Versión exacta
Comprueba el identificador del modelo, la fecha y si el alias puede cambiar.
BENCHMARK DOCUMENTADO
Agents' Last Exam
Resultados publicados y condiciones declaradas por sus fuentes. Las cifras solo son comparables cuando coinciden versión, configuración, métrica y fecha.
01 / RESULTADOS
Mediciones publicadas
| Modelo | Organización | Resultado | Métrica | Condiciones |
|---|---|---|---|---|
| GPT‑5.6 Sol | OpenAI | 52,7 % | Exactitud | Tabla oficial de GPT‑5.6. |
| GPT‑5.6 Terra | OpenAI | 50,4 % | Exactitud | Tabla oficial de GPT‑5.6. |
| GPT‑5.6 Luna | OpenAI | 50,3 % | Exactitud | Tabla oficial de GPT‑5.6. |
02 / INTERPRETACIÓN
Antes de comparar
Configuración equivalente
Revisa herramientas, esfuerzo, número de intentos, prompt y presupuesto de inferencia.
Transferencia a tu caso
Valida el resultado con tareas, idiomas, formatos y errores representativos de tu producto.
03 / MÉTODO
Del marcador a una decisión reproducible
Un benchmark público orienta, pero no sustituye una evaluación con tus datos, herramientas, presupuesto y tolerancia al error.
Identifica la versión exacta
Un alias móvil y un snapshot pueden producir resultados diferentes. Registra modelo, fecha y proveedor.
Reconstruye las condiciones
Prompt, razonamiento, herramientas, número de intentos y presupuesto deben ser equivalentes para comparar.
Busca incertidumbre
Una diferencia pequeña puede desaparecer entre ejecuciones. Conserva muestras, dispersión y fallos, no solo la media.
Comprueba transferencia
Valida si la mejora se mantiene en idiomas, formatos y casos reales cercanos a tu producto.
Una métrica solo es útil cuando conocemos la tarea, las condiciones y el error que importa. El resultado empieza por el diseño de la prueba.
ANÁLISIS
Análisis relacionados
AutomationBench: qué demuestra un agente que deja un flujo empresarial en el estado correcto —y qué no
AutomationBench evalúa si un agente puede completar flujos entre aplicaciones SaaS simuladas y llevarlos a un estado final verificable. Esta guía explica qué significa esa evidencia, cómo leer sus métricas y qué pruebas adicionales hacen falta antes de extrapolar un resultado a una empresa real.
22 sep. 2026 ↗
Agents’ Last Exam: qué mide un agente de trabajo real y por qué su tasa de éxito no equivale a «automatizar un empleo»
Agents’ Last Exam evalúa agentes en tareas profesionales dentro de entornos de sistema operativo y con resultados verificables. Su diseño es útil para estudiar la ejecución de flujos de trabajo, pero una cifra agregada de éxito no demuestra que un empleo pueda automatizarse. Para interpretarla hacen falta detalles sobre las tareas, el entorno, el arnés, el modelo, las herramientas, el presupuesto y la versión evaluada.
22 sep. 2026 ↗04 / FUENTES