4 artículos con este tag
UniPat AI vale $2.5 mil millones de dólares y Alibaba acaba de apostar fuerte en ella. Lo que hacen es simple pero crítico: decirte si los coding agents que usas realmente hacen lo que dicen.
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.
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.
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.