benchmarks

Hay modelos que son tan cabezones que siguen haciendo trampas aunque se lo prohibas.

Demasiados modelos demasiado buenos: bienvenidos a la fatiga de suscripciones... de IA.

Tenemos una respuesta a esa pregunta, y son buenísimas noticias.

Que los modelos de IA no puedan decir la hora es preocupante.

El nuevo modelo se ofrecerá de serie en la app de Gemini, y, atención, en AI Mode.

DeepSeek ya ha doblado lo invertido. Mientras, GPT-5 y Gemini han perdido casi 2/3 partes de esa cantidad.

El clásico de la Game Boy Advance es perfecto para medir cómo se adaptan los modelos de IA a nuevos retos.

Lo que dicen los benchmarks no parece corresponder con lo que están viendo los usuarios del modelo.

Los humanos resolvemos de media el 60% de esos problemas. Las mejores IAs no llegan ni al 5%

Ya sabía como poner a prueba a una AGI. Ahora quieren desarrollarla él mismo.

Cuanto más difícil se lo ponemos, más nos sorprenden las máquinas.