← El Pisuika
Buscar
·
Todos los temas
Tema
Benchmarks IA
12 notas publicadas en El Pisuika sobre este tema.
Inteligencia Artificial
· 10 de julio de 2026
La tasa de alucinación de
Grok 4.5
duplica a la de su antecesor
xAI · Evaluación
Inteligencia Artificial
· 6 de julio de 2026
GPT-5.6 Sol Pro anota solo 31,5% en el examen de biología GeneBench-Pro
Modelos · Nota técnica
Inteligencia Artificial
· 1 de julio de 2026
Fable 5 marca 80,3% en SWE-bench Pro: 22 puntos sobre GPT-5.5 y 26 sobre Gemini 3.1 Pro
Benchmarks · Modelos frontier
Inteligencia Artificial
· 19 de junio de 2026
arXiv de la semana: los sistemas multi-agente son hasta 10 veces más caros que un simple CoT con autoconsistencia
Ciencia de datos
Inteligencia Artificial
· 19 de junio de 2026
Agents' Last Exam: los mejores agentes de IA resuelven apenas el 2.6% de las tareas económicamente relevantes
Benchmarks
Desarrollo
· 17 de junio de 2026
Devstral Small lidera benchmarks open source de código al precio más bajo del mercado
Modelos · Benchmarks
Inteligencia Artificial
· 15 de junio de 2026
Los agentes de IA ya gestionan flujos de trabajo completos en producción: de herramienta a colega ejecutor
Análisis · Agentes IA
Inteligencia Artificial
· 14 de junio de 2026
Una semana después del lanzamiento de Fable 5: los competidores ajustan sus hojas de ruta
Benchmarks · Fable 5
Inteligencia Artificial
· 13 de junio de 2026
Los números de Claude Fable 5: qué miden los benchmarks y qué no dicen
Benchmarks
Inteligencia Artificial
· 7 de junio de 2026
Gemini 3.5 Pro se acerca a su lanzamiento general con ventana de
2 millones de tokens
y modo Deep Think
Google · Modelos
Inteligencia Artificial
· 6 de junio de 2026
Claude Opus 4.8
lidera el índice de IA con 61,4 puntos; Gemini 3.5 Flash entra a disponibilidad general
Modelos · Benchmarks
Inteligencia Artificial
· 16 de mayo de 2026
GPT-5.5-high lidera el ranking Chatbot Arena+ Q2 2026 por un punto Elo sobre Claude Opus 4.7 Thinking
Benchmarks · Chatbot Arena