Benchmarks De Ia

SemiAnalysis lanzó GDPx, un benchmark de capacidades agénticas que abarca 11 dominios, incluidos diseño de chips, ciberseguridad, finanzas, legal y RSI. Opus 5.5 encabezó la clasificación con una puntuación del 12%, según SemiAnalysis.

Benchmarks • Techmeme

Investigadores de Stanford probaron 50 afirmaciones ampliamente citadas sobre los LLM contra 20 modelos actuales y encontraron que el 44% de los hallazgos ya están caducados, y otro 34% significativamente debilitados. La vida útil promedio de una afirmación es de solo 15,7 meses, y las afirmaciones sobre lo que los modelos no pueden hacer caducan más rápido.

Investigación en IA • The Decoder

Google lanzó Gemini 4 Carbon, un modelo de frontera que, según afirma, ofrece mejoras significativas en programación, tareas agénticas y ciberseguridad. Google sostiene que Carbon encabeza el Artificial Analysis Intelligence Index v5.0, por delante de Claude Opus 5.5 y GPT-6 Astra.

Modelos de IA • The Verge AI

Artificial Analysis lanzó Intelligence Index v5, añadiendo dos nuevos benchmarks de programación y ciencia y tres mejoras, con la mayor parte del índice ahora construida sobre conjuntos de datos privados. Claude Opus 5.5 (max) lidera con una puntuación de 58, según la organización.

Investigación en IA • Techmeme

Nvidia lanzó Nemotron 3.5 Transcribe, un modelo de pesos abiertos para transcripción y traducción de audio multilingüe que, según la empresa, lidera una tabla de clasificación de benchmarks, junto con Granary v2, su conjunto de datos de voz de código abierto.

Modelos de IA • Techmeme