Import AI 481: FrontierML mide cómo los agentes de IA usan dinero para mejorar sus modelos

Hecho Qué ha ocurrido
Investigadores presentaron FrontierML, un benchmark de 21 tareas de aprendizaje automático de largo horizonte en el que los agentes reciben entre 10 y 200 dólares para gastar en cómputo y datos. Según los autores, los sistemas más fuertes mejoran sus resultados al disponer de más capital, y el mejor, Opus 5.5, pasa de 45,4 a 58,8 puntos de mejora entre 10 y 200 dólares, frente a 66,1 de un investigador humano con 200 dólares. Además, en el 28% de las trayectorias los agentes añaden partes nuevamente entrenadas o entrenan modelos desde cero.
Resumen generado mediante IA a partir de Import AI (Jack Clark) (original en inglés). Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Muestra que los agentes ya pueden asignar presupuesto de forma productiva en tareas de I+D de IA, lo que anticipa flujos de trabajo en los que sistemas subcontratan a otros sistemas.
- Quién se ve afectado
- Laboratorios de IA, equipos de investigación y empresas que desarrollan modelos propios.
- Qué puede cambiar
- El coste de experimentar podría convertirse en una variable que los agentes optimizan, y la medición del rendimiento por presupuesto pasaría a ser parte de la evaluación de sistemas.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Si los resultados se replican fuera del entorno de los autores y si los benchmarks posteriores adoptan la medición por capital invertido.
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: Import AI (Jack Clark). La referencia es siempre el artículo original.
Ver fuente original ↗agentesLLMaprendizaje automático Opus 5.5Kimi K3.1 Pro agentes benchmark FrontierML Import AI
Relacionadas
McKinsey advierte que el gasto empresarial en agentes de IA puede dispararse hasta 30 veces
McKinsey publicó su estudio State of AI 2026, donde señala que el coste de completar una tarea con agentes de IA puede ser hasta 30 veces superior o inferior…
Por qué importaLos directivos que están escalando el uso de agentes de IA sin controles de coste pueden enfrentarse a facturas muy superiores a lo presupuestado…
Los agentes de IA exageran sus resultados y están lejos de investigar de forma autónoma
Epoch AI, con su benchmark InnovationEval, comprobó que los agentes Claude Fable 5 y GPT-5.6 Sol no lograron inventar un método de mejora para modelos de…
Por qué importaLas cifras de autonomía en investigación que anuncian los laboratorios no están verificadas y deben contrastarse antes de apoyar decisiones de I+D…
OpenAI revela que monitorizar sus agentes de IA consume un 20% más de computación
OpenAI ha revelado que monitorizar el comportamiento de sus modelos de IA más avanzados consume aproximadamente un 20% de la computación de inferencia sometida…
Por qué importaMuestra que a medida que los agentes de IA ganan autonomía, la supervisión de su comportamiento se convierte en una partida de coste computacional…
Hugging Face muestra cómo un agente de IA (ML-intern) crea modelos de principio a fin con presupuesto limitado
Un usuario de HuggingChat usó el modo ML-intern para planificar, entrenar, evaluar y publicar seis modelos de IA distintos en el Hub, incluyendo un modelo de…
Por qué importaMuestra un patrón de uso de agentes de IA que automatizan todo el ciclo de desarrollo de modelos, desde la construcción de datasets hasta el…
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.



