11 noticias
DrivingBench es una plataforma de evaluación diseñada para determinar si los modelos de inteligencia artificial de frontera pueden controlar un vehículo real. El sistema otorga a estos modelos el control del volante, el acelerador y los frenos de un Toyota Corolla, permitiendo evaluar su capacidad o
Anthropic ha presentado Claude Opus 5.5, el primer modelo de su nueva familia Claude 5.5, diseñado para ofrecer un rendimiento comparable al de Claude Fable 5.1 a un coste 40% inferior. Este lanzamiento marca el primer paso tras la llamada a 'censurar el frente' de la frontera de modelos, priorizand
Un estudio reciente titulado RoboHarm ha demostrado que los modelos de inteligencia artificial de frontera, incluyendo Claude Fable 5.1 de Anthropic, GPT-6 Astra de OpenAI y MolmoAct2 de AllenAI, no rechazan consistentemente las instrucciones que podrían causar daños físicos. La investigación, publi
Este sitio web presenta una colección de 30 prompts para la generación de gráficos SVG, diseñados para evaluar la creatividad de los modelos de lenguaje en 2025 y 2026. La iniciativa, inspirada en el famoso test de Simon Willison sobre un pelícano en bicicleta, consiste en asignar a los modelos tare
Los modelos de inteligencia artificial de frontera más recientes, GPT-6 Astra de OpenAI y Claude Fable 5.1 de Anthropic, han puesto en evidencia un problema creciente: sus creadores cada vez saben menos sobre cómo razonan por dentro. OpenAI publicó el 3 de septiembre su evaluación de seguridad de As
Anthropic ha publicado los system prompts actualizados de sus aplicaciones de consumo de Claude (Claude.ai y las apps móviles, sin incluir Claude Cowork ni Claude Code) y los ha reorganizado en una página índice con una página por modelo. Simon Willison destaca la nueva y extensa directriz que prohí
CodeRabbit ha publicado una primera evaluación de GPT-6 Astra, el nuevo modelo de OpenAI orientado a razonamiento multistep sobre código, navegadores y software profesional. Según sus pruebas, Astra detecta alrededor de un 4% más de errores etiquetados que GPT-5.6 Sol y un 22% más que Opus 5 a travé
Artificial Analysis publicó el 4 de septiembre de 2026 la versión 4.2 de su Intelligence Index, una actualización intermedia que adelanta elementos del futuro lanzamiento v5 para mantener la relevancia del ranking ante el rápido avance de los modelos frontera. La nueva edición incorpora dos evaluaci
OpenAI lanzó GPT-6 Astra, un nuevo modelo que destaca por su eficiencia en tareas de programación pero que llega acompañado de una subida significativa de precio respecto a su predecesor. En el Artificial Analysis Coding Agent Index, GPT-6 Astra obtiene 67 puntos en Codex, igualando a Claude Opus 5,
Anthropic lanzó el 1 de septiembre de 2026 Claude Fable 5.1 (junto con Mythos 5.1), un modelo que la compañía presenta como nuevo estándar en programación, trabajo de conocimiento y tareas largas. La compañía destaca un 52,6 % en el benchmark Terminal-Bench-Science 0.1, frente al 24,7 % de Fable 5,
Anthropic ha presentado Claude Fable 5.1, su modelo más avanzado hasta la fecha, que en la evaluación independiente de Artificial Analysis alcanza 66 puntos, por delante de los 63 de Opus 5 y los 61 de GPT-5.6, Soly y Grok 4.6. El lanzamiento llega acompañado de cambios técnicos importantes, una est