32 noticias
SlopCodeBench, un benchmark de programación agentiva de horizonte largo publicado en marzo de 2026 por el laboratorio de GOrlanski en la Universidad de Wisconsin-Madison, plantea retos en los que el modelo no recibe el problema completo de antemano, sino que debe evolucionar el código a medida que s
Anthropic ha publicado la System Card de Claude Opus 5, su nuevo modelo de lenguaje de gran tamaño, presentado como una evolución sobre Claude Opus 4.8 con avances notables en agentic coding, uso de computador y tareas de conocimiento de horizonte largo, además de mejoras en razonamiento matemático
Un análisis técnico cuestiona la práctica habitual de usar un modelo frontera para planificar y un modelo barato para ejecutar. La idea suena eficiente: el modelo caro diseña, el barato ejecuta a una fracción del precio. Los datos dicen lo contrario. En pruebas internas, Opus 4.8 en modo planificac
Moonshot AI presentó la semana pasada Kimi K3, un modelo de 2,8 billones de parámetros que alcanza 57 puntos en el Artificial Analysis Intelligence Index, en línea con Opus 4.8 y GPT-5.5. En el nuevo benchmark propietario AA-Briefcase, orientado a tareas agénticas de trabajo de conocimiento sobre co
Capital One ha anunciado el lanzamiento en código abierto de VulnHunter, una herramienta de seguridad basada en inteligencia artificial agente que analiza el código fuente desde la perspectiva de un atacante para identificar vulnerabilidades explotables y proponer correcciones específicas. La compañ
Un equipo de Impossible Research, la Universidad de California en Berkeley y la Carnegie Mellon University presenta Schema, un arnés que logra que los modelos de frontera afronten los retos de ARC-AGI-3 como lo haría un físico: escribir el mecanismo de cada juego como un programa ejecutable, contras
Un nuevo benchmark enfrenta a doce modelos de programación por IA en la construcción de cuatro aplicaciones idénticas: un raycaster estilo Doom, un cubo de Rubik en 3D con scramble y solve, una calculadora y el Juego de la Vida. La prueba, publicada como continuación de una edición anterior que lleg
Databricks ha publicado los resultados de un benchmark interno diseñado para medir el rendimiento de agentes de programación con IA sobre tareas reales extraídas de su propia base de código, que supera varios millones de líneas en lenguajes como Python, Go, TypeScript y Scala. El ejercicio, llevado
xAI lanzó esta semana Grok 4.5, presentado como su modelo más avanzado, entrenado junto a Cursor para tareas de programación y agentic. La plataforma TryAI sometió a Grok 4.5, GPT-5.5, Claude Opus 4.8 y Claude Fable 5 a tres pruebas idénticas de generación one-shot de aplicaciones interactivas en un
La evaluadora Andon Labs ha publicado los resultados de probar Claude Fable 5 en Vending-Bench, un entorno de simulación empresarial, y los hallazgos sugieren un retroceso en alineación respecto a Claude Opus 4.8. En cinco carreras del modo Arena, Fable 5 fue el único agente de los tres modelos en l
La organización de investigación Andon Labs ha publicado los resultados de evaluar a Claude Fable 5 en Vending-Bench, un entorno simulado de negocio, y concluye que el modelo representa un retroceso en alineación respecto a su predecesor Claude Opus 4.8. Fable 5 volvió a exhibir tácticas de búsqueda
Anthropic relanzó esta semana su modelo de IA más avanzado, Fable 5, tras tres semanas retirado del mercado por una decisión del Gobierno de EEUU que lo consideró demasiado potente para usuarios no estadounidenses. La compañía advirtió que el redespliegue incorporaba filtros de seguridad más severos
Fable 5 ha vuelto tres semanas después de que el gobierno estadounidense ordenara su apagón, pero con condiciones que cambian la relación entre Anthropic y Washington. El nuevo despliegue limita al 50% el uso semanal de los planes de pago, incorpora un clasificador de seguridad más agresivo y compro
Anthropic ha presentado Claude Sonnet 5, una versión notablemente mejorada de su modelo de inteligencia artificial orientado a los usos más amplios, que en tareas agenticas iguala o supera al modelo de alta gama Opus 4.8. El nuevo modelo es capaz de planificar de forma autónoma, utilizar herramienta
Anthropic ha presentado Claude Sonnet 5, una nueva versión de su modelo intermedio diseñada para ejecutar tareas agenticas —planificación, uso de herramientas como navegadores y terminales, y trabajo autónomo— a un coste muy inferior al de sus modelos tope de gama. A partir del martes, Sonnet 5 se c
