El modelo de IA GPT-6 Astra ha establecido un nuevo récord en el benchmark SlopCodeBench, alcanzando una tasa de aprobación estricta del 16,3%, superando al GPT-5.5, que obtuvo un 14,8%. Este resultado, publicado por Dex Horthy en octubre de 2026, marca un avance significativo en la capacidad de los agentes de código para gestionar requisitos cambiantes y complejos. El benchmark, que evalúa a los modelos mediante 36 problemas y 196 puntos de control, simula el desarrollo de software real donde los requisitos evolucionan durante el proceso. Aunque el GPT-6.1 SOL y el Opus 5.5 muestran tasas de aprobación estricta similares (14,8% y 14,29% respectivamente), Astra lidera en la categoría de esfuerzo alto (XHigh), que cuesta entre 2,11 y 4,22 veces más que el esfuerzo medio. Un hallazgo clave de este análisis es que el aumento del esfuerzo de razonamiento no garantiza una mejora proporcional en la tasa de éxito estricto; por ejemplo, Opus 5.5 obtuvo mejores resultados en esfuerzo medio que en XHigh. Además, el análisis revela que los modelos generan una cantidad significativa de código residual o 'basura' que no cumple con las reglas de calidad, un factor que el equipo de SlopCodeBench planea incorporar en futuras métricas para medir la limpieza del código generado.
Noticias agregadas con IA