EMPRESA · MLPerfETIQUETA
Benchmarks
12 artículos con la etiqueta «Benchmarks», del más reciente al más antiguo.
EMPRESA · MLPerf
MODELOS · MetaMeta lanza Muse Ember, su modelo Muse más pequeño, con precios pensados para agentes de alto volumen
2 MIN DE LECTURA · 14 NOV 2026
SEGURIDAD · CiberseguridadUn modelo chino abierto y gratuito se acerca al modelo cibernético restringido de OpenAI en ataques a redes simuladas
2 MIN DE LECTURA · 8 NOV 2026
MODELOS · OpenAIBioBasicsBench, de OpenAI, mide si los agentes de IA saben leer datos brutos de laboratorio
2 MIN DE LECTURA · 8 NOV 2026
SEGURIDAD · Collinear AICollinear AI lanza CWE-bench v2, 100 tareas ejecutables para comprobar si los agentes de código saben parchear vulnerabilidades
2 MIN DE LECTURA · 6 NOV 2026
MODELOS · METRMETR calcula que el ritmo de avance de Anthropic se ha duplicado aproximadamente, con la mayoría de las pruebas censuradas
2 MIN DE LECTURA · 6 NOV 2026StateBench, de Ai2, revela que los modelos punteros caen al 13 % o menos en el seguimiento de estado más difícil
2 MIN DE LECTURA · 5 NOV 2026
DEV TOOLS · GooglePhysical-Engineering's Last Exam, de Google y Mercor, muestra que ningún agente de IA resuelve la mitad de los proyectos de ingeniería
2 MIN DE LECTURA · 4 NOV 2026
DEV TOOLS · MomenticMomentic publica QA Bench, una prueba de 1.396 errores para agentes de QA en la que su agente Mo lidera pero no detecta la mayoría
2 MIN DE LECTURA · 3 NOV 2026
MODELOS · BenchmarksSemiAnalysis lanza GDPx, un benchmark de agentes en el que el mejor modelo solo logra un 12 %
2 MIN DE LECTURA · 2 NOV 2026
MODELOS · IA de vídeoInvestigadores liderados por Google presentan StreamVibe, un asistente de vídeo que decide cuándo ofrecer ayuda
2 MIN DE LECTURA · 1 NOV 2026
MODELOS · DeepSeekDeepSeek lanza V4.1-Flash-1017, una actualización con licencia MIT orientada a agentes de programación
2 MIN DE LECTURA · 28 OCT 2026NEWSLETTER · GRATIS
Tu resumen de IA, filtrado según tus intereses
Cada mañana a las 7 h (hora local), solo los temas que elijas. En español, inglés o francés.
Elige tus temas
Productos y lanzamientosRegulaciónModelos e investigaciónHerramientas para desarrolladoresStartups y financiación+ 5 más
Baja con un clic. Nunca vendemos tus datos.