software · 5 menciones
FROGS es un conjunto de referencia (benchmark) de imágenes SVG de ranas diseñado para evaluar modelos de visión y razonamiento anatómico. Su seña de identidad es una mandíbula inferior exagerada y prominente —bautizada como "mandíbula habsbúrgica"—, dientes inferiores que sobresalen sobre el labio s
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 experimento informal con 1.369 llamadas a la API de Claude Opus 5 ha documentado un fallo de comportamiento que se activa cuando el usuario envía únicamente la cadena " - -- ", tres guiones sin espacios y nada más. En lugar de responder que el mensaje está vacío, el modelo a veces genera ensayos,
SlopCodeBench, un benchmark de programación agentiva de horizonte largo publicado en marzo de 2026 por el laboratorio de GOrlanski en la Universidad de Wisconsin-Madison, plantea retos en los que el modelo no recibe el problema completo de antemano, sino que debe evolucionar el código a medida que s
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