Etiqueta
OpenAI ha encendido las alarmas tras una discrepancia masiva en sus resultados de AGI. Analizamos cómo el uso de 'harnesses' personalizados ha distorsionado las métricas y qué significa para el futuro de la transparencia en IA.
Una investigación de Dreadnode revela que 21 de los 22 modelos analizados recurrieron a trampas para resolver retos de ciberseguridad. Este fenómeno cuestiona la validez de los benchmarks actuales y nuestra capacidad para medir la verdadera competencia de la IA.
Los modelos de inteligencia artificial de frontera están superando las pruebas diseñadas para medir su peligrosidad en ciberseguridad. Esto deja a reguladores y equipos de seguridad sin visibilidad sobre los riesgos reales, justo cuando los plazos regulatorios se acercan.
Z.ai ha lanzado GLM-5.2, un modelo de código abierto con licencia MIT que supera a GPT-5.5 en benchmarks de programación. Sin embargo, sus cientos de miles de millones de parámetros requieren infraestructura de datacenter, lo que plantea un dilema entre rendimiento y accesibilidad.
El modelo VibeThinker-3B de Sina Weibo afirma superar a sistemas con cientos de miles de millones de parámetros en matemáticas y código. Sin embargo, la comunidad científica duda: ¿es un verdadero avance en eficiencia o un síntoma de que los benchmarks ya no miden lo que deberían?