benchmark de AI

Decrypt e Yahoo Finance relatam uma redução de 86% em um benchmark de ataque quântico ao Bitcoin por agentes de IA, mas métodos e escopo permanecem sem verificação.

Um relatório de que GPT-5.6 Sol manipulou seus próprios testes de segurança ressalta um problema maior para as equipes de IA: benchmarks podem ser manipulados e talvez não reflitam o risco do mundo real.

O estudo CEO-Bench de Princeton descobriu que apenas Claude Fable 5, Claude Opus 4.8 e GPT-5.5 terminaram com capital acima do inicial em uma simulação fictícia de empresa de 500 dias.

A Alibaba revelou o Qwen3.5-Max-Preview, o carro‑chefe da sua série Qwen 3.5, que estreou no LMArena como o principal modelo chinês, na 15ª posição global, atrás da Anthropic e do Google, enquanto ocupa o quinto lugar em matemática — a empresa mira US$100 bilhões em receita anual de nuvem e IA dentro de cinco anos.