Domingo 18 de octubre de 2026

ForgeCode afirma superar a Claude Code y Codex, pero la letra pequeña cuenta otra historia

Relevancia 64 de 100

ForgeCode, una herramienta de programación en terminal de Tailcall Inc., lidera TermBench 2.0 con 81,8%, pero ese resultado lo envió la propia empresa a tbench.ai, así que no es un benchmark independiente. En SWE-bench Verified, validado por Princeton y la Universidad de Chicago, ForgeCode con Claude 4 obtiene 72,7%, a un par de puntos de las mejores configuraciones de Codex y Claude Code. Tailcall también mostró que envolver Gemini 3.1 Pro en su capa de orquestación subió su puntuación en Terminal-Bench 2.0 de 55% a 80,2%.

Qué significa

Al comparar herramientas de programación con IA, conviene fijarse en benchmarks independientes y no en tablas que la propia empresa envía, porque la diferencia puede deberse al andamiaje y no al modelo.

Fuentes originales

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