Viernes 30 de octubre de 2026 ·

Un mismo modelo de IA puntúa hasta 8,1 puntos menos según el programa que lo ejecute

Relevancia 40 de 100

Útil para Programadores 85%

Gemini 3 Pro completó el 65,8 % de las 89 tareas de Terminal-Bench 2.1 con Gemini CLI, el agente de Google, y el 73,9 % con Terminus 2, un programa minimalista con un solo terminal. La diferencia supera la variación entre ejecuciones, de 1,3 y 1,4 puntos. Anthropic llama "harnais" a este entorno que rodea al modelo y lo convierte en agente, y lo vende como producto aparte mediante su Claude Agent SDK y Managed Agents.

Qué significa

Quien compare agentes de IA debe saber que el programa que rodea al modelo puede cambiar la puntuación tanto como el propio modelo. Sin especificar el entorno, las clasificaciones de modelos no son comparables.

Fuentes originales

Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.

También ese día

Todas las noticias de IA del viernes 30 de octubre de 2026 ->