Categorias: Inteligência Artificial
Novo benchmark com 273 tarefas reais de programação mostra que o GPT-6 Astra, da OpenAI, atende 69,9% dos requisitos em média, mas conclui integralmente apenas 26,4% das tarefas — e só 17,9% nas edições de repositório.
Leia mais
Categorias: Inteligência Artificial
O melhor agente de codificação testado no novo benchmark Co-Design Bench completou integralmente apenas 26,4% de 273 tarefas retiradas de sessões reais de programação, embora atenda 69,9% dos requisitos em média.
Leia mais
Categorias: Inteligência Artificial
Novo benchmark muda pequenos requisitos em 89 tarefas do DeepSWE e revela que modelos empatados em 74% se separam por 23 pontos: Claude Opus 5.5 lidera com 76,4%, enquanto Gemini 3.8 Flash cai para 53,4%.
Leia mais.jpg)
Categorias: Tecnologia
Nove agentes de IA de fronteira tentaram resolver 15 problemas abertos de laboratórios nacionais dos EUA; nenhuma das 135 submissões atingiu o padrão dos especialistas e 114 falharam na checagem de integridade.
Leia mais
Categorias: Tecnologia
O DeepSeek V4.1 Flash, de pesos abertos, completou 72,8% dos objetivos do benchmark CyberOffense da Vals, a oito pontos do GPT-6 Sol Daybreak, da OpenAI, por cerca de um décimo do custo.
Leia mais
Categorias: Tecnologia
Primeiro celular à venda com o Snapdragon 8 Elite Extreme Gen 6, o REDMAGIC 12 Pro fica até 18% atrás do aparelho de referência da Qualcomm no Geekbench 7 e 16% no 3DMark, segundo testes do Android Authority.
Leia mais
Categorias: Inteligência Artificial
A OpenAI apresentou com a Ligo o BioBasicsBench, um benchmark com 100 tarefas de laboratório real. O GPT-6 Astra liderou com 66,7%, mas a própria OpenAI alerta: nota alta não significa julgamento confiável no laboratório.
Leia mais
Categorias: Inteligência Artificial
No Clocktower Bench, em 386 partidas de Blood on the Clocktower, o modelo da OpenAI superou o Claude Opus 4.6 com cerca de 92% de vitórias; a vantagem está em detectar mentiras, não em mentir melhor.
Leia mais