El mejor agente de IA completó el 30% del trabajo real de laboratorio
Investigadores de Stanford publicaron esta semana el benchmark Terminal-Bench-Science 0.1. Cada una de las setenta tareas salió del trabajo computacional real de un investigador. Claude Opus 5 encabeza la lista y todos los modelos quedaron muy por debajo de su marca general.
Por qué importaLa idea de que la IA acelera la ciencia suele apoyarse en exámenes con respuesta conocida. Este benchmark mide otra cosa: si el agente ejecuta un flujo real de principio a fin.
Léelo en la app — gratis, en 9 idiomas
Noticias relacionadas
Un profesor de Berkeley ve inútil el Fourier más rápido de OpenAI.2026-10-13Ocultan en un modelo de IA una habilidad que las pruebas no hallan.
2026-10-13Los grandes matemáticos de China se alían para crear IA matemática.
2026-10-13Anthropic avisa de que modelos pequeños podrían copiarse solos.
2026-10-13El primer modelo puntero de Meta es cuarto en un índice externo.
2026-10-13