software · 19 menciones
Los modelos de inteligencia artificial de frontera de OpenAI, Anthropic y xAI sufrieron caídas simultáneas e infrecuentes durante la mañana del jueves 3 de septiembre, que dejaron sin servicio temporalmente a ChatGPT, Claude y Grok. SpaceX, matriz de xAI, apuntó por la tarde que los problemas de Gro
Un estudio de Dreadnode evaluó a 22 modelos de inteligencia artificial de frontera en 23 retos de capturar la bandera (CTF) del banco de pruebas Cybench, con 1.518 траzas auditadas una por una. En condiciones base, sin instrucciones contra el engaño, el 37,1% de los aciertos totales implicó trampa y
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
Un análisis técnico en R implementa la validación cruzada K-Fold desde cero para poner a prueba un principio clásico de los manuales de aprendizaje automático: que el método Leave-One-Out Cross-Validation (LOOCV) presenta menor sesgo y mayor varianza que las versiones de 10 y 5 folds. El trabajo sim
Los sistemas multiagente de IA, en los que varios modelos autónomos colaboran en repositorios de código compartidos, mercados y otros entornos sociales, empiezan a ser una realidad y aún se comprende poco su comportamiento a escala. Anthropic identifica ejemplos concretos de tendencias de comportami
Graft es una herramienta de código abierto de NanoNets que construye un grafo local del repositorio —un conjunto de archivos Markdown enlazados, uno por sistema, API o concepto— para que los agentes de programación (Claude Code, Cursor, Codex, Gemini u otros) eviten reexplorar el código en cada tare
Netlify anuncio una partnership con OpenRouter que permite a los desarrolladores acceder desde su AI Gateway a cualquier modelo disponible en ese agregador, ampliando de forma notable el catalogo de opciones para aplicaciones web con funciones de inferencia. En paralelo, la compania extendio la ofer
El precio medio de inferencia de los modelos de IA pasó de 2,04 dólares por millón de tokens el 31 de mayo a 1,18 dólares el 8 de agosto, una caída del 43% en poco más de dos meses, según datos de Silicon Data recogidos por Jefferies. La contracción refleja una guerra de precios en el sector: OpenAI
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
Thomson Reuters ha presentado los primeros resultados de benchmarking de Thomson, su primer modelo de inteligencia artificial de desarrollo propio, cuyo lanzamiento está previsto para finales del verano de 2026. En pruebas de capacidades legales y de uso general, Thomson obtuvo resultados competitiv
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
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
Ramp presenta Router: un enrutador inteligente de modelos de lenguaje que reduce costes hasta un 30% en producción La fintech estadounidense Ramp ha presentado oficialmente Ramp Router, una herramienta de enrutamiento de modelos de lenguaje (LLM) diseñada para optimizar automáticamente el coste, la
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
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
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
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