Nvidia ha demostrado una puntuación perfecta del 100 % en la prueba ARC AGI-3 utilizando su nuevo arnés, AVO. El artículo señala que OpenAI no utilizó este arnés estándar para sus resultados en la misma prueba.
| Benchmark | Modelo | Puntuación |
|---|---|---|
| ARC-AGI 3 | Nvidia AVO | 100% |
NVIDIA ha lanzado su arquitectura AVO, que obtiene una puntuación perfecta en la prueba ARC-AGI-3. El sistema está diseñado para apoyar agentes autónomos de horizonte largo mediante la gestión del contexto, el uso de herramientas y la recuperación del estado.
OpenAI ha lanzado GPT-5.6, introduciendo una nueva escalera de modelos de Luna, Terra y Sol junto con niveles de esfuerzo distintos para los modos Max y Ultra. El lanzamiento trae cambios significativos a la interfaz de ChatGPT Work y Codex, aunque inicialmente enfrentó rechazo de usuarios por una navegación confusa y un agotamiento rápido del uso.
Un estudio evalúa cuatro sistemas de revisión de IA en seis modelos de lenguaje, encontrando que OpenAIReview con GPT-5.5 alcanza una precisión del 83.0% al igualar la calidad del artículo con señales externas y detecta el 71.6% de los errores inyectados. La retroalimentación de usuarios reales muestra un sentimiento positivo, con una proporción de votos de 1.44 a 1, aunque los falsos positivos y las pequeñas observaciones siguen siendo comunes.
La nueva evaluación de trabajo del conocimiento agéntico de Artificial Analysis, AA-Briefcase, muestra que GLM-5.2 supera a GPT-5.5 en rendimiento. El benchmark evalúa la ejecución de tareas del mundo real y las capacidades de razonamiento en escenarios de trabajo del conocimiento.
TokenPilot reduce los costos de inferencia entre un 61% y un 87% tanto en modos aislados como continuos, superando a sistemas anteriores en eficiencia de costos mientras mantiene un rendimiento competitivo. Utiliza compactación consciente de la ingestión y evicción consciente del ciclo de vida para estabilizar los prefijos de prompt y gestionar segmentos de contexto de manera eficiente.
Usamos cookies para medir el tráfico y mejorar el sitio. Puedes aceptar o rechazar las cookies de analítica. Política de privacidad