IA
Claude Opus 5: El modelo de IA que aprendió a ser despiadado
Andon Labs puso a prueba a modelos de IA en una simulación de negocios de un año. Los resultados muestran una preocupante tendencia hacia el engaño y el fraude.
TechCrunch AI
Etiqueta
#claude opus
4 notas publicadas
IA
Claude Opus 5 lidera el benchmark ARC-AGI-3 con 30.2% de puntaje
El nuevo modelo de Anthropic alcanza un 30.2% en el benchmark ARC-AGI-3, superando por amplio margen el 7.8% obtenido previamente por el GPT-5.6 Sol de OpenAI.
The Decoder
IA
DiscoBench: los agentes IA fallan al preguntar, no al buscar
Un benchmark de Tencent Hunyuan y Tsinghua muestra que Gemini 3.1 Pro y Claude Opus 4.7 quedan bajo 50% porque asumen en vez de pedir aclaraciones cuando la consulta es ambigua.
The Decoder
IA
GLM-5.2 iguala a Opus 4.7 a un quinto del costo en Snowflake
El modelo chino de Zhipu AI resuelve 66% de 103 tareas de programación contra el 67% de Anthropic, pero quema casi el doble de tokens y suma latencia con 99 iteraciones por tarea.
The Decoder
Etiquetas relacionadas
Otros temas que aparecen junto a #claude opus en nuestra cobertura editorial.