benchmarks

El Gemini 4 Pro de Google aparece en una plataforma de pruebas bajo un nombre falso

Un modelo que se sospecha es la próxima generación de IA insignia de Alphabet Inc., Gemini 4 Pro, ha aparecido en la plataforma de evaluación comparativa Arena bajo el nombre "gemini-3.8-flash", según informes de desarrolladores que comenzaron a circular el…

La computación cuántica está 100.000 veces por debajo de la utilidad científica, según un nuevo test

Los ordenadores cuánticos actuales se encuentran aproximadamente cinco órdenes de magnitud por debajo de la capacidad de cómputo necesaria para abordar problemas científicos reconocidos, según un nuevo estudio de referencia publicado en el servidor de preimpresión arXiv. El hallazgo, realizado…

Los modelos Claude de Anthropic lideran los benchmarks de programación SWE-bench

Los modelos de IA Claude de Anthropic ocupan las primeras posiciones en todas las variantes principales del benchmark de programación SWE-bench a fecha de septiembre de 2026, con Claude Opus 5 alcanzando un 96% en SWE-bench Verified y Claude Fable…

Llega GPT-6 Astra, pero queda por detrás de Anthropic en pruebas independientes

OpenAI comenzó a desplegar GPT-6 Astra el 3 de septiembre, calificándolo como el "modelo más inteligente y alineado del mundo", con capacidades que abarcan navegación, programación, ciberseguridad y razonamiento científico. Sin embargo, las evaluaciones independientes publicadas días después por Artificial…