Evaluaciones de IA
4 published articles
Orchestrator swap
Perplexity convierte a Grok 4.5 en su modelo orquestador estrella en Computer, superando a Opus 4.8 a la mitad del costo
Perplexity afirma que Grok 4.5 superó a otras cinco configuraciones de orquestador en su benchmark interno WANDR, superando a Claude Opus 4.8 en precisión a aproximadamente la mitad del costo, y ya está disponible en Computer para suscriptores Pro y Max.
2026-07-14
Benchmark integrity
GPT-5.6 Sol (max) encabeza CritPt, un nuevo punto de referencia de problemas de investigación en física no publicados
GPT-5.6 Sol (max) lidera CritPt, un nuevo punto de referencia de física basado en problemas de investigación de nivel de posgrado no publicados, obteniendo aproximadamente 5 puntos por encima de GPT-5.5 y 4 puntos por delante de Claude Fable 5, según pruebas independientes de Artificial Analysis.
2026-07-13
Despliegue de IA de frontera
Claude Fable 5 y Mythos 5: El futuro de la IA es la inteligencia controlada por acceso
El Claude Fable 5 de Anthropic lleva la capacidad de clase Mythos a los usuarios públicos, mientras que Mythos 5 sigue siendo solo de acceso confiable. El modelo de despliegue, enrutamiento de capacidad, clasificadores de respaldo y acceso por niveles, representa un cambio fundamental en la forma en que se lanza y utiliza la IA de frontera.
2026-07-10
Inteligencia Artificial
Ifbench: el nuevo benchmark que evalúa el seguimiento de instrucciones en IA
IFBench mide la capacidad de los modelos de lenguaje para seguir instrucciones precisas en lenguaje natural, una habilidad clave pero a menudo ignorada. Los primeros resultados muestran a los modelos Grok de xAI liderando, mientras que los modelos Claude quedan rezagados a pesar de sus altos puntajes generales de inteligencia.
2026-07-07