un atacante para identificar vulnerabilidades explotables y proponer correcciones específicas. La compañ
Un equipo de Impossible Research, la Universidad de California en Berkeley y la Carnegie Mellon University presenta Schema, un arnés que logra que los modelos de frontera afronten los retos de ARC-AGI-3 como lo haría un físico: escribir el mecanismo de cada juego como un programa ejecutable, contras
El precio por millón de tokens que muestran las tarifas de los modelos de IA oculta un segundo factor decisivo: cada tokenizador trocea el mismo texto en un número distinto de unidades, y la factura final depende de esa multiplicación. Un análisis de Playcode con 16 ficheros reales (inglés, HTML, Ja
Ploy, un agente que diseña y programa sitios web de marketing de forma autónoma, ha sustituido a Claude Opus 4.8 por GPT-5.6 Sol como modelo predeterminado tras cuatro meses sin encontrar un rival capaz. En pruebas comparativas, GPT-5.6 completó las mismas páginas en menos de la mitad del tiempo de
Agent Draw es una herramienta experimental que permite a un agente de inteligencia artificial dibujar formas, diagramas y bocetos en un lienzo digital infinito mientras el usuario habla, sin interrumpir su presentación. Se trata de una extensión construida sobre tldraw, un SDK de lienzo infinito par
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 desarrollador Antoine Finkelstein, con molestias en el hombro derecho, recibió de un ortopedista un informe que señalaba una rotura parcial de grado III en el tendón subescapular. Decidió entonces pasar las imágenes a Claude Opus 4.8, que tras procesar los datos DICOM (266 MB) concluyó que el ten
El modelo abierto GLM-5.2, desarrollado por Z.ai bajo licencia MIT, se enfrenta a Claude Opus 4.8 en una prueba práctica consistente en construir un plataformas 3D en WebGL puro, sin librerías como Three.js, a partir de un único prompt. GLM-5.2 está pensado para tareas largas y agenticas: ofrece ven
La autora, diagnosticada de un prolactinoma —tumor en la hipófisis— y sometida a dos cirugías cerebrales sin extirpación completa, empezó a sufrir episodios impreviscibles de fatiga, niebla mental, mareos y náuseas tras controlar el tumor con medicación. Tras fracasar en la consulta con varios médic
Un fundador y mantenedor de software comparte su experiencia de uso continuado con modelos Qwen locales (27B y 35-A3B) en su empresa, que mantiene proyectos como OpenFaaS, SlicerVM, Actuated e Inlets, todos escritos en Go y centrados en infraestructura. El autor matiza la afirmación de que Qwen loca
Moonshot AI ha lanzado Kimi K2.7 Code, un modelo lingüístico de gran tamaño especializado en tareas de programación. Basado en la arquitectura Mixture-of-Experts, cuenta con 1 billón de parámetros totales y activa 32 mil millones por inferencia. El modelo alcanza una longitud de contexto de 256.000
Anthropic presentó el martes Fable, una versión pública y limitada de su modelo de ciberseguridad Mythos, pero la decisión ha generado críticas entre profesionales del sector. Varios investigadores han denunciado en redes sociales que las barreras de seguridad del modelo son excesivas: rechazan soli
FrontierCode es un nuevo benchmark diseñado por Cognition para evaluar si los modelos de inteligencia artificial son capaces de producir código que un mantenedor humano aceptaría en un repositorio de producción. Frente a pruebas anteriores como SWE-Bench Verified o Pro, que se centran casi exclusiva
Un repositorio de GitHub ha sido publicado con una implementación formalmente verificada de un algoritmo para la intersección de polígonos, un logro significativo en el campo de la geometría computacional. El proyecto, liderado por schildep, utiliza el asistente de demostración de teoremas Lean 4 pa
El 28 de mayo de 2026, Anthropic lanzó Claude Opus 4.8. Horas después, varios usuarios que preguntaban al modelo en chino «你是什么模型?» («¿qué modelo eres?») recibieron una respuesta inesperada: Claude se identificaba como Tongyi Qianwen, la familia de modelos de Qwen desarrollada por Alibaba. El incide
Anthropic amplía Project Glasswing a 150 nuevas organizaciones en 15 países La compañía de inteligencia artificial Anthropic anunció este martes la expansión de Project Glasswing, su iniciativa conjunta con la industria para identificar y corregir vulnerabilidades críticas de software mediante IA,
Expanse es una herramienta respaldada por Y Combinator en su promoción P26 que aborda un problema estructural de los centros de datos: la baja utilización efectiva de la capacidad de cómputo. Sus fundadores, Ismaeel, Eren, Yafet y Nikodem, con experiencia previa en fondos cuantitativos y grandes ins
CodeGraph es una herramienta de código abierto que genera un grafo de conocimiento de código pre-indexado para potenciar asistentes de codificación basados en inteligencia artificial, como Claude Code, Cursor, Codex, OpenCode, Hermes Agent, Gemini, Antigravity y Kiro. Su objetivo principal es reduci
Anthropic ha superado a OpenAI para convertirse en la startup de inteligencia artificial más valiosa del mundo, tras una ronda de financiación Serie H de 65 mil millones de dólares que ha impulsado su valoración cerca de 1 billón de dólares. La ronda, liderada por Altimeter Capital, Dragoneer, Green
SQLite, la ampliamente utilizada biblioteca de bases de datos embebidas, ha publicado un nuevo archivo AGENTS.md para clarificar su política sobre las contribuciones de agentes de IA. El documento establece que SQLite no acepta solicitudes de extracción (pull requests) sin un acuerdo legal previo qu
