Jueves 5 de noviembre de 2026 ·
El benchmark GDPx de SemiAnalysis: Claude Opus 5.5 lidera con solo un 12 % de éxito en 206 tareas
El analista SemiAnalysis presentó GDPx, un benchmark con 206 tareas en entornos simulados de hasta ocho horas, que incluyen software como Siemens NX, búsquedas en datos con miles de archivos y ataques a sistemas empresariales. Claude Opus 5.5 obtiene el mejor resultado con 12 %, seguido de Gemini 4 Carbon (10,9 %) y GPT-6 Astra (9,6 %). Algunos críticos cuestionan los filtros de seguridad, la confidencialidad de las tareas y que las condiciones no sean iguales para todos.
Qué significa
Frente a pruebas de preguntas y respuestas, este benchmark mide trabajo real en entornos de oficina y técnicos. Los resultados indican que los agentes de IA siguen muy lejos de completar tareas complejas de principio a fin.
Fuentes originales
Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.
- The Decoder (DE)Leer la noticia completa en The Decoder (DE)
También ese día
Todas las noticias de IA del jueves 5 de noviembre de 2026 ->