Todas las noticias
10835
El agente de 4B Mage-VL-Cowork logra un 66,0% en OSWorld-Verified y supera a un modelo de 30B
La evaluación directa con LLM ordena los artículos como Elo, pero descarta el 4,3% de los trabajos débiles frente al 66,4%
El banco de trabajo TSFLab eleva un 20–163% la tasa de tareas completadas por agentes en previsión de series temporales
Faros: en los equipos con agentes de IA, el tiempo mediano de revisión de código ha subido un 441%
Telemetría de Faros con 22 000 desarrolladores: con IA, el tiempo mediano de revisión subió un 441%. Por qué trabajan más sin que nadie se lo exija y cómo no…
La etiqueta «sin documentos gold» pasó de una precisión de 0,68 a 0,10 con retrievers potentes
Cuanto más potente es el retriever, más contextos sin documentos gold contienen la respuesta: la precisión de la etiqueta de insuficiencia cayó de 0,68 a 0,10 al…
TJ Digital: el 23% de las páginas que cita la IA empiezan con una respuesta directa, frente al 14% de las que no cita
Análisis de 193 507 respuestas de ChatGPT y Google: el 23% de las páginas citadas y el 14% de las no citadas empiezan con una respuesta directa. La brecha es…
mcp-linter detecta 18 parámetros sin descripción en el servidor filesystem de Anthropic
TensorFold 1.2.0 aumenta un 44,2% el rendimiento de Qwen3.8-27B en el M3 Ultra con 16 flujos
Un periodista de The Verge construye con Claude Code un equivalente del Meta Muse Charm por 50 dólares
agent-desktop completó 26 de 35 tareas en Mac, cua 33 y Codex 34
Reúnen 8 Skills de vídeo para Claude Code: de 244 efectos de píxeles al montaje
El autor @DDJCXX reunió 8 Skills para Claude Code: 244 efectos de píxeles, promos de 30 segundos, historias con voz y montaje preliminar en DaVinci. El líder suma…
El ruido adaptativo en el sampler SDE de Flux 3 Klein mejoró la textura solo un 1–2%
Un autor de Habr probó si el sampler puede elegir el ruido según la curvatura y el error del solver. En Flux 3 Klein la textura mejora solo 1–2%; las personas no lo…
El juez de EditAgent, de Adobe, elige una edición válida en el 81,3% de los casos frente al 74,8% de EditScore
Un autor de Habr ajusta YOLOv8l con radiografías dentales y lleva el mAP50 a 0,642
Prueba de 16 modelos en 7 buscadores: Exa obtuvo una media de 10,5 puntos de 14; SearXNG, en torno a 3
Kimi logra un 96,2 % en un test de analítica sobre una base de 1C y se perfila como plan B ante un bloqueo de Claude
StreamVibe, el agente de vídeo de Google, supera en un 10,7 % a otros modelos en momento y calidad de respuesta
Una nueva prueba detecta la colusión oculta entre agentes de IA a partir de cómo reacciona su socio a una paráfrasis
OpenAI reescribe las reglas de comportamiento de GPT: cinco valores y una cadena de prioridades
Los bots de voz con LLM recurren al clasificador rápido Jev: decisiones en 200–500 ms
Los equipos delegan en el clasificador rápido Jev las decisiones simples de los LLM (fin de turno, cambio de tema, confirmar una cita), con una latencia de 70–500…
La capa de seguridad MoneyGate frenó las 42 peticiones fraudulentas a IA locales
Llama 3.1 8B, Qwen 2.5 7B y DeepSeek-R1 8B, en un portátil gaming, apenas detectaban el engaño y escribían a los estafadores «transferiré hoy». MoneyGate detuvo las…