Tag
4 publicaciones
Durante meses, las tablas de clasificación de IA han parecido una mentira, con modelos compitiendo en benchmarks que no reflejan la realidad. Un nuevo benchmark viral llamado DeepSWE acaba de exponer la verdad, revelando una sorprendente brecha de rendimiento.
Investigadores de Berkeley acaban de exponer un fraude masivo en el corazón del desarrollo de la IA. Los modelos principales no están razonando; están haciendo trampa, y las tablas de clasificación en las que confías están rotas.
Gemini 3 Flash genera código en 30 segundos, superando a modelos que tardan 5 minutos. Pero un defecto oculto lo convierte en una opción arriesgada para cualquier proyecto serio.
Una IA de código abierto acaba de lograr una hazaña que antes estaba reservada para gigantes como OpenAI y Google. Aquí está la razón por la que el nuevo modelo de DeepSeek cambia las reglas del juego para los desarrolladores y agentes de IA para siempre.
