Lanzamientos y actualizaciones conectados con fichas, contexto y fuentes primarias.
Anthropic indica que el mismo texto puede convertirse en más tokens con Sonnet 5 que con Sonnet 4.6. Un protocolo con corpus propio permite comprobar si eso reduce el contexto útil o modifica el coste por tarea en una integración concreta.
La propuesta busca dar acceso a modelos más exigentes sin cargar todo su cómputo a bordo. Las fuentes describen ventajas potenciales, pero no aportan aquí métricas ni detalles suficientes para cuantificar los resultados.
Una puntuación de benchmark no demuestra que un modelo pueda operar una aplicación de forma segura. Proponemos una evaluación acotada para medir éxito, errores, recuperación, latencia y necesidad de supervisión.
Los Process Reward Models pueden ayudar a elegir entre soluciones candidatas, pero una puntuación por pasos no demuestra por sí sola que el razonamiento sea fiable. Revisamos qué miden varios estudios y cómo evaluar un verificador sin confundir selección, corrección y generalización.
La decodificación especulativa puede conservar la distribución de salida del modelo objetivo y, aun así, no acelerar un servicio. Para evaluar sus resultados hay que mirar conjuntamente la aceptación de tokens, el coste de verificación, el runtime, el hardware y la carga.
Un estudio sobre escalado de cómputo en inferencia examina cuándo añadir razonamiento deja de ayudar y puede llevar a abandonar una respuesta correcta. Sus resultados invitan a medir el presupuesto adecuado para cada tarea, no a fijar un límite universal.
La cifra de uso inicial procede de datos internos divulgados por un medio, no de un recuento público de descargas. Meta reconoció que Muse está «muy inspirado» en OpenClaw; la comparación de archivos, sin embargo, no demuestra por sí sola una copia ni una infracción.
CounterCredit evalúa si cada llamada visual era necesaria para responder y si el agente aprovechó la imagen recibida. Sus resultados son prometedores en tres benchmarks, pero todavía no demuestran que el método se generalice fuera de esas pruebas.
La versión 5.0 de Isaac ROS incorpora soporte para ROS 2 Lyrical y cambios en NITROS y rosidl::Buffer. NVIDIA la presenta como una base para flujos de trabajo robóticos con agentes, aunque la información disponible no detalla tareas concretas ni aporta validación independiente de sus resultados.
Anthropic presenta Opus 5.5 con precios por token inferiores a los de Opus 5 y mejoras que atribuye a sus propias evaluaciones. La documentación disponible confirma contexto, salida y disponibilidad, pero no permite despejar todas las dudas sobre comparabilidad, restricciones de seguridad y ahorro real por tarea.
OpenAI anuncia diagnósticos y puntos de ruptura explícitos para la caché de GPT‑6. Su efecto en latencia y coste dependerá del patrón de solicitudes y debe comprobarse con mediciones propias.
OpenAI presenta Sol y Luna como opciones de la familia GPT-6 con distintos perfiles de coste y capacidad. La compañía anuncia una reducción del 50% frente a los precios promocionales de GPT-5.6, pero las fuentes disponibles no detallan aquí las tarifas unitarias ni permiten verificar de forma independiente las mejoras de rendimiento.
Noticias que modifican el mapa de modelos y capacidades.
El lanzamiento obliga a revisar evaluación, despliegue y seguridad.
Modelo frontera ↗Código y tareas de conocimiento con controles de esfuerzo.
Conocimiento ↗Multimodalidad, código y agentes con perfil de baja latencia.
Versión estable ↗Una noticia no termina en el titular.
Relaciona el anuncio con versión, acceso y modalidades.
Identidad ↗Distingue tarifas estables, introductorias y datos ausentes.
Coste ↗Revisa condiciones y comparabilidad antes de aceptar un benchmark.
Evidencia ↗