GPT-6 Astra

Google dice que Argon supera a todos los modelos de frontera en su prueba de razonamiento robótico; un índice independiente lo dejó tercero

Argon controla robots, construye las simulaciones donde practican y evalúa sus datos de entrenamiento. Google lo puntúa con un 87% en una prueba de razonamiento encarnado; Artificial Analysis lo sitúa detrás de dos modelos de OpenAI.

Un agente de IA resolvió 49 de 50 problemas de física inéditos, y quitarle el acceso a internet solo le costó tres

TheoPhysEval se construyó con problemas que físicos en activo no habían publicado, justo para que ningún modelo pudiera haberlos visto. El mejor agente falló uno, con un coste medio de unos 2,33 dólares por problema.

OpenAI limitó los bucles de razonamiento de su mejor modelo para que la cadena de pensamiento fuera legible, informa The Information

Jakub Pachocki ha dicho que la supervisión de la cadena de pensamiento se vuelve 'frágil'. Microsoft publicó y borró una descripción de la inferencia en bucle de GPT-6.1 Sol.

El primer modelo de frontera de Meta es cuarto en un índice independiente, y el más potente de los dos no se vende por API

Artificial Analysis puntúa a Muse Wonder Full con 56, cuarto de 689 modelos. Meta vende por API el Muse Wonder más débil y reserva el más potente a Muse Code.

Atlassian pone GPT-6 detrás de los agentes de Rovo, y dice que sigue sin convertir ningún modelo en el predeterminado

Más de 3.000 desarrolladores de Atlassian ya usan Codex. La empresa insiste en que Rovo seguirá enrutando entre proveedores en vez de fijar GPT-6 Astra por defecto.

El nuevo modelo de un billón de parámetros de Mistral hace el trabajo de seguridad que Claude y GPT-6 rechazan

ML4 es un modelo de pesos abiertos con un billón de parámetros entrenado en 3.800 chips de Nvidia en los centros de datos europeos de Mistral. La cifra que destaca la empresa es un 82% en una prueba de vulnerabilidades en la que, según dice, Claude Opus 5.5 y GPT-6 Astra puntúan casi cero porque se niegan a hacerla.

OpenAI está comprando acceso al software de otras empresas para encontrar las tareas en las que sus agentes todavía fallan

El primer socio es la plataforma de contratos Ironclad. OpenAI dice que GPT-6 Astra obtuvo un 55,0% en las once tareas que construyeron juntos, frente al 41,6% de GPT-5.6 Sol, con aproximadamente la mitad del tiempo estimado por intento.

OpenAI pondrá marca de agua al texto de ChatGPT en la UE, y dice que cambiar una cuarta parte de las palabras baja la detección al 17%

La empresa publicó junto al anuncio las tasas de detección, que caen con fuerza en pasajes cortos, en matemáticas y en cualquier texto que haya sido editado.

Los agentes de código reconstruyen una habitación a partir de una foto, pero no saben si acertaron con la geometría

LEGO-Bench puntúa por separado validez, geometría y apariencia. Separarlas es lo que revela la brecha: una escena que se ve convincente no es una escena medida correctamente.