Benchmark De Ia
Archivo temático • 7 resultados
Generado por IA: resúmenes redactados por IA a partir de las fuentes enlazadas. Cómo usamos la IA
2026-11-11
Tecnología
Basado en un fragmento de transcripción: AI Explained analiza los lanzamientos de los modelos Fable 5.2 y Gemini Carbon, basándose en una tarjeta del sistema de 264 páginas, un informe de METR de 30 páginas sobre aceleración de IA y las propias pruebas del creador. El vídeo cubre los resultados de las pruebas de referencia, una prueba de 'Max Bench' diseñada para detectar modelos que memorizaron respuestas, el índice de trabajo remoto y las afirmaciones de Anthropic de que el ritmo de mejora de la IA se acelerará. También se discute si los resultados de las pruebas de referencia resisten el escrutinio.
AI News & Analysis • AI Explained
Enlace permanente
2026-11-12
Tecnología
Google DeepMind lanzó Gemini 4 Hydrogen, su tercer modelo nuevo en seis semanas, que introduce un nivel de razonamiento xhigh. Según el Índice de Inteligencia de Artificial Analysis, Hydrogen casi empató con Claude Sonnet 5.5 y GPT-6.1 Sol, a un tercio del costo de Sonnet pero aproximadamente 2,5 veces el de Sol. El modelo se está implementando en Google Search y dentro de Google Antigravity junto con una nueva opción de Orquestador para tareas de largo horizonte.
Modelos de IA • Techmeme
Enlace permanente
2026-11-14
Tecnología
Gemini 4 Carbon de Google y Fable 5.2 de Anthropic han desplazado a GPT-6.1 Sol de OpenAI de lo más alto del benchmark matemático MathArena, la primera vez en un tiempo en que ningún modelo de OpenAI lidera. Se reporta que Gemini 4 Carbon cuesta 15 veces más que GPT-6.1 Sol e ignoró el límite de tiempo durante las pruebas, casi nunca abandonando una tarea.
Modelos de IA • The Decoder
Enlace permanenteRunway lanzó Praxis-1, un modelo de robótica con pesos abiertos y código fuente bajo la licencia Apache 2.0. El modelo transfiere conocimiento del entrenamiento con video al control de robots y lidera la categoría World Action Model en el benchmark RoboLab-120 de Nvidia, aunque todavía no puede planificar secuencias de acciones complejas por sí solo.
Robótica • The Decoder
Enlace permanenteUn benchmark para la predicción de experimentos de laboratorio húmedo, descrito como el más estricto de su tipo, fue publicado por más de diez equipos de primer nivel, incluidos Stanford, Harvard y Cornell. Los resultados indican que escalar la inferencia y quintuplicar la computación no mejoró el rendimiento.
Investigación en IA • QbitAI 量子位
Enlace permanente