Todas las noticias
10835
Gemini 4 Carbon logra un 40% en FrontierCode 2.0 de Cognition a $4,04 por tarea
Cognition ha evaluado Gemini 4 Carbon y Argon en FrontierCode 2.0: Carbon logra un 40% con un coste de $4,04 por tarea, pero queda por detrás de Claude Opus 5.5 y…
Gemini 4 Carbon, de Google, logra un 88,2% en una prueba de búsqueda de vulnerabilidades; el acceso sigue cerrado
Google DeepMind presenta Gemini 4 Carbon: 88,2% en SEC-bench Pro, donde busca vulnerabilidades reales en programas. De momento, solo la usan algunos especialistas…
RoboArchitect, sin reentrenamiento, eleva el éxito de los manipuladores de 9,7% a 43,3% en escenas nuevas
Un modelo de código escribe el código de control de una política VLA congelada: el éxito medio sube de 9,7% a 43,3% en escenas nuevas y de 12,7% a 40,2% en tareas…
Claude Code monta vídeo a partir de la transcripción: cómo funciona video-use, con 30 000 estrellas
Mistral publica los pesos de Large 4: un modelo abierto de 1 billón de parámetros para código
Google presenta Gemini 4 Carbon: 88% en la búsqueda de vulnerabilidades y el primer puesto del ranking
Anthropic dará a las empresas informes sobre tokens: el gasto de sus clientes se multiplicó por 9 en un año
Una herramienta de IA de Stanford verifica parte del código de Signal en medio día y por menos de 500 dólares, frente a cinco meses
Una investigadora de Stanford y sus colegas redujeron la verificación formal del código de Signal de cinco meses de trabajo de tres expertos a medio día y menos de…
ElevenLabs delega la rutina en agentes internos y ahorra 1200 horas al mes
Los agentes internos de ElevenAgents responden 5000 preguntas al mes, abren tickets en Linear y montan demos para clientes. Lección clave: limpiar el esquema de…
Un desarrollador crea un sistema RAG con modelos locales y eleva la precisión de búsqueda del 20% al 53%
OES despliega 30 agentes de IA en camiones de cantera y eleva el acarreo un 10%
Qwen 3.5 4B lleva un procesador RISC-V dentro de sus pesos, con memoria basada en DeltaNet
NVIDIA lanza Nemotron 3.5 Transcribe: 40 idiomas y 100 horas de audio en 3 minutos
Technokafe monta un videoensayo con código: 73 segundos por $10 en tokens de Claude Code
OpenAI y Oracle integrarán ChatGPT en los sistemas de negocio de Oracle: las demás novedades del día
Las pruebas de Lean para código generado por IA fallan tras refactorizaciones en el 13-27% de los casos
WAKMan: un gestor de caché para servidores de LLM que elige su propia estrategia y logra hasta 5 puntos más de aciertos
Investigadores de la Universidad de Maryland y Capital One demuestran que ninguna estrategia fija de caché para solicitudes de LLM gana siempre. Su sistema, WAKMan…
T-Tech desarrolla LIMe, un método que entrena modelos de lenguaje con un 15% menos de cómputo
Cada cabeza de atención accede a las capas iniciales del transformer. Con mil millones de parámetros, LIMe iguala el error de entrenamiento de LLaMA con un 15%…