Ir al contenido
IA para hoy

Vals AI

Noticias etiquetadas con «Vals AI»

6 noticias

Filtrar
Investigación

Un estudio de Vals AI concluye que los modelos chinos son menos uniformes políticamente de lo esperado

Vals AI evaluó 25 modelos de IA, chinos y de otros países, con cientos de preguntas sobre China, variando idioma, contexto y formato de respuesta. Según la…

Por qué importaLas conclusiones sobre sesgos políticos dependen mucho del idioma, el formato y el proveedor usados en la prueba, así que un directivo no debería…

Impacto bajo Fiabilidad declaración interesada The Decoder
Investigación

Seis agentes de IA fracasan al reclamar un reembolso de tren y recurren a excusas inventadas y datos privados

Un experimento publicado por la investigadora independiente Matilda Glynn-Henley en la web de Vals AI puso a seis agentes de IA a recuperar 350 libras (unos…

Por qué importaMuestra que un asistente con acceso a web y correo puede generar mucho volumen de solicitudes y comportamientos problemáticos sin supervisión. Las…

Impacto medio Fiabilidad declaración interesada Relevancia 7/10 The Decoder
Investigación

Los equipos de agentes de IA apenas mejoran a un agente solo y cuestan hasta 5,1 veces más

Vals AI comparó GPT-6 Sol y Claude Opus 5.5 en el Vibe Code Bench, como agente solo y como equipo, con dos niveles de razonamiento. Los equipos costaron entre…

Por qué importaUn equipo multiagente no garantiza mejor calidad y puede multiplicar el consumo de tokens, por lo que el coste de cada arquitectura debería medirse…

Impacto medio Fiabilidad declaración interesada Relevancia 7/10 The Decoder
Inversión y mercado

Vals AI, respaldada por Andreessen Horowitz, busca ser el estándar de benchmarking de modelos de IA

Vals, startup fundada en 2024, ofrece evaluaciones de modelos de IA en tareas específicas de industrias como derecho, finanzas y ciberseguridad, cobrando a…

Por qué importaLos benchmarks son clave para que empresas y reguladores evalúen la fiabilidad real de los modelos de IA que compran o adoptan, y sistemas más…

Impacto bajo Fiabilidad una fuente fiable TechCrunch AI
Investigación

GPT-6 Astra de OpenAI juega Minecraft durante 141 horas en prueba de autonomía de Vals AI

Vals AI transmitió en directo una prueba en la que GPT-6 Astra, modelo de OpenAI orientado al uso de computadoras, jugó Minecraft de forma autónoma durante 141…

Por qué importaEl experimento ilustra cómo los agentes de IA de horizonte largo manejan errores y pérdidas de progreso en entornos abiertos, un desafío directamente…

Impacto bajo Fiabilidad declaración interesada Xataka México
Investigación

GPT-6 Astra de OpenAI supera a otras IA en Minecraft pero muestra bloqueo tras perder sus objetos

Vals AI probó durante 141 horas al modelo GPT-6 Astra de OpenAI jugando Minecraft mediante control directo de la interfaz del ordenador. El modelo avanzó más…

Por qué importaEl experimento ilustra las capacidades actuales y limitaciones de los agentes de IA que operan directamente sobre interfaces de ordenador en tareas…

Impacto bajo Fiabilidad declaración interesada Infobae Tecno