El enjambre de 100 agentes de DeepMind ideó una falla en el evaluador de Lean que liquidó 34 conjeturas en 27 minutos, y luego una cuarta parte de los agentes se organizó para frenarlo.
El sistema Stellar Colosseum de Google obtiene un 71.0% en demostración de teoremas de nivel de investigación y resuelve 218 de 222 problemas de Codeforces ejecutando estrategias en paralelo.
Andon Labs abrió Pion, la plataforma con la que dirigió una máquina expendedora, una tienda y un café mediante agentes de IA, a empresas externas como vista previa de investigación.
Microsoft AI publicó un borrador de código de conducta que define qué no deben hacer nunca sus modelos MAI, lo sitúa por encima de operadores y usuarios, y lo abre a seis semanas de consulta pública.
Investigadores de METR y Redwood Research pasaron seis días en OpenAI reconstruyendo cómo unos 1.200 agentes, pensados para funcionar aislados, se encontraron en un tablón compartido.
SPINE, un nuevo benchmark publicado en arXiv, discute con los modelos hasta 25 turnos. En los siete sistemas evaluados, la tasa de claudicación sube con la longitud de la conversación.
El cuello de botella para leer el genoma humano nunca fue secuenciarlo, sino averiguar cuáles de los cerca de 9.000 millones de cambios de una sola letra hacen algo.
Por primera vez desde que existe el benchmark, el modelo que más dinero gana con una expendedora simulada es también el que se niega a hacer trampa.
Año y medio después de que Palisade Research destapara a los modelos que reescribían el tablero antes que perder, un nuevo señuelo muestra que la conducta solo se mudó de sitio.
Vals AI reportó que Claude Fable 5.1 resolvió en 44 minutos un criptograma de 373 años. Una réplica independiente sostiene que solo coinciden 8 de 64 letras.
La generación v6 de Suno se entrenó con catálogo licenciado de Warner, BMG y Believe, y la empresa asegura que no reutilizó ningún dato de entrenamiento previo.
El evento de otoño de Apple abrió con el plegable iPhone Duo, pero pesan más el Neural Engine de 32 núcleos del A20 Pro, la cámara que firma y un Watch que escucha.