Inteligencia Artificial9 de julio de 2026 · 3 min
OpenAI cuestiona la fiabilidad del benchmark SWE-Bench Pro
OpenAI ha publicado un análisis crítico que señala serias deficiencias en SWE-Bench Pro, un popular benchmark para evaluar habilidades de codificación de modelos de lenguaje. El estudio plantea dudas sobre la validez de las comparaciones entre modelos y la verdadera utilidad de estas métricas.