35 noticias
Google ha reactivado su posición en la carrera de los modelos de inteligencia artificial con el lanzamiento de Gemini 4 Argon, un modelo que según los benchmarks internos supera a competidores como Opus 5.5 y Fable 5.1. Sin embargo, la disponibilidad masiva está restringida inicialmente a un program
OpenAI lanzó GPT-6 Astra la semana pasada y, tras probarlo durante varios días, el autor lo califica como el mejor modelo que ha utilizado hasta la fecha, con mejoras notables en escritura, matemáticas y programación, y un salto especialmente llamativo en tareas de renderizado 3D y animación. En el
Un análisis independiente evaluó cómo tres agentes de programación con inteligencia artificial —Claude Code, Codex y Cursor— seleccionan servicios de terceros (pagos, bases de datos, correo electrónico, almacenamiento) al abordar tareas reales de desarrollo. Para ello, los investigadores construyero
El artículo analiza el lanzamiento de SpacetimeDB 2.0, una base de datos que integra también lógica de aplicación, y examina tanto su arquitectura como la estrategia de marketing de sus creadores. El autor critica la comparativa de rendimiento publicada por el equipo de SpacetimeDB: considera que no
El ingeniero danluu acuña el término "benchmarkpocalipsis" para describir cómo los modelos de lenguaje están facilitando prácticas que antes requerían gran especialización: optimizar software para superar benchmarks sin mejorar el rendimiento real. A partir de su propio experimento con FRE, un motor
Un panel analítico de acceso abierto examina qué benchmarks reportan los principales laboratorios de inteligencia artificial en las fichas técnicas de sus modelos. La herramienta, publicada en el repositorio "benchmark-radar", clasifica los benchmarks por número de laboratorios que los mencionan al
Un grupo de investigadores advierte que, pese a la enorme expectativa generada en torno a la inteligencia artificial (IA) aplicada al descubrimiento de fármacos, la evidencia de un impacto clínico real sigue siendo, hasta la fecha, "decepcionantemente limitada". Esta es la principal conclusión de un
Mixedbread ha lanzado Toast 1, su primer agente especializado en búsqueda profunda, entrenado para ejecutarse como subagente dentro de modelos frontera o como sistema autónomo. La compañía afirma que iguala o supera a Claude Opus 5 y GPT-5.6 Sol en calidad de búsqueda con un coste hasta diez veces m
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
Z.ai ha presentado GLM-5.3, una nueva iteración de su modelo de lenguaje que marca un hito significativo en la capacidad de programación autónoma y, sorprendentemente, en las habilidades ciberofensivas emergentes. Según el comunicado oficial de la empresa, todas las mejoras provienen exclusivamente
Grok 4.6, el nuevo modelo de SpaceXAI (antigua xAI), llega con un argumento práctico: completar el mismo trabajo que sus rivales con muchos menos pasos. En la prueba AA-Briefcase, resolvió sus tareas en 53 turnos y alrededor de 500 millones de tokens de media, frente a los 103 turnos y 2.000 millone
Grok 4.6, el modelo de inteligencia artificial desarrollado por SpaceXAI, ya está disponible a través de la plataforma OpenRouter con un precio de entrada de 2 dólares por millón de tokens y 6 dólares por millón de tokens de salida, según la ficha técnica publicada por el agregador de modelos. Lanza
Anthropic lanzó Opus 5, una actualización de su modelo más usado en programación y tareas de desarrollo de software. Aunque supone una mejora respecto a versiones anteriores, los benchmarks publicados por la propia compañía —entre ellos Frontier-Bench y DeepSWE— muestran un avance iterativo y no un
Google presentó tres nuevos modelos de inteligencia artificial este martes, entre ellos su primera versión de Gemini orientada a ciberseguridad, aunque ninguno corresponde al esperado Gemini 3.5 Pro, cuyo lanzamiento estaba previsto para junio y sigue sin fecha. La compañía reemplaza así a Gemini 3.
