Arena publicó un índice construido con 72.509 sesiones reales de agentes el mismo día en que anunció una ronda de 200 millones de dólares. OpenAI ocupa los cinco primeros puestos.
Modelo
Grok 4.7
Grok 4.7 es un modelo de inteligencia artificial desarrollado por SpaceXAI. Esta página recoge lo que se conoce públicamente del modelo y cada resultado de benchmark registrado por Aivio News, con su fuente y su fecha.
Benchmarks
Todas las noticiasTodavía no hay resultados verificados.
Más sobre Grok 4.7
DrivingBench pone a modelos punteros al mando de la dirección, el acelerador y el freno de un coche real a paso de peatón. La distancia entre el primero y el segundo es la noticia.
MiMo-V2.6-Pro de Xiaomi encabeza un índice independiente de modelos abiertos, con licencia MIT
El fabricante de teléfonos publicó un modelo de mezcla de expertos con un billón de parámetros, sus pesos, su código de aprendizaje por refuerzo y el coste acumulado del entrenamiento.
La tabla de la empresa muestra avances en pruebas de código, ingeniería y derecho. En Terminal-Bench 4.0 declara 38%, donde un evaluador independiente midió 26%.
Musk retrasa Grok 4.7 y dice que el entrenamiento pudo penalizar demasiado las respuestas largas
El lanzamiento apuntaba a en torno al 12 de septiembre. La explicación de Musk es inusualmente concreta: una decisión de diseño de la recompensa que enfrenta coste y persistencia.