ARC-AGI-3: noticias de IA

Modelos y avances 16 oct

Gemini 4 Argon de Google obtiene 97,5 % en ARC-AGI-3, pero cae a 49,8 % con otro método de prueba

Google DeepMind presentó Gemini 4 Argon, que alcanza 97,5 % en el benchmark ARC-AGI-3 usando un arnés de prueba con funciones específicas del proveedor, con un…

Por qué importaLas cifras de un benchmark dependen mucho de la configuración de la prueba, así que una puntuación alta no equivale a mejor rendimiento en un caso de…

Impacto medio Fiabilidad declaración interesada Relevancia 8/10 The Decoder

Modelos y avances 17 sep

GPT-6 Astra completa Pokemon, Factorio y Fallout 3 con avances notables en agentes de IA para videojuegos

GPT-6 Astra, modelo de OpenAI, completó Pokemon FireRed en 18 horas frente a las 96 de GPT-5.6 Sol, terminó Fallout 3, Portal y Fallout 2, y avanzó en Factorio…

Por qué importaEl salto muestra una capacidad emergente para destilar experiencia en reglas simbólicas reutilizables, un mecanismo clave para agentes autónomos que…

Impacto medio Fiabilidad declaración interesada Relevancia 7/10 The Decoder

Modelos y avances 8 sep

ARC Prize matiza el 99,9% de GPT-6 Astra en ARC-AGI-3: cae a 62,7% sin memoria persistente

OpenAI presentó a GPT-6 Astra con una puntuación de 99,9% en ARC-AGI-3. ARC Prize, la organización que verificó el resultado, precisó que esa cifra se logró…

Por qué importaMuestra que los benchmarks de IA dependen fuertemente del entorno y las herramientas de apoyo, no solo del modelo, lo que obliga a leer con cautela…

Impacto alto Fiabilidad confirmado por varias fuentes Relevancia 8/10 Infobae Tecno

Modelos y avances 29 jul

OpenAI mejora GPT-5.6 en benchmark ARC-AGI-3 con dos configuraciones de API

OpenAI ha publicado que ajustes en dos configuraciones de su API han triplicado el rendimiento de GPT-5.6 en el benchmark ARC-AGI-3. Los cambios implican…

Por qué importaLas mejoras en benchmarks de razonamiento como ARC-AGI-3 indican progreso en capacidades fundamentales de resolución de problemas. Para empresas…

Impacto medio Fiabilidad una fuente fiable Relevancia 7/10 OpenAI