62,7 y 99,9: el mismo modelo, el mismo examen, dos notas
OpenAI publicó un 99,9 % en ARC-AGI-3 para GPT-6 Astra. ARC Prize midió 62,7 % el mismo día. La diferencia es el arnés, y explica por qué las tablas de benchmarks ya no comparan modelos.
OpenAI publicó un 99,9 % en ARC-AGI-3 para GPT-6 Astra. ARC Prize midió 62,7 % el mismo día. La diferencia es el arnés, y explica por qué las tablas de benchmarks ya no comparan modelos.
CORAL, de Meta, mete un agente LLM en bucle cerrado sobre un recomendador en producción. Lo interesante no son las cifras: es dónde decidieron enchufar el modelo.
Hay una veintena de especificaciones para darle identidad a un agente de IA y casi ninguna está terminada. Pero el problema serio es otro: SCIM y SPIFFE trabajan en escalas de tiempo incompatibles, y el punto donde se tocan no lo cubre nadie.
La impresión y la señal: tres Claudes, un siglo y medio, y una misma pregunta — cuando comunicamos algo, ¿qué es exactamente lo que transmitimos?