Artículos Relacionados con Benchmark

El Centro de Noticias de HTX ofrece los artículos más recientes y un análisis profundo sobre "Benchmark", cubriendo tendencias del mercado, actualizaciones de proyectos, desarrollos tecnológicos y políticas regulatorias en la industria de cripto.

¡Llega Gemini 3.5! Esta noche, Google hace que Google quede obsoleto

**Google I/O 2026: Geminis Omni, Flash 3.5 y Spark, un salto hacia la superinteligencia** En Google I/O 2026, Sundar Pichai y Demis Hassabis presentaron una avalancha de avances en IA que redefinen el campo. La estrella fue **Gemini Omni**, un modelo “omnimodal” que entiende y genera cualquier combinación de texto, imagen, audio y, lo más destacado, **video de alta calidad**. Omni no solo crea videos realistas; los edita mediante conversación, mantiene la coherencia física y lógica entre escenas, y permite crear avatares personalizados. Ya está disponible en su versión Flash, con una versión Pro en camino. El segundo gran lanzamiento es **Gemini 3.5 Flash**, un modelo que supera ampliamente al anterior flagship, Gemini 3.1 Pro, en benchmarks de código y tareas de agente. Es extremadamente rápido (289 tokens/segundo) y se integra en **Antigravity 2.0**, una plataforma de desarrollo de agentes independiente. Una demostración impactante mostró cómo 93 sub-agentes, dirigidos por 3.5 Flash, escribieron, probaron y auditaron un **sistema operativo funcional desde cero en solo 12 horas**, por menos de 1000 dólares en costos de API. Finalmente, se anunció **Gemini Spark**, un agente personal de IA que funciona 24/7 en la nube. Integrado con las herramientas de Google (Gmail, Docs, Sheets), puede ejecutar tareas complejas como organizar eventos, redactar correos con tu estilo o gestionar información de manera autónoma, incluso mediante comandos de voz. Estará disponible en beta para suscriptores de AI Ultra. En conjunto, estos lanzamientos (creación omnimodal, agentes autónomos de alto rendimiento y asistentes personales persistentes) marcan un salto significativo. Google demostró que las barreras técnicas hacia una Inteligencia Artificial Superinteligente (ASI) se están derribando a un ritmo asombroso, redefiniendo lo que es posible en automatización y creación.

链捕手05/20 07:04

¡Llega Gemini 3.5! Esta noche, Google hace que Google quede obsoleto

链捕手05/20 07:04

En la era de la Auto Investigación, 47 tareas sin respuestas estándar se convierten en la lista obligatoria de evaluación de capacidades de los Agent

Si se coloca a una IA en un entorno de ingeniería sin respuestas estándar, ¿podría sobrevivir? El nuevo benchmark Frontier-Eng Bench, lanzado por Einsia AI, desafía a los agentes de IA con 47 tareas multidisciplinarias y complejas, como la estabilidad de robots submarinos y la optimización de baterías, que no tienen una solución única, sino que requieren una mejora continua y adaptativa. A diferencia de los modelos anteriores que simplemente "buscaban en la memoria", este enfoque pone a la IA en un ciclo cerrado de ingeniería: proponer soluciones, ejecutar simulaciones, recibir retroalimentación, ajustar parámetros y repetir. El objetivo ya no es dar una respuesta correcta, sino medir la capacidad de la IA para mejorar de manera iterativa en entornos con múltiples restricciones, como equilibrar el rendimiento, la seguridad y la eficiencia. Los resultados muestran que, aunque modelos como GPT-5.4 demuestran un rendimiento sólido, aún queda un largo camino para dominar estas tareas. El estudio revela dos hallazgos clave: las mejoras siguen una ley de potencia, volviéndose más difíciles y pequeñas con cada iteración, y la profundidad de la optimización es más crucial que la exploración superficial en paralelo. Este avance sugiere el amanecer de una nueva era de "Auto Research", donde la IA podría actuar como un ingeniero autónomo, trabajando las 24 horas para refinar diseños y procesos basándose en la retroalimentación continua, mientras los humanos establecen los objetivos generales.

marsbit05/13 07:36

En la era de la Auto Investigación, 47 tareas sin respuestas estándar se convierten en la lista obligatoria de evaluación de capacidades de los Agent

marsbit05/13 07:36

K2.6 es el primer roadshow de Yang Zhilin

Resumen: Moonshot AI, la empresa de IA fundada por Yang Zhilin, lanzó su modelo Kimi K2.6 y aumentó el precio de la API en un 58%, la primera subida desde el lanzamiento de la serie K2. Este movimiento, junto con la comparación con modelos internacionales y el enfoque en clusters de agentes para empresas, se interpreta como una preparación para su OPI. Aunque Yang había declarado que no tenía prisa por salir a bolsa, los recientes desarrollos sugieren un cambio de estrategia. La valoración de la empresa ha alcanzado los 18.000 millones de dólares, impulsada por el éxito de sus competidores. El próximo modelo, K3, con billones de parámetros, podría ser la verdadera apuesta para la OPI, pero el tiempo apremia. K2.6 actúa como el primer ensayo para los inversores.

marsbit04/22 10:50

K2.6 es el primer roadshow de Yang Zhilin

marsbit04/22 10:50

a16z Nuevo artículo: Mercados de Predicción, Entrando en una Fase de Avance Rápido

El mercado de predicción está evolucionando desde una herramienta periférica centrada en elecciones y deportes hacia una infraestructura financiera clave para valorar la incertidumbre. Según a16z, los cambios clave incluyen: la expansión a mercados largos como entretenimiento y macroeconomía, la creación de precios de referencia para eventos que permiten cobertura directa de riesgos (en lugar de apuestas indirectas través de activos relacionados), y la creciente adopción institucional en tres fases (consulta de datos, integración sistémica y trading activo). Aunque el mecanismo actual de garantía total limita a los grandes actores, la obtención de licencias regulatorias y la posible introducción de apalancamiento podrían acelerar su profesionalización. Ejemplos como el uso de datos de Kalshi por parte de líderes políticos y instituciones mediáticas reflejan su creciente legitimidad. El mercado sigue un camino similar al de los derivados en sus inicios: de herramienta especulativa a infraestructura aburrida pero esencial.

marsbit04/19 12:04

a16z Nuevo artículo: Mercados de Predicción, Entrando en una Fase de Avance Rápido

marsbit04/19 12:04

Los mercados de predicción institucionales se estancan en la tercera fase

Los mercados de predicción, antes considerados un nicho, están ganando terreno en el ámbito institucional. Aunque eventos como elecciones y deportes aún dominan el volumen de operaciones (con apuestas deportivas representando el 80% en Kalshi), otras áreas como entretenimiento, cripto y política están creciendo más rápido. Esto refleja una transición de lo "recreativo" a una herramienta de información y gestión de riesgos. Instituciones como Goldman Sachs y CNBC ya utilizan estos mercados como referencia para datos macroeconómicos y eventos políticos, pero la adopción completa enfrenta barreras. El proceso se divide en tres etapas: acceso a datos (ya en marcha), integración sistémica y operativa real. La mayoría de las instituciones siguen en la primera fase, con pocas llegando a la tercera. El principal obstáculo es el requisito de garantía total: para operar 100 dólares, se deben depositar 100 dólares, lo que limita a fondos de cobertura y bancos que dependen del apalancamiento. Kalshi busca introducir operaciones con margen para resolver esto. Expertos prevén que estos mercados se normalizarán como herramienta financiera en 5 años, tal como ocurrió con las opciones en los 70. Ya son citados por figuras políticas y se integran en modelos predictivos electorales, señalando su creciente relevancia.

marsbit04/17 02:31

Los mercados de predicción institucionales se estancan en la tercera fase

marsbit04/17 02:31

El acceso institucional a los mercados de predicción se estanca en la tercera fase

Los mercados de predicción, antes considerados un nicho, están ganando terreno mainstream, como se evidenció en la reciente conferencia de Kalshi Research en Nueva York. Aunque eventos deportivos y electorales aún dominan el volumen (80%), categorías como macroeconomía, política y cultura están creciendo más rápido, atrayendo tanto a minoristas como a instituciones. Wall Street muestra interés creciente, usando estos mercados como herramientas de información y cobertura de riesgos. Proporcionan un "precio de referencia" en tiempo real para eventos inciertos (ej. políticas, decisiones judiciales), permitiendo a las instituciones gestionar riesgos directamente sin depender de activos correlacionados. La adopción institucional sigue tres fases: 1) acceso a datos (ya en marcha), 2) integración sistémica (en proceso) y 3) trading activo (limitado por requisitos de margen total). La falta de apalancamiento frena a fondos de cobertura, pero Kalshi trabaja con reguladores para implementar margen. Expertos prevén que estos mercados se volverán infraestructura básica, como opciones en los 70. Líderes políticos ya citan probabilidades de Kalshi, y firmas como Vote Hub integran sus datos en modelos predictivos. El futuro apunta a mercados aburridos pero indispensables.

Odaily星球日报04/17 02:25

El acceso institucional a los mercados de predicción se estanca en la tercera fase

Odaily星球日报04/17 02:25

OpenClaw se vuelve viral, expone 12 tipos de riesgos mortales y se publica el estándar de seguridad del protocolo MCP

El proyecto OpenClaw y otros agentes de IA de código abierto están ganando popularidad rápidamente, permitiendo que los modelos de IA ejecuten tareas de forma autónoma, como escribir código, buscar información y manipular archivos locales, gracias al protocolo de contexto de modelo (MCP). Sin embargo, esta capacidad conlleva riesgos de seguridad significativos. Investigadores de la Universidad de Beijing de Correos y Telecomunicaciones han desarrollado MSB, un benchmark de seguridad para evaluar los riesgos en el ecosistema MCP, identificando 12 tipos de ataques, como la suplantación de herramientas y errores falsos. Los resultados muestran que todos los métodos de ataque son efectivos, con una tasa promedio de éxito del 40,35%, y que los modelos más potentes son más vulnerables. El estudio también introduce el indicador NRP para medir el equilibrio entre seguridad y rendimiento.

marsbit04/16 04:08

OpenClaw se vuelve viral, expone 12 tipos de riesgos mortales y se publica el estándar de seguridad del protocolo MCP

marsbit04/16 04:08

10 gráficos para entender la situación de la IA en 2026: La brecha entre China y EE.UU. es solo del 2,7%, y los puestos de trabajo para programadores menores de 25 años se reducen drásticamente

El informe AI Index 2026 de Stanford HAI revela que la IA se adopta globalmente más rápido que la PC e internet, pero persisten brechas regulatorias y laborales. La diferencia entre los mejores modelos de EE.UU. y China es de solo 2.7%, aunque EE.UU. lidera en inversión privada (23 veces mayor) y capacidad de cómputo, mientras China domina en investigación y robótica. La adopción de IA generativa alcanzó 53% en tres años, pero EE.UU. ocupa el puesto 24 mundial en adopción poblacional (28.3%). El empleo para desarrolladores de 22-25 años cayó 20% desde 2022. Los agentes de IA mejoraron significativamente, pero aún fallan en 1/3 de los casos. 73% de los expertos ven impactos positivos en el empleo, frente a solo 23% del público. La IA consume enormes recursos: GPT-4o usa agua equivalente a 12 millones de personas y energía comparable a Nueva York. El progreso depende críticamente de una frágil cadena de suministro de chips.

marsbit04/15 00:22

10 gráficos para entender la situación de la IA en 2026: La brecha entre China y EE.UU. es solo del 2,7%, y los puestos de trabajo para programadores menores de 25 años se reducen drásticamente

marsbit04/15 00:22

¿Claude se está volviendo menos inteligente? ¿Suicidio o fingiendo su muerte?

Resumen: El modelo Claude Opus 4.6 de Anthropic ha experimentado una drástica caída en su rendimiento, según el benchmark BridgeBench, pasando del segundo al décimo puesto mundial. Su precisión bajó del 83.3% al 68.3%, y su tasa de alucinaciones casi se duplicó. Los usuarios expresaron frustración y desconfianza ante la aparente "atontamiento" del modelo. Sin embargo, una filtración interna reveló que Anthropic está desarrollando un sistema de construcción de aplicaciones de pila completa llamado "Claude Projects", que permitiría crear productos completos —como chatbots, juegos o dashboards— sin necesidad de programación manual. Esto sugiere un cambio estratégico: en lugar de competir por tener el modelo más inteligente, la compañía busca crear una plataforma indispensable. Con ingresos anuales de 300 mil millones de dólares, Anthropic parece estar priorizando la creación de un ecosistema cerrado que garantice lealtad a largo plazo, en lugar de enfocarse únicamente en el rendimiento del modelo en benchmarks. La meta ya no es ser el mejor en pruebas, sino convertirse en una infraestructura insustituible.

marsbit04/13 12:07

¿Claude se está volviendo menos inteligente? ¿Suicidio o fingiendo su muerte?

marsbit04/13 12:07

El primer gran modelo de Wang Tao hace que Meta finalmente vuelva a la mesa

Diez meses después de que Alexandr Wang (汪滔) se uniera a Meta, la compañía ha lanzado su primer modelo de inteligencia artificial bajo su dirección: **Muse Spark**, parte de la nueva serie Muse. Desarrollado por el Meta Superintelligence Labs (MSL), este modelo multimodal está diseñado para ser rápido y eficiente, pero capaz de manejar problemas complejos en ciencia, matemáticas y salud. Spark utiliza una arquitectura reconstruida desde cero que integra capacidades visuales y de razonamiento en cadena, permitiéndole, por ejemplo, analizar posturas de yoga o componentes de dispositivos. Incluye además un modo de "reflexión" que coordina múltiples submodelos para tareas de razonamiento avanzado. En pruebas comparativas, Muse Spark obtuvo 52 puntos en el Artificial Analysis Intelligence Index, situándose en el cuarto puesto mundial. Destaca en razonamiento visual (86,4 en CharXiv), razonamiento médico (42,8% en HealthBench Hard) y comprensión multidisciplinaria (80,5% en MMMU Pro), aunque muestra debilidades en tareas de codificación extensas. Meta planea integrar Spark en sus productos como WhatsApp, Instagram y Facebook, y ofrecerá acceso mediante API a socios seleccionados. La estrategia de la compañía parece priorizar la agilidad sobre el rendimiento absoluto, buscando competir en el mercado sin retrasos mayores. La reacción inicial de los inversores fue positiva, con un alza del 6,5% en las acciones de Meta.

marsbit04/09 11:02

El primer gran modelo de Wang Tao hace que Meta finalmente vuelva a la mesa

marsbit04/09 11:02

活动图片

Categorías popularesright-arrow

Etiquetas Popularesright-arrow

Actualizaciones del Proyecto