#benchmarks

3 artículos con este tag

ia 17 ago 2026 · 3 min

Claude Opus 5 existe y triplica todos los benchmarks: $5 por millón de tokens y le ganó a Fable 5 en ARC-AGI 3

Anthropic lanzó Claude Opus 5 el 24 de julio: scores tres veces más altos en ARC-AGI 3, mejor que Fable 5 en OSWorld 2.0, y al mismo precio que Opus 4.8. La guía definitiva para devs mexicanos de cuándo vale el salto.

Leer

ia 15 ago 2026 · 3 min

Moonshot AI ocultó el 51% de alucinaciones de Kimi K3 en sus benchmarks: lo que los devs deben saber antes de integrarlo

Análisis independiente encontró que Kimi K3 tiene una tasa de alucinación del 51%, dato que Moonshot AI omitió por completo de sus más de 40 benchmarks oficiales. Te explicamos qué significa para tu pipeline y si el modelo sigue valiendo la pena.

Leer

ia 11 ago 2026 · 3 min

La IA de Sakana dice hackear el 87% de las vulnerabilidades del mundo, pero sus propios creadores del benchmark no lo creen

Fugu-Cyber reporta 86.9% en CyberGym, pero los creadores del benchmark solo alcanzaron ~20% en pruebas independientes. La brecha más grande entre vendor e independiente en benchmarks de IA de seguridad.

Leer