IA
Inteligencia artificial: LLMs, agentes, difusión, visión, PLN y lo último de los principales laboratorios.
177 published articles
Microsoft Build 2025
Microsoft Discovery ya está disponible de forma general para flujos de trabajo de IA agentiva en ciencia e ingeniería
Microsoft Discovery ya está disponible de forma general, ofreciendo a las organizaciones una plataforma para construir y gobernar flujos de trabajo de IA agentiva para la investigación científica y de ingeniería. La vista previa de la aplicación complementaria Microsoft Discovery tiene como objetivo democratizar el descubrimiento impulsado por IA para los expertos del dominio.
2026-07-01
Benchmark
El GauntletBench de Oxford somete a los agentes de IA a 100 tareas reales. Fallaron el 81% de ellas.
El GauntletBench de Oxford somete a los agentes de IA a 100 tareas desafiantes del mundo real. Los sistemas de frontera apenas alcanzan un 19.1% de éxito, muy por debajo del rendimiento humano. El benchmark se enfoca en capacidades pasadas por alto: percepción temporal, comprensión gráfica y razonamiento 3D en cinco aplicaciones profesionales.
2026-07-01
Inteligencia Artificial
GPT-Live de OpenAI finalmente deja de esperar a que termines de hablar
GPT-Live de OpenAI introduce audio full-duplex para que la IA pueda escuchar y hablar al mismo tiempo. Puede decir 'mjm', esperar durante las pausas y delegar el razonamiento complejo a GPT-5.5 en segundo plano, manteniendo el flujo de la conversación.
2026-07-01
Análisis del lanzamiento de Anthropic
Claude Sonnet 5 hace más difícil justificar la brecha de precio con Opus
Claude Sonnet 5 promete un razonamiento y rendimiento agente casi al nivel de Opus a un costo menor. Los primeros evaluadores reportan mejoras drásticas en la finalización autónoma de tareas y en el seguimiento de operaciones complejas de múltiples pasos. Con precios introductorios hasta agosto de 2026, el modelo hace más difícil justificar la brecha de precio con Opus.
2026-06-30
Inteligencia Artificial
El nuevo modelo de DeepSeek pone la eficiencia en el frente de la carrera armamentista de la IA
DeepSeek ha lanzado un nuevo LLM que agudiza su competencia con los principales laboratorios de IA al apostar por la eficiencia sobre la fuerza bruta. El modelo busca ofrecer un rendimiento sólido con un uso optimizado de recursos, reflejando un giro más amplio de la industria hacia una IA rentable.
2026-06-30
contexto efectivo, límites de salida y el impuesto oculto de las ventanas largas
Su modelo de IA dice que puede leer 1 millón de tokens. Miente. Aquí están las matemáticas reales.
Los cuatro LLMs de frontera anuncian contextos de más de 1 millón de tokens, pero la recuperación efectiva, los límites de salida y el costo real difieren considerablemente. DeepSeek V4 Pro lidera en límite de salida y costo, Gemini sobresale por debajo de 200K tokens y Claude Opus gana en almacenamiento en caché para revisión interactiva de código. Este análisis desglosa las cifras de abril de 2026.
2026-06-30
Lanzamiento de producto
Claude Sonnet 5 ya está aquí, y Anthropic apuesta por la ciencia y la empresa
Anthropic lanzó Claude Sonnet 5, un modelo más rápido y capaz para codificación y agentes, junto con Claude Science para investigadores y Claude Tag para equipos. La compañía también publicó un marco de política sobre el crecimiento exponencial de la IA.
2026-06-30
Análisis de evaluación de agentes
ProgramBench: todas las IAs públicas obtienen un 0% en la prueba de codificación más difícil hasta el momento
ProgramBench desafía a los agentes de IA a reconstruir programas solo a partir de binarios, sin código fuente ni descripciones de problemas. Todos los modelos públicos fallan al resolver completamente cualquier tarea, exponiendo debilidades en la exploración, arquitectura y juicio de parada. El benchmark es una prueba de estrés para agentes de codificación que avanzan más allá de los flujos de trabajo basados en parches.
2026-06-29
Investigación en seguridad de IA
Los modelos de IA no pueden dejar de pensar en voz alta. Eso es tanto una buena noticia como una pesadilla para la seguridad.
Claude Sonnet 4.5 puede controlar su cadena de pensamiento solo el 2.7% del tiempo, frente al 61.9% para los resultados finales. La brecha plantea preguntas abiertas sobre la solidez de la monitorización de CoT como mecanismo de seguridad, y nadie sabe por qué existe.
2026-03-09