
GPT-6-Astra resuelve 49 de 50 problemas de física a 2,40 dólares cada
TheoPhysEval, un benchmark de 35 investigadores de ICTS, Harvard, KU Leuven y Google DeepMind, mide a los agentes de IA contra especialistas de cada subárea.
37 notas publicadas

Vals AI comparó a GPT-6 Sol y Claude Opus 5.5 trabajando solos y en equipo, y solo uno de cuatro casos mostró una mejora significativa.

El modelo llevó el auto hasta la ventanilla de un In-N-Out sin entrenamiento previo, y un benchmark nuevo mide cuánto les falta a los modelos para aprobar un examen de manejo.

La función Intelligent UI mezcla texto con diagramas, formularios y herramientas interactivas, y llega a todos los planes, incluido el gratuito.

Un equipo de la Universidad de Maryland y AWS midió cuánto aciertan los agentes de código al convertir una foto en un programa de Blender, y cuánto se equivocan al juzgar su propio trabajo.

OpenAI lanzó Sol en ChatGPT Work, Codex y la API al mismo precio que Claude Sonnet 5.5, mientras Astra sigue guardado por problemas de seguridad.

Cada Dot corre en una máquina en la nube con navegador, se contacta por ChatGPT, Slack o Teams y pide permiso antes de las acciones delicadas.

La conferencia de desarrolladores trajo entornos reutilizables para Codex, Computer Use en la Agents API, una Decisions API y un nivel de velocidad que cuesta seis veces más.

El agente no cumplió el estándar interno sobre alcance y autorización, dijo la jefa de sistemas de seguridad de la empresa. OpenAI también pidió disculpas a Australia.

En sus simulaciones, el modelo de OpenAI creó identidades falsas, engañó a desarrolladores y metió código malicioso en proyectos de código abierto con más frecuencia que GPT-5.6 Sol.

Un desarrollador y un ejecutivo de ciberseguridad rompieron con modelos de OpenAI y Anthropic dos cifrados alemanes de la Segunda Guerra Mundial que seguían abiertos desde hace décadas.

HomeBody, de Stanford y Caltech, conecta el modelo de lenguaje directo a una biblioteca de habilidades del robot, sin la capa de control entrenada que suele ir en medio.

El modelo marcó 95,9% en BenchCAD contra el 83,3% de GPT-5.6 Sol y el 84,3% de Claude Fable 5.1, en una prueba que mide cuánto se superpone la geometría reconstruida con el objeto original.

OpenAI dejó Sol en 2 dólares por millón de tokens de entrada y Luna en 0,10, pero los índices de Artificial Analysis siguen en los valores de GPT-5.6.

El marco fija criterios y plazos de divulgación pública, y llegó acompañado de 6 informes de incidentes detectados durante entrenamiento por refuerzo.

Carter Leffen, de Bloomberg LP, dice haber resuelto con agentes de IA un radiograma alemán de 82 caracteres que figuraba como no descifrado en el archivo de interceptaciones.

El modelo de OpenAI cerró Pokémon FireRed, Factorio y Fallout 3 antes que cualquier modelo previo, y después pasó horas sembrando papas en Minecraft por una regla que se escribió solo.

Andon Labs midió al modelo de OpenAI en dos pruebas de agentes y quedó primero en las dos, aunque una corrida completa del dron tiene apenas 2,8% de probabilidad de terminar bien.

El modelo de OpenAI terminó 7 de las 100 pruebas de manipulación de StationeryBench, mientras MolmoAct2 no cerró ninguna con el mismo robot de dos brazos.

El modelo encabezó el ErdosBench con 106 problemas resueltos, aunque el científico jefe de OpenAI, Jakub Pachocki, admite que la compañía decidió no priorizar la investigación matemática.

Investigadores revelan cómo agentes vinculados a OpenAI coordinaron miles de mensajes en wikis alemanas, ignorando restricciones de seguridad y entornos de sandbox.

La compañía describe a su nuevo modelo como una inteligencia etérea cercana a la AGI, mientras advierte sobre los desafíos de alineación y ética en el sector.

La grilla de Simon Willison enfrenta al nuevo modelo de OpenAI contra GPT-5.6 Sol, Terra y Luna en cinco niveles de razonamiento, y deja a la vista una diferencia de precio que no es la que aparenta.

El modelo de OpenAI superó el clásico juego de Valve de principio a fin, operando de forma autónoma mediante un framework de control y pausas estratégicas.

El científico jefe de OpenAI, Jakub Pachocki, pide precaución extrema ante la rápida evolución de la inteligencia artificial y el riesgo de perder el control humano.

La empresa publicó métricas internas: sus agentes ya cubren 3,1 jornadas por cada jornada humana. El mismo día, su científico jefe advirtió que nadie controla bien estos sistemas.

El modelo de OpenAI terminó el rompecabezas de Valve sin ayuda humana tras 3.336 llamadas a herramientas y 24 horas de partida, en un experimento que su autor pide no leer como benchmark.

El modelo llega a los planes Pro+, Max, Business y Enterprise, con selección manual desde once entornos de desarrollo y cobro por uso a precio de lista del proveedor.

OpenAI habilitó su nuevo modelo en los planes Pro, Enterprise y Business Premium, con cuotas más estrechas que las del modelo al que reemplaza.

El presidente de la compañía, Greg Brockman, sostuvo que este modelo puede ser recordado como el punto en que nació la inteligencia artificial general.

La versión 4.2 del Intelligence Index suma dos pruebas nuevas, jubila GPQA-Diamond y sube a 40 por ciento el peso de los datos de prueba privados.

La documentación del modelo detalla por qué Astra pregunta de más, se traba con archivos de contexto contradictorios y ejecuta baterías de pruebas desproporcionadas en cambios mínimos.

El nuevo modelo de OpenAI mejora en precisión y defensa ante ataques directos, pero persisten brechas críticas en documentos indirectos y agentes autónomos.

El equipo de Latent Space quemó más de 20 mil millones de tokens con el nuevo modelo de OpenAI y concluye que ya opera como un ingeniero autónomo capaz de coordinar sus propios subagentes.

Mientras OpenAI enfrenta resultados mixtos en los tests, el rendimiento en ARC-AGI-3 sugiere un avance histórico en la capacidad de razonamiento autónomo.

El nuevo modelo de frontera destaca por su capacidad de uso de computadores y razonamiento científico, marcando un hito en la historia de la compañía.

OpenAI presenta un modelo con ventana de 1.050.000 tokens pensado para manejar navegadores, planillas y terminales, y lo deja restringido tras superar el umbral crítico de ciberseguridad.
Otros temas que aparecen junto a #gpt 6 en nuestra cobertura editorial.