My name is AIvengo and I bring you daily news updates about artificial intelligence
AIvengo > Reseñas > OpenAI prueba modelos contra especialistas de 44 profesiones
OpenAI prueba modelos contra especialistas de 44 profesiones
OpenAI presentó nuevo benchmark GDPval, que prueba rendimiento de sus modelos de IA comparados con profesionales de varias industrias. Y es intento de entender qué tan cerca están sistemas de OpenAI de superar a humanos en trabajo económicamente significativo.
El benchmark se basa en 9 industrias que hacen mayor contribución al producto interno bruto de EE.UU. GDPval prueba rendimiento de modelos de IA en 44 profesiones en estas industrias, desde programadores hasta enfermeras y periodistas. Profesionales experimentados compararon informes generados por IA con trabajos de otros especialistas.
GPT-5 high fue calificado mejor o igual a expertos de industria en 46.6% de casos. Claude Opus 4.1 de Anthropic fue calificado mejor o igual a expertos de industria en 49% de tareas. Aunque OpenAI afirma que Claude mostró resultados tan altos debido a tendencia a crear gráficos atractivos.
Pienso que tales puntuaciones altas de modelos podrían estar infladas debido a limitaciones de pruebas. Y no reflejan rendimiento real. El nuevo benchmark mismo podría crear falsas expectativas sobre capacidades de IA en condiciones de trabajo reales.
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.
Anthropic reveló accidentalmente el "alma" de la inteligencia artificial a un usuario. Y esto no es una metáfora. Este es un documento interno bastante específico.
Jensen Huang anunció una movilización total bajo la bandera de la inteligencