IA4 min read
Benchmark
El GauntletBench de Oxford somete a los agentes de IA a 100 tareas reales. Fallaron el 81% de ellas.
El GauntletBench de Oxford somete a los agentes de IA a 100 tareas desafiantes del mundo real. Los sistemas de frontera apenas alcanzan un 19.1% de éxito, muy por debajo del rendimiento humano. El benchmark se enfoca en capacidades pasadas por alto: percepción temporal, comprensión gráfica y razonamiento 3D en cinco aplicaciones profesionales.
2026-07-01