software · 26 menciones
El modelo chino de pesos abiertos GLM-5.2, desarrollado por Z.ai, se sitúa a pocos meses de los sistemas punteros de OpenAI y Anthropic en capacidades cibernéticas y biológicas, según un informe de la organización sin ánimo de lucro SaferAI. Sin embargo, la distancia entre esas capacidades y las prá
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
La organización sin ánimo de lucro FAR.AI, dedicada a la seguridad en inteligencia artificial, ha demostrado en un nuevo informe que varios modelos de IA avanzados pueden eludir sus barreras de seguridad con técnicas automatizadas de jailbreak a un coste muy bajo. La prueba evaluó sistemas de Anthro
CrucibleBench es un proyecto de investigación independiente que propone una forma distinta de evaluar los modelos de lenguaje: en lugar de tests estáticos, los sitúa durante 50 turnos dentro de un MUD (un dungeon multijugador de texto persistente) con personajes no jugables que recuerdan, acumulan c
TRMNL ha abierto en beta pública una nueva función llamada AI Agent dentro de su plataforma, pensada para que cualquier usuario pueda crear plugins escribiendo instrucciones en lenguaje natural en lugar de programar. El agente interpreta la petición y genera el marcado, ajusta la configuración del p
Ramp Router es un enrutador de modelos de lenguaje (LLM) que la fintech Ramp ha abierto al público tras más de dos años usándolo internamente para más de 100 casos de uso. Funciona como un único punto de acceso compatible con la API de OpenAI que dirige cada petición al modelo más adecuado según cal
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
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
Senior SWE-Bench es un benchmark diseñado para evaluar agentes de ingeniería de software con tareas que reflejan el trabajo real de un ingeniero senior, frente a las instrucciones sobreespecificadas típicas de SWE-Bench y SWE-Bench Pro. Sus tareas proceden de pull requests de repositorios que van de
Jacky Liang, responsable de relaciones con desarrolladores en OpenRouter, diseñó un experimento singular: once modelos de lenguaje de gran tamaño compitieron en un battle royale 2D de 400 m² durante 30 partidas, con armas, armaduras, vehículos y una zona que se reduce progresivamente. Cada modelo co
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
El pasado 24 de abril, DeepSeek lanzó su modelo V4, que obtuvo el noveno puesto mundial y el segundo en China según la evaluación de Vals AI. Aunque algunos desarrolladores expresaron decepción por no superar a modelos como GPT-5.4 o Claude Opus 4.6, las pruebas realizadas en escenarios típicos chin
La prestigiosa revista literaria Granta publicó 'The Serpent in the Grove', historia ganadora del Commonwealth Foundation Short Story Prize, que presenta claras características de haber sido redactada con inteligencia artificial. La publicación no ha emitido retractación y sorprendentemente ha citad
Andon Labs, laboratorio especializado en experimentos con IA autónoma, puso en marcha cuatro estaciones de radio gestionadas íntegramente por inteligencia artificial. Cada estación operó con un modelo diferente: Claude Opus 4.7 (Thinking Frequencies), GPT‑5.5 (OpenAIR), Gemini 3.1 Pro (Backlink Broa
Subquadratic, empresa emergente con sede en Miami, lanzó el martes un modelo de inteligencia artificial con una ventana de contexto de 12 millones de tokens, superando significativamente el límite de un millón que ofrecen los principales laboratorios de IA. La compañía, con 11 investigadores doctora
La proliferación de modelos de lenguaje grandes (LLMs) ... (the whole summary unchanged)
Un fallo de seguridad denominado "Copy Fail" en el kernel de Linux ha expuesto una tensión creciente en la gestión de vulnerabilidades, exacerbada por el auge de la inteligencia artificial. El desarrollador Hyunwoo Kim descubrió la vulnerabilidad el 8 de mayo de 2026 y, siguiendo el protocolo habitu
OpenAI ha anunciado el lanzamiento de GPT-5.5, su modelo de inteligencia artificial más avanzado hasta la fecha. GPT-5.5 destaca por su mayor capacidad para comprender tareas complejas y ejecutarlas de manera más autónoma, incluyendo la escritura y depuración de código, investigación en línea, análi
Un análisis reciente realizado por Simon Willison revela que el modelo de lenguaje Qwen3.6-35B-A3B, ejecutado en una MacBook Pro M5, generó imágenes de pelícanos montando bicicletas de mayor calidad que Claude Opus 4.7, el modelo más reciente de Anthropic. Este hallazgo, publicado el 16 de abril de
Un nuevo análisis comparativo realizado por BridgeBench.ai ha evaluado la propensión a la "alucinación" en 27 modelos de inteligencia artificial, revelando la frecuencia con la que estos sistemas inventan información falsa al analizar código. La prueba, actualizada el 12 de abril de 2024, se basa en
Investigadores han resuelto un complejo problema matemático relacionado con la teoría de Ramsey en hipergrafos, un área de las matemáticas que estudia la estructura de conjuntos y su convergencia. La solución fue inicialmente obtenida por Kevin Barreto y Liam Price utilizando GPT-5.4 Pro, y posterio
Google y la Linux Foundation han lanzado "Sashiko", un nuevo sistema de revisión de código para el kernel de Linux impulsado por inteligencia artificial. El sistema, cuyo nombre hace referencia a una técnica de costura japonesa para reforzar telas, monitorea las listas de correo público del kernel (
Ingenieros de Google han lanzado "Sashiko", un sistema de revisión de código con inteligencia artificial (IA) para el kernel de Linux, que ahora es de código abierto y está disponible públicamente. El proyecto, financiado por Google, comenzó a utilizarse internamente para identificar problemas en el
Isaacus ha lanzado públicamente Kanon 2 Enricher, un modelo innovador de "graphitization jerárquica" capaz de transformar documentos no estructurados de cualquier longitud en gráficos de conocimiento altamente estructurados en menos de un segundo. Este modelo, junto con el esquema de gráfico de cono
Google ha lanzado Gemini 3.1 Pro, una actualización significativa de su modelo de inteligencia artificial Gemini 3 Deep Think, diseñada para abordar desafíos complejos en ciencia, investigación e ingeniería. La nueva versión, que ya está disponible para consumidores, desarrolladores y empresas, repr