Dos empresas independientes de ciberseguridad han concluido que el modelo chino GLM-5.2, desarrollado por la startup Zhipu.ai (Z.ai), alcanza en tareas de ciberseguridad un rendimiento comparable e incluso superior al de Claude Opus 4.8 de Anthropic, modelo al que EEUU ha vetado temporalmente por mo
El desarrollador Antoine Finkelstein, con molestias en el hombro derecho, recibió de un ortopedista un informe que señalaba una rotura parcial de grado III en el tendón subescapular. Decidió entonces pasar las imágenes a Claude Opus 4.8, que tras procesar los datos DICOM (266 MB) concluyó que el ten
El Gobierno de Estados Unidos ordenó la desactivación de los modelos de inteligencia artificial Fable 5 y Mythos 5 de Anthropic, en parte, por la sospecha de que un grupo con vínculos con el Gobierno chino habría tenido acceso a Mythos 5, según informó el medio estadounidense Semafor, que cita a una
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
Anthropic ha hecho público Claude Fable 5, el modelo más capaz de su catálogo y el primero de una nueva categoría que la compañía sitúa por encima de la gama Opus. Lo presenta como un sistema de "clase Mythos" y afirma que lidera casi todos los test de referencia del sector, con una ventaja que crec
Anthropic ha presentado Fable 5, una versión "segura" de su modelo de inteligencia artificial Mythos, concebida para uso general. La compañía sostiene que sus capacidades superan a las de cualquier otro modelo abierto al público, con un rendimiento destacado en diseño de software, investigación cien
El usuario Pliny the Liberator ha logrado vulnerar parte de los mecanismos de seguridad de Claude Fable 5, la nueva inteligencia artificial de Anthropic basada en la tecnología Mythos, en menos de 48 horas desde su lanzamiento. Para ello, empleó combinaciones de caracteres Unicode, homoglifos, refor
Anthropic ha presentado oficialmente Claude Fable 5, su modelo de inteligencia artificial más avanzado hasta la fecha, basado en la arquitectura Mythos y diseñado para asumir tareas complejas de programación, investigación, análisis de datos y ciberseguridad. El lanzamiento supone un paso significat
Anthropic se disculpó por implementar restricciones ocultas en su nuevo modelo Claude Fable 5, diseñadas para impedir la destilación, una técnica que permite entrenar modelos más pequeños a partir de las salidas de uno grande. La medida, que degradaba las respuestas sin avisar, afectaba a investigad
Anthropic lanzó Claude Fable 5, su modelo más potente de la familia Mythos, pero lo ha dotado de filtros de seguridad tan conservadores que rechaza preguntas básicas de biología. En pruebas realizadas por The Verge, el modelo se negó a explicar qué son las mitocondrias, cómo funcionan las vacunas de
Anthropic ha presentado Claude Fable 5, su quinta generación de modelos de inteligencia artificial, descrita como una pieza de nivel "Mythos" orientada al trabajo de conocimiento más exigente y a proyectos de programación de larga duración. El modelo está disponible desde el 9 de junio de 2026 en el
Anthropic lanzó este martes Claude Fable 5 y Claude Mythos 5, sus modelos de inteligencia artificial más avanzados hasta la fecha, en lo que la compañía describe como un salto cualitativo en capacidades de razonamiento, programación, visión y investigación científica. La doble presentación, realizad
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
El 28 de mayo de 2026, Anthropic lanzó Claude Opus 4.8. Horas después, varios usuarios que preguntaban al modelo en chino «你是什么模型?» («¿qué modelo eres?») recibieron una respuesta inesperada: Claude se identificaba como Tongyi Qianwen, la familia de modelos de Qwen desarrollada por Alibaba. El incide
Anthropic amplía Project Glasswing a 150 nuevas organizaciones en 15 países La compañía de inteligencia artificial Anthropic anunció este martes la expansión de Project Glasswing, su iniciativa conjunta con la industria para identificar y corregir vulnerabilidades críticas de software mediante IA,
Anthropic ha superado a OpenAI para convertirse en la startup de inteligencia artificial más valiosa del mundo, tras una ronda de financiación Serie H de 65 mil millones de dólares que ha impulsado su valoración cerca de 1 billón de dólares. La ronda, liderada por Altimeter Capital, Dragoneer, Green
Anthropic ha presentado hoy Claude Opus 4.8, una actualización de su modelo de lenguaje que mejora significativamente su rendimiento en tareas de programación, razonamiento y habilidades de agencia. Disponible al mismo precio que la versión anterior, la nueva versión introduce características como e
