Etiqueta
Cobertura de los benchmarks que miden capacidades reales de los modelos de IA: resultados, limitaciones de cada test y qué significa de verdad cada cifra.
8 artículos
NuevoApenas seis semanas después de Opus 4.7, Anthropic lanza Opus 4.8 al mismo precio con mejoras en codificación agéntica, fiabilidad y alineación. Es cuatro veces menos probable que ignore errores en el código que genera.
NuevoUna controversia estalló esta semana cuando desarrolladores probaron que la voz de ChatGPT no usa GPT-5.5 sino un modelo interno más pequeño. OpenAI reconoció la discrepancia y actualizó su documentación.
Investigadores de Montreal y Google DeepMind compararon modelos de IA con 100.000 personas en test de creatividad. La IA supera al humano medio en fluidez e ideas originales, pero el matiz importa tanto como el resultado
Google confirma la disponibilidad general de Gemini 3.5 Flash en la API, Google AI Studio y Antigravity. El modelo que ya usa por defecto la app de Gemini y Google Search AI Mode es ahora estable para producción.
Un modelo de OpenAI refutó la conjetura de Erdős sobre distancias unitarias, abierta desde 1946. Matemáticos externos verificaron la prueba. Primera vez que la IA resuelve autónomamente un problema matemático mundial
Google lanzó ayer en el I/O su primer modelo de la familia 3.5. Supera a Gemini 3.1 Pro en codificación y agentes, cuesta 1,50 dólares por millón de tokens y ya es el modelo por defecto en la app y en Google Search.
Perplexity no da enlaces. Da respuestas con fuentes verificables. Esta guía explica cómo funciona, qué modos usar según la tarea y cómo sacarle partido real más allá de la búsqueda básica.
Claude, ChatGPT, Gemini, Grok, DeepSeek. En 2026 ninguno gana en todo. Esta guía explica qué modelo es mejor para cada tarea concreta, con benchmarks reales y el veredicto sin rodeos.