Google Gemini 2.5 Pro superó OpenAI o3 y lidera en LMArena
Google actualizó Gemini 2.5 Pro con fuertes ganancias en benchmarks. Ahora modelo supera versión actual o3 de OpenAI. Como 2.5 Flash, este es modelo híbrido que permite establecer presupuesto para procesos de pensamiento o apagarlos completamente. Modelo ya está disponible y según primeras impresiones funciona mejor que versiones tempranas. Incluso escucha cuando le pides que no spam código con comentarios.
En arena LMArena, nueva versión subió 24 puntos Elo comparada con anterior y ahora lidera en todas categorías, superando o3 y Claude Opus 4. En benchmarks, modelo mejoró notablemente y se volvió más eficiente en tareas de código, lógica y ciencias exactas.
Resultados son impresionantes. 82.2% en tareas de programación, 86.4% en preguntas de ciencias naturales y 21.6% en test Humanity’s Last Exam, que verifica pensamiento y conocimiento.
Desarrolladores también tomaron en cuenta retroalimentación sobre versión previa y mejoraron estilo y estructura. Ahora modelo puede ser más creativo. También agregaron presupuestos para procesos de pensamiento para mayor control de costos. Desafortunadamente, generación de imágenes para Gemini Pro todavía no fue agregada.
AIvengo >
Reseñas >
Google Gemini 2.5 Pro superó OpenAI o3 y lidera en LMArena
Почитать из последнего
UBTech enviará robots Walker S2 a servir en la frontera de China por $37 millones
La compañía china UBTech ganó un contrato por $37 millones. Y enviará robots humanoides Walker S2 a servir en la frontera de China con Vietnam. South China Morning Post informa que los robots interactuarán con turistas y personal, realizarán operaciones logísticas, inspeccionarán carga y patrullarán el territorio. Y característicamente — pueden cambiar su batería de forma autónoma.
Los chatbots de IA generan contenido que agrava los trastornos alimentarios
Un estudio conjunto de la Universidad de Stanford y el Center for Democracy and Technology mostró un panorama preocupante. Los chatbots con inteligencia artificial representan un riesgo serio para personas con trastornos alimentarios. Los científicos advierten que las redes neuronales distribuyen consejos dañinos sobre dietas. Sugieren formas de ocultar el trastorno y generan "contenido inspirador para bajar de peso" que agrava el problema.
OpenAGI lanzó el modelo Lux que supera a Google y OpenAI
La startup OpenAGI lanzó el modelo Lux para control de computadora y afirma que esto es un avance. Según los benchmarks, el modelo supera por una generación completa a los análogos de Google, OpenAI y Anthropic. Además, funciona más rápido. Aproximadamente 1 segundo por paso en lugar de 3 segundos en los competidores. Y 10 veces más barato en costo por procesamiento de 1 token.
