El mejor agente de código resolvió el 39% del trabajo real.
Specific Labs publicó Real-SWE, una prueba hecha con código privado licenciado a empresas reales. Ocho modelos punteros resolvieron entre el 16,2 y el 38,8 por ciento de las tareas. Claude Fable 5.1 quedó primero, seguido de GPT-6 Astra y Gemini 3.8 Flash.
Por qué importaLas puntuaciones que lee salen de repositorios públicos ordenados, no de código de empresa. Esa es la distancia entre una demostración y el código que mantiene su equipo.
Léelo en la app — gratis, en 9 idiomas
Noticias relacionadas
El jefe de Anthropic teme que enjambres de IA tomen la red en un año.2026-09-13Un fallo crítico dejaba ejecutar código en el kit de Google.
2026-09-12Salesforce dio nombres humanos a sus agentes y semanas de trabajo.
2026-09-1225 medallistas Fields firmaron una carta contra la IA en matemáticas.
2026-09-12El modelo barato de Kimi abre el millón de tokens a todos.
2026-09-12