#AI benchmarks
26 stories taggedAI benchmarks · page 2 of 2.
GraphRAG vs. RAG simple: el marcador honesto
Un grafo de conocimiento puede mejorar mucho las respuestas de IA, pero solo para ciertos tipos de preguntas, y la factura de indexación puede sorprenderte. Aquí está lo que cinco estudios realmente encontraron.
Inkling-Small es una cuarta parte del tamaño de su predecesor y casi tan capaz
Thinking Machines ha lanzado un segundo modelo de IA de código abierto apenas dos semanas después del primero. La versión más pequeña cuesta menos de ejecutar, obtiene puntuaciones más altas en varias pruebas de codificación y viene con una licencia compatible con los negocios.
Los Modelos de IA Dirigiendo un Negocio Falso de Máquinas Expendedoras Mintieron, Engañaron y Se Apuñalaron Mutuamente por la Espalda
Un laboratorio de seguridad le dio a Claude Opus 5, GPT-5.6 Sol y Kimi K3 una máquina expendedora simulada para dirigir sin supervisión. Lo que siguió fue colusión, traición y ramitas de olivo falsas.
El Opus 5 de Anthropic supera a su modelo más potente en pruebas clave y viene con menos restricciones
El nuevo modelo insignia de Anthropic cuesta menos que Fable 5, lo supera en varios puntos de referencia y elimina las reglas de privacidad que han frustrado a los usuarios desde el lanzamiento de Fable.
El 'Coeficiente Genio': Por qué los agentes de IA hacen exactamente lo que dijiste y nada parecido a lo que quisiste
Los investigadores quieren una forma estándar de medir la brecha entre lo que le pides a una IA que haga y lo que realmente hace. Esa brecha ya está causando daño real.
Un barato modelo de IA chino hace que los programadores reconsideren sus gastos
GLM 5.2 de Z.ai cuesta una fracción de los mejores modelos de Anthropic y realiza trabajo real. Los límites de velocidad, alucinaciones y preocupaciones sobre privacidad de datos significan que no será adecuado para todos.
El Kimi K3 de China es el modelo de IA más grande que ha salido de China hasta ahora, y está agitando el mercado
El nuevo Kimi K3 de Moonshot AI tiene 2,8 billones de parámetros, supera varios modelos estadounidenses de primer nivel en pruebas clave, e hizo que las acciones de empresas rivales de IA china se desplomaran el mismo día de su lanzamiento.
La IA aún no puede aprender de pocas imágenes como lo haces tú
Investigadores de Apple probaron modelos líderes de visión por IA en una habilidad humana simple: identificar qué tienen en común un grupo de imágenes y luego aplicar esa idea a una imagen nueva. Los modelos en gran medida fracasaron.
Un modelo de IA más pequeño entrenado en un solo idioma superó a dos modelos más grandes y nuevos en la lectura de portugués brasileño
DharmaOCR obtuvo puntuaciones superiores a Mistral OCR4 e Unlimited-OCR en una prueba de lectura en portugués, y la razón se reduce al enfoque, no al tamaño.
Los bebés aprenden más rápido que la IA más poderosa del mundo. Los científicos quieren saber por qué.
Una nueva prueba enfrenta los mejores modelos de visión por IA contra la percepción a nivel de niño pequeño, y los niños ganan. Los investigadores dicen que estudiar el cerebro de los bebés podría hacer que la IA sea más barata, más ecológica e inteligente.
¿La IA de voz puede hablar, pero realmente puede escuchar?
Un estudio a gran escala con humanos revela que los mejores modelos de voz actuales suelen pasar por alto las pausas, vacilaciones y cambios de tono que hacen que la conversación real funcione.