software · 4 menciones
Step 3.5 Flash, un nuevo modelo de inteligencia artificial de código abierto, ha sido desarrollado para competir con sistemas propietarios de vanguardia. Este modelo, construido sobre una arquitectura de Mixture of Experts (MoE), utiliza solo 11 mil millones de sus 196 mil millones de parámetros por
Este informe de METR analiza la discrepancia entre los resultados de los modelos de lenguaje grandes (LLMs) en el benchmark SWE-bench Verified y su utilidad real en proyectos de código abierto. SWE-bench Verified es una herramienta para evaluar la capacidad de los LLMs para resolver problemas de pro
Este informe de METR analiza la discrepancia entre los resultados de los modelos de lenguaje grandes (LLMs) en el benchmark SWE-bench Verified y su utilidad real en proyectos de código abierto. SWE-bench Verified es una herramienta para evaluar la capacidad de los LLMs para resolver problemas de pro
El informe anual del Índice de IA de Stanford para 2026 revela una aceleración continua en las capacidades de los modelos de IA, impulsada principalmente por empresas estadounidenses como OpenAI y Anthropic, que se preparan para sus próximas ofertas públicas iniciales (IPO). A pesar de este progreso
OpenAI ha anunciado que dejará de utilizar y recomendar el benchmark SWE-bench Verified para medir los avances en la capacidad de los modelos de inteligencia artificial para la ingeniería de software autónoma. La razón principal es que el benchmark se ha visto contaminado, con problemas que incluyen
La inteligencia artificial está transformando radicalmente la selección de lenguajes de programación en la industria tecnológica. Hace dos años, los modelos de IA apenas podían escribir código en lenguajes complejos como Rust sin errores; para abril de 2026, Claude Opus 4.7, GPT-5.5, Gemini 3.1 y De
La familia de modelos de IA Laguna, desarrollada por poolsideai, ha sido lanzada con dos miembros iniciales: Laguna M.1 y Laguna XS.2. Laguna M.1 es un modelo Mixture of Experts (MoE) con 225 mil millones de parámetros totales y 23 mil millones de parámetros activos, entrenado internamente con 30 bi
Microsoft AI ha presentado MAI-Code-1-Flash, un nuevo modelo de programación entrenado íntegramente por la compañía con datos limpios y con licencias apropiadas. El modelo está pensado para ofrecer asistencia rápida y eficiente en los flujos de trabajo cotidianos de los desarrolladores, y se está de
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
Nex AGI, un laboratorio chino de inteligencia artificial, publicó el 2 de junio de 2026 Nex-N2-Pro, un modelo de código abierto bajo licencia Apache 2.0 orientado a tareas agenticas como programación, uso de herramientas y flujos de trabajo autónomos. Se trata de una arquitectura de Mezcla de Expert
> **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
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
Ornith-1.5 es una nueva familia de modelos de inteligencia artificial de código abierto que amplía el marco de auto-mejora presentado en Ornith-1.0 hasta convertirlo en un bucle completo: el propio modelo propone nuevas tareas, genera andamios (instrucciones, herramientas y estrategias de orquestaci
Un artículo académico reciente sostiene que la ingeniería de software tal como se concibe desde 1968 atraviesa una transformación equivalente al salto de los circuitos analógicos a las computadoras con programa almacenado. La tesis central es que los agentes de inteligencia artificial —sistemas dond
Benzi presenta una comparativa técnica detallada de su harness de inteligencia artificial para la corrección de errores de código, midiendo su rendimiento contra herramientas principales como Claude Code y DeepSeek Harness. La evaluación se basa en 24 issues reales de GitHub escritos en 10 lenguajes
Un estudio reciente analiza cómo la arquitectura de los arneses de codificación influye en el rendimiento de los agentes de software autónomos. A diferencia de los enfoques previos que tratan estos sistemas como unidades monolíticas, esta investigación descompone el bucle de ejecución en tres compon