Artificial Analysis se ha consolidado como una de las plataformas de referencia independientes para evaluar y comparar modelos de inteligencia artificial y proveedores de API. Su propuesta combina benchmarks propios, índices de inteligencia, análisis de costes, velocidad y latencia, con el objetivo
Una comparativa técnica controlada entre los asistentes de programación Claude Code y OpenCode, ambos ejecutados sobre claude-sonnet-4-5, revela diferencias abismales en el consumo de tokens. En una tarea mínima que pedía una respuesta de una sola línea, Claude Code inyectó alrededor de 33.000 token
OpenAI lanzó GPT-5.6, su nueva familia de modelos de inteligencia artificial integrada por tres variantes: Sol, la más avanzada; Terra, la equilibrada, y Luna, la más eficiente en costes. La compañía presentó el producto como la familia de modelos más capaz de su historia, respaldada por resultados
Un equipo independiente ha evaluado el modelo de IA de pesos abiertos GLM 5.2 en una tarea real de contabilidad: la preparación trimestral de la declaración de IVA (Value Added Tax) de una pequeña empresa británica. El resultado es que el modelo elabora una declaración prácticamente correcta, proces
El enrutamiento de modelos —asignar cada petición al modelo de IA más adecuado— es una práctica cada vez más común entre desarrolladores y equipos que combinan varios modelos de lenguaje. Este artículo recoge tres principios básicos desarrollados por Try-Works a partir de su experiencia creando role
l es un nuevo runtime para la familia de lenguajes k y q que ejecuta código k4, q y qSQL existente sin necesidad de reescritura. La propuesta mantiene la sintaxis, los modismos, las tablas, los diccionarios y el trabajo con series temporales tal como se escriben hoy, pero cambia el motor subyacente
Elegir un modelo de lenguaje por su tarifa por millón de tokens puede disparar la factura de IA de una empresa sin que esta lo perciba. Dos razones explican el desajuste. Primero, cada laboratorio usa un tokenizador propio: el mismo fragmento de este artículo, por ejemplo, se trocea en 160 tokens pa
Las bases de datos basadas en árboles B+, como SQLite, están diseñadas para almacenar datos de forma ordenada. Cuando se insertan identificadores o claves aleatorias, esa organización se rompe: las páginas se reescriben, se producen divisiones de página y el árbol se reequilibra constantemente, lo q
El modelo abierto GLM-5.2, desarrollado por Z.ai bajo licencia MIT, se enfrenta a Claude Opus 4.8 en una prueba práctica consistente en construir un plataformas 3D en WebGL puro, sin librerías como Three.js, a partir de un único prompt. GLM-5.2 está pensado para tareas largas y agenticas: ofrece ven
Ensayo de carácter didáctico que reúne, en siete apartados, recomendaciones de fondo para quien aspire a investigar en inteligencia artificial. El primer consejo es tan sencillo como exigente: formarse requiere combinar lectura y construcción, porque ninguna de las dos basta por sí sola. El autor re
Un equipo de 49 matemáticos elaboró un conjunto de 100 preguntas de matemáticas a nivel de investigación con respuestas conocidas, en el marco del taller “Benchmarks in Leipzig”, celebrado entre el 1 de abril y el 15 de mayo de 2026. La mayor parte del trabajo se concentró en un taller de tres días
Los grandes modelos de lenguaje (LLM) han avanzado rápidamente, pero una tarea sigue fuera de su alcance: jugar videojuegos. Aunque Gemini 2.5 Pro logró vencer Pokémon Azul en mayo de 2025, lo hizo de forma lenta y con errores extraños. Julian Togelius, director del Laboratorio de Innovación de Jueg
NVIDIA presentó recientemente las primeras pruebas públicas de su nueva CPU de centros de datos, la Vera, diseñada específicamente para cargas de trabajo de inteligencia artificial agente. Durante una visita a las instalaciones de la empresa en Santa Clara, se probaron los núcleos internos 'Olympus'
El desarrollador Andyyyy64 ha publicado en GitHub la herramienta 'whichllm', diseñada para ayudar a los usuarios a encontrar el modelo de lenguaje grande (LLM) más adecuado para su hardware específico. La aplicación detecta automáticamente las características del sistema (GPU, CPU, RAM) y ordena los
Una nueva herramienta de seguimiento permite visualizar los 'nerfs' o debilitamientos que los laboratorios de inteligencia artificial implementan en sus modelos tras el lanzamiento oficial. El sistema, disponible en mayerwin.github.io, rastrea automáticamente el rendimiento de los modelos líderes de
El MacBook Neo representa un hito en la estrategia de Apple al ofrecer su Mac más asequible ($599) utilizando el procesador A18 Pro, el mismo chip que impulsa el iPhone 16 Pro. Este movimiento rompió la percepción tradicional de la industria al demostrar que un chip de smartphone no podría alimentar
Nuevos benchmarks publicados por Vittorio Romeo comparan el costo de compilación del sistema de reflexión de C++26 en GCC 16.1 contra alternativas existentes: la biblioteca enchantum (C++17) y el método x-macro del preprocesador. La prueba consiste en convertir enumerados a strings, operación útil p
Este texto explora la paradoja de los benchmarks en el aprendizaje automático (Machine Learning, ML). Los benchmarks, que consisten en dividir los datos en conjuntos de entrenamiento y prueba para evaluar modelos, son la piedra angular del progreso en el campo, pero también son objeto de críticas si
Un análisis comparativo de máquinas virtuales (VM) en la nube realizado en octubre de 2025, y publicado en devblog.ecuadors.net, revela que los procesadores AMD EPYC Turin dominan los resultados de rendimiento en 2026. El estudio evaluó 44 tipos de VM de siete proveedores a través de múltiples regio
Desarrolladores están consistentemente optando por Claude de Anthropic sobre alternativas como Gemini y Codex, a pesar de que estas últimas a menudo superan a Claude en las pruebas de rendimiento iniciales. La razón no radica en la inteligencia bruta de los modelos, sino en su capacidad para mantene
Un nuevo driver para Node.js llamado Stoolap, desarrollado en Rust, está superando a SQLite en benchmarks, según un artículo publicado en stoolap.io. Stoolap se presenta como una alternativa a SQLite, ofreciendo características avanzadas como transacciones MVCC, optimizador de consultas basado en co
