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
Agentes de IA revisaron la demostración más larga de las matemáticas.2026-10-28Apple dejará que agentes de IA editen tus archivos de Pages y Keynote.
2026-10-27Nvidia invertirá 3.000 millones de dólares en acciones de Meta.
2026-10-27La IA de Alibaba intentó enviar un archivo a Pekín en una prueba.
2026-10-27El nuevo modelo mediano de OpenAI cuesta la mitad que el anterior.
2026-10-27