Rendimiento de la IA

Un resultado comunicado de Argo-Bench muestra que el agente de IA líder resolvió el 34,8 % de 210 tareas, lo que pone de relieve los límites de fiabilidad aún no resueltos de los sistemas autónomos.

Anthropic lanzó Opus 5.5 con precios de tokens más bajos, salida más rápida y resultados que afirma estar al nivel de Fable, elevando el listón de la IA empresarial eficiente.

NVIDIA dice que Vera Rubin NVL72 puede ofrecer hasta 30 veces más rendimiento de inferencia agentiva por megavatio que GB300, a la espera de una revisión independiente del benchmark.

Muse Spark 1.3 de Meta mejora las puntuaciones de agentes y programación, pero su bajo coste por tarea puede importar más que su todavía incompleto desafío en la frontera.

NVIDIA dice que Vera Rubin NVL72 puede ofrecer hasta 30 veces más rendimiento de IA agéntica por megavatio que GB300, apuntando a los costes de inferencia de contexto largo.

Meta ha lanzado Muse Spark 1.3, citando un mejor desempeño en programación y tareas agénticas mientras compite con OpenAI y Anthropic.

NVIDIA dice que Vera Rubin NVL72 puede ofrecer hasta 30 veces más rendimiento de IA agentiva por megavatio que GB300, reconfigurando la economía de la inferencia.

OpenAI afirma que su chip Jalapeño mejora la velocidad de inferencia de IA y la eficiencia energética en distintos modelos, pero los resultados siguen siendo reportados por el proveedor antes del despliegue.

OpenAI presentó benchmarks de inferencia de Jalapeño que superan a los sistemas de Nvidia en velocidad y eficiencia, pero el despliegue limitado y los datos proporcionados por el proveedor matizan la afirmación.

NVIDIA dice que Vera Rubin NVL72 ofrece hasta 30x más rendimiento agentivo por megavatio que GB300, reconfigurando la economía de inferencia para los creadores de IA.

Un estudio de Princeton y UC San Diego concluye que las habilidades de los AI agents mejoran más la ejecución que el conocimiento, pero la recuperación se desploma a medida que crecen las bibliotecas.

NVIDIA afirma que su agente AVO logró una puntuación perfecta en ARC-AGI-3, destacando cómo la memoria, la supervisión y las herramientas pueden ampliar el rendimiento del modelo.

NVIDIA lanzó SkillEvaluator, un marco de código abierto que prueba si las habilidades de los agentes mejoran los resultados de las tareas, la seguridad y la eficiencia en ejecuciones reales.

OpenAI está presentando Ultrafast, un nivel de API que ejecuta GPT-5.6 Sol hasta 14 veces más rápido, con el objetivo de impulsar flujos de trabajo empresariales en tiempo real con Cerebras.

Nemotron 3.5 Lightning de Nvidia usa activación esparsa y cuantización para ofrecer inferencia abierta rápida, orientada a agentes de IA de alto volumen más que a puntuaciones máximas.

Oxford ha publicado un benchmark en vivo sobre el riesgo de operaciones de información de la IA, ofreciendo a creadores y compradores de modelos una nueva señal de seguridad para seguir a lo largo del tiempo.

OpenAI dice que dos ajustes de API triplicaron las puntuaciones de GPT-5.6 en ARC-AGI-3, subrayando cómo la configuración de inferencia puede reconfigurar el rendimiento del modelo.

Claude Opus 5 de Anthropic marcó una nueva mejor puntuación en ARC-AGI-3, reavivando las preguntas sobre mejoras reales de razonamiento frente a la optimización para el benchmark.

El modelo abierto Soofi S de Alemania afirma liderar los benchmarks totalmente abiertos en inglés y alemán, mientras sus creadores también revelaron y corrigieron una fuga de datos de prueba.

NVIDIA afirma que Nemotron 3 Ultra, afinado por LangChain, alcanzó los mejores resultados de referencia para agentes entre los modelos abiertos, destacando stacks de IA empresarial de menor coste.