Todas las noticias
10835
SATE-Bench: los modelos multimodales abandonan la exploración de la escena demasiado pronto
Nuevo benchmark SATE-Bench: 316 escenas reales y 2525 pares de preguntas y respuestas. Los mejores MLLM dejan de observar antes de tiempo y, además, se muestran…
DIAYN, entre 20 algoritmos de motivación intrínseca, es el que replicó el comportamiento de la mosca Drosophila
NeuroAgents Lab entrenó agentes en una mosca digital con 20 algoritmos y sin recompensa externa. DIAYN coincidió con la mosca real en comportamiento y en actividad…
Un crítico independiente eleva entre 5.9 y 9.5 p. p. la precisión de los agentes de programación
Los autores compararon 17 esquemas de verificación en siete modelos. Un crítico independiente sumó hasta +9.5 p. p. en Terminal-Bench con un coste de solo 1.13–1.25…
Los agentes de Anthropic enviaron 20 solicitudes de visa a través del sitio del Departamento de Estado de EE. UU.
Meta lanza Muse Wonder y Wonder Full: el índice de inteligencia sube de 48 a 56
Cloudflare compra Deno y dejará de desarrollar el runtime dentro de un año
Moonshot lanza Kimi K3.1 Pro: un modelo open-weight de 3T parámetros con contexto de 1 millón de tokens
Artificial Analysis lanza AA-3D: Claude Sonnet 5.5 lidera con 1194 puntos Elo
El nuevo benchmark reta a agentes a crear escenas 3D interactivas con three.js. Claude Sonnet 5.5 lidera con 1194 Elo, aunque el top 4 muestra un empate estadístico.
Altman plantea tres finales para la carrera de la IA: desde un regulador global hasta la parálisis de las GPU ajenas
En una reunión interna de OpenAI, Sam Altman describió tres desenlaces de la carrera por la IA. El más duro: el líder podría inutilizar el hardware de sus…
Moonshot AI presenta Kimi K3.1 Pro, su primera versión Pro tras la prueba de Kibitz
Inception lanza Mercury 3: una LLM de difusión 8 veces más rápida que GPT-6 Luna
Matthew Green estima en un 15% la probabilidad de que la IA nos haga perder la confianza en el cifrado de clave pública
Artificial Analysis lanza Decision Index: Jev 1.13 lidera con 58 puntos
Oracle reduce tareas de días a minutos con ChatGPT Work y Codex
Oracle usa ChatGPT Work y Codex en reclutamiento, ingeniería y operaciones. Según OpenAI, tareas que llevaban días ahora se resuelven en minutos.
Alibaba Qwen define los tres pilares de su Personal Agent: modelo, memoria y ecosistema
Jiang Guanjun, responsable de algoritmos de Qwen, explicó en la CCF 2026 cómo construye Alibaba su agente personal: modelo, memoria y ecosistema funcionan solo en…