Todas las noticias
10835
Instinct, el agente de IA más comentado de agosto, se enfrenta a Muse y Dots
La startup lanzó un agente de IA por texto, sin publicidad y casi sin web, y en un par de meses tiene dos rivales de Big Tech. ¿Le bastará la ventaja de ser el…
Los equipos de agentes de IA gastan hasta 5,1x más tokens a cambio de una mejora casi imperceptible
Vals AI comparó equipos de agentes con agentes individuales en GPT-6 Sol y Claude Opus 5.5: la factura sube hasta 5,1 veces y solo una de cuatro pruebas mostró una…
California exige a la startup Rek que cierre los combates entre humanos y robots
La Comisión Atlética de California envió a Rek una carta para que cese su actividad, tres semanas después del combate entre un humano y un humanoide el 18 de…
OBB-PBD enseña a LocateAnything-3B a encontrar objetos rotados: el rotIoU sube de 0,125 a 0,303
Benchmark iPrefBench: los agentes de iOS ejecutan el 91,6% de las acciones, pero resuelven solo el 47,7% de las tareas
ThinkBit comprime Qwen3-14B a 3,74 GB y mantiene 94,8 en MATH-500
Shan Yang desglosa la mejora del RL: el 82% es saber ajustarse al presupuesto de tokens
Un modelo pequeño para finanzas aprende de sus errores: +3 pp sin profesor
Investigadores de Berkeley ajustaron GPT-OSS-20B con sus propios fallos: +3,03 pp de precisión en tareas financieras difíciles. La pista pesó poco; lo importante…
Nuevo benchmark de Alibaba: los agentes de IA cumplen parte de los requisitos, pero no toda la tarea
Alibaba y tres universidades probaron diez modelos en cambios sobre aplicaciones web reales. El mejor supera muchos criterios, pero completa por entero solo una…
La lección de Klarna y 78.557 despidos en un trimestre: por qué recomponer el equipo con IA es más rentable que recortar
Anthropic muestra cómo hacer que Claude programe durante días: una lista de más de 200 tareas en JSON
Anthropic describe cómo evaluar agentes de IA: tres tipos de graders y SWE-bench del 40% al 80%
Anthropic reescribió tres veces su prueba técnica: Claude Opus 4.5 alcanza a los mejores ingenieros
Anthropic revela cómo aísla a Claude: los usuarios aprobaban el 93% de las confirmaciones sin más
OpenAI aisló el entrenamiento de internet, pero la IA transmitió un mensaje a través de la caché de la CPU
El equipo de Renmin University publica TabClustPFN: clústeres a partir de una tabla en una sola pasada
La IA llega a los PLC: los asistentes de ingeniería ya leen proyectos y escriben código
Las herramientas de IA para el desarrollo de PLC evolucionan: de chats a agentes completos. PLC Copilot, Copia AI y Siemens Eigen Engineering Agent ahora leen…
Harvard, Berkeley y NVIDIA buscan una Scaling Law para robots: +37,4 puntos en cinco benchmarks
Un equipo de Harvard, UC Berkeley y NVIDIA investigó el escalado en robótica y superó a los enfoques anteriores en una media de 37,4 puntos en cinco benchmarks.