Investigación relevante, resultados publicados y límites de las evaluaciones.
78 publicaciones
El panel, formado por nueve matemáticos y vinculado al Institute for Advanced Study, podrá asesorar sobre cómo se presentan y comunican los resultados. No tiene autoridad para certificar soluciones ni para decidir el ritmo de la investigación interna de OpenAI.
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.
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.
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.
El nuevo modelo de OpenAI combina razonamiento, uso de ordenador y un contexto muy amplio. Sus resultados declarados son relevantes, pero no sustituyen las pruebas propias ni los controles sobre permisos, datos y acciones irreversibles.
Anthropic presentó Claude Opus 5 el 24 de julio de 2026 como un modelo orientado a programación, trabajo de conocimiento y flujos de varios pasos. La compañía sostiene que mejora la relación entre rendimiento y coste frente a Opus 4.8, pero sus comparaciones requieren cautela: combinan pruebas propias, configuraciones de esfuerzo distintas y, en algunos casos, mecanismos de respaldo a modelos anteriores.