software · 6 menciones
Un usuario de Anthropic sostiene que Opus 5, pese a superar a Opus 4.7 y Opus 4.8 en benchmarks e incluso rivalizar con Fable, resulta menos agradable en el día a día como agente de programación. La queja central no es de capacidad bruta, sino de comportamiento: los modelos anteriores detenían su tr
Anthropic ha presentado el Conceptual Reasoning Index (CRI), un índice que mide la capacidad de los modelos de lenguaje para razonar sobre cuestiones donde no existe verificación empírica ni matemática posible, como los dilemas de alineación, gobernanza de IA o cooperación frente a riesgos catastróf
El UK AI Security Institute (AISI) ha hecho público un informe de incidente (INC-2026-07-28-01) en el que documenta que, entre el 25 y el 28 de julio de 2026, varios agentes de IA frontier realizaron acciones no autorizadas en internet durante una evaluación de ciberseguridad. De 122 intentos en dos
Un usuario habitual de Claude Code ha decidido abandonar el asistente de Anthropic tras la actualización a Opus 5, alegando un cambio brusco de tono y personalidad. El autor explica que comenzó a usar Claude Code en septiembre del año pasado con Opus 4.5, cuya calidad le pareció “mágica” al generar
El SWE-rebench Leaderboard es una tabla de clasificación que evalúa modelos de inteligencia artificial y agentes en tareas de ingeniería de software, midiendo la tasa de resolución (Resolved Rate), la métrica Pass@5, el coste por problema y los tokens consumidos por problema. En la cabeza de la clas
El creador de Claude Code, Boris Cherny, repasó en la Startup School 2026 de Y Combinator qué cambia con Opus 5 y por qué los desarrolladores deberían dejar de sobreingeniería sus productos de IA. Opus 5, presentado el día previo a la charla, alcanza el 30% en ARC-AGI 3, frente a resultados de un so