El benchmark DeepRSI da a agentes de IA 48 horas para mejorar tareas reales de investigación en ML
Las 15 tareas de Hillclimb se puntúan con verificadores privados; Claude Fable 5.1 lidera con 1548 Elo frente a 1232 de GPT-6 Astra.
- El Nasdaq cae un 2,9% mientras Intel sufre su peor día desde los años setenta y se hunden los chips
- S&P rebaja a negativa la perspectiva de Meta por el gasto de capital en IA y el flujo de caja libre negativo
- Las acciones de Intel caen un 29%, su peor día desde los años setenta, y restan unos 12.000 millones a la participación del Gobierno de EE. UU.
- Mistral publica los pesos abiertos de Mistral Large 4, su modelo de 1 billón de parámetros
- El satélite Suncatcher de Google devuelve la primera respuesta de IA de una TPU de centro de datos en órbita
- La FDA concede aprobación acelerada a Voceryq de Inovio, la primera inmunoterapia de ADN plasmídico en EE. UU., para la PRR en adultos
- Anthropic renombra Claude Max 20x como Ultra y elimina el límite de 5 horas para cuentas Ultra verificadas
- OpenAI reorganiza su Model Spec en torno a cinco valores centrales