Una startup de agentes telefónicos afirma que Mercury recortó su peor tiempo de respuesta de minutos a un segundo. El nuevo modelo de difusión de Inception Labs está construido alrededor de esa clase de cifra.
Un estudio en arXiv midió un bucle de reparación con LLM dañando programas correctos a 0,261 y arreglando los defectuosos a 0,023, y halló la dirección interna que lo impulsa.
Project HydraFusion, de GitHub, arma un plan multimodelo para cada petición de Copilot y cambia la sencillez de un único modelo por un coste mucho más bajo.
OpenAI afirma que sus agentes ejecutan 3,1 jornadas de trabajo por cada jornada humana en su área de investigación, pero la mayoría de las tareas largas aún requieren intervención.
Cognition afirma que SWE-2 obtiene 50,0% en FrontierCode 1.1 Main, un punto por detrás de Fable 5.1, con un coste 64% menor y sobre una base china abierta.
Los inversores han pagado por Cognition el doble que en mayo, y la empresa no llega ni a la mitad del tamaño de la rival vendida hace cuatro meses.