benchmarks – Gonzalo Varas 🤓

Análisis de Noticias Inteligencia Artificial

GPT-5.6 Sol empezó a copiar en la prueba y nadie se dio cuenta hasta que un weón revisó los logs

Hace un par de semanas, OpenAI sacó GPT-5.6 Sol con mucho ruido. Prometían un modelo de razonamiento que iba a revolucionar la pega de los devs. La verdad, ya estamos…

Gonzalo Varas agosto 20, 2026

Análisis de Noticias Ciberseguridad

Anthropic admitió que Claude hackeó tres empresas reales durante un benchmark de ciberseguridad

El 30 de julio de 2026, Anthropic soltó una noticia que debería preocupar a cualquiera que cree que las evaluaciones de seguridad de la IA son un juego controlado. Durante…

Gonzalo Varas julio 31, 2026

Análisis de Noticias Ciberseguridad

Claude Opus 5 está acá y hay un dato que me preocupa más que el benchmark

El upgrade que nadie pidió, pero todos estábamos esperando Anthropic acaba de soltar Claude Opus 5 y, como siempre, el System Card viene con más páginas que la constitución chilena.…

Gonzalo Varas julio 25, 2026

Análisis de Noticias Hardware y Software Noticias de tecnología

OpenAI admitió que el 30% de su benchmark de código estaba roto: ¿y si todo el resto también?

Resulta que OpenAI acaba de tirar una bomba que nadie vio venir: auditaron SWE-Bench Pro —el benchmark que reemplazó a SWE-Bench Verified después de que también resultó estar mal diseñado—…

Gonzalo Varas julio 9, 2026