Artificial Analysis actualiza su Intelligence Index tras críticas por la puntuación de GPT-6 Astra
Hecho Qué ha ocurrido
Artificial Analysis lanzó la versión 4.2 de su Intelligence Index tras críticas de que sus benchmarks no reflejaban el progreso real de GPT-6 Astra. Con la actualización, Astra obtiene cuatro puntos más que su predecesor, aunque sigue por detrás de Claude Fable 5.1 de Anthropic, con Meta en tercer lugar. Se añadieron dos benchmarks nuevos (AA-Briefcase y GDP.pdf), se eliminó GPQA-Diamond por estar resuelto, y ahora un 40% de la ponderación proviene de datos de test privados para dificultar el 'gaming' del índice.
Resumen generado mediante IA a partir de The Decoder (original en inglés). Naturaleza de la información: hecho documentado.
Análisis Por qué importa
Los índices de benchmarking influyen en decisiones de compra y adopción de modelos por parte de empresas, por lo que su fiabilidad y metodología son relevantes para quienes evalúan proveedores de IA.
- Quién se ve afectado
- Empresas que evalúan modelos LLM para producción, equipos técnicos y analistas de mercado de IA.
- Qué puede cambiar
- Los rankings comparativos entre modelos frontera (OpenAI, Anthropic, Meta) se recalibran, lo que puede alterar decisiones de selección de proveedor basadas en benchmarks públicos.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Vigilar el despliegue en fases de la versión 5 del índice, prevista tras ocho meses de desarrollo, y si otras firmas de benchmarking ajustan sus metodologías de forma similar.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: The Decoder. La referencia es siempre el artículo original.
Ver fuente original ↗LLMbenchmark Artificial AnalysisOpenAIAnthropicMetaZhipu AI Artificial Analysis benchmarks Claude Fable 5.1 GPT-6 Astra Intelligence Index
Relacionadas
Claude Opus 5.5 acierta el 66 % sin buscar en la web, según el índice AA-Omniscience
Según Artificial Analysis, Claude Opus 5.5 encabeza el índice AA-Omniscience con 46 puntos y una precisión del 66 % en preguntas de hechos concretos sin acceso…
Por qué importaMuestra que incluso los mejores modelos fallan en una de cada cinco preguntas difíciles sin apoyo externo, por lo que la búsqueda en la web sigue…
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…
Gemini 4 Argon lidera benchmarks pero empleados de Google cuestionan su rendimiento real en código
Google presenta Gemini 4 Argon, que según Artificial Analysis obtiene 53 puntos en su Intelligence Index, igualando a GPT-6 Astra, y supera a Opus 5.5 y Fable…
Por qué importaMuestra que los benchmarks no siempre reflejan el rendimiento práctico de un modelo, algo clave para empresas que deciden qué modelo adoptar…
Anthropic lanza Claude Opus 5.5, con rendimiento de Fable 5.1 y 40% menos coste
Anthropic presentó Claude Opus 5.5, que iguala a Claude Fable 5.1 en la mayoría de tareas con un coste operativo un 40% menor que Opus 5. El precio baja a 4 y…
Por qué importaMarca una nueva bajada de precios y mejora de eficiencia en la gama alta de modelos, en plena presión competitiva de OpenAI y modelos chinos más…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.