software · 6 menciones
Microsoft y Hugging Face han publicado ThinkingBox, un benchmark que evalúa la fiabilidad de los agentes de inteligencia artificial al interactuar con bases de datos y sistemas de backend. El estudio, que analiza 507 flujos de trabajo empresariales, destaca una brecha significativa entre la aparienc
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
> **TL;DR.** Tencent presentó el 6 de julio de 2026 **Hunyuan Hy3**, un MoE de **295B parámetros totales** con **21B activos** por token (192 expertos, top-8), contexto de **256K**, licencia **Apache 2.0** y pesos ya descargables en Hugging Face en BF16 y FP8. El laboratorio lo posiciona como *agent
Un experimento práctico evalúa cómo once modelos de lenguaje —cinco occidentales (GPT-5.4, GPT-5.5, Gemini-3.1-pro, Opus-4.7 y Fable-5) y seis chinos (DeepSeek-4-pro, GLM-5.1, Kimi-2.6, MiMo-2.5-pro, Qwen-3.6-plus y Qwen-3.7-max)— proponen refactorizar un nodo 'dios' dentro de un agente LangGraph re
Un desarrollador ha lanzado 'Agent!', una innovadora aplicación nativa para macOS que permite a los usuarios controlar completamente sus Macs utilizando 17 modelos de lenguaje de IA (LLM). La aplicación, disponible en GitHub, integra Apple Intelligence de forma local, automatizando tareas complejas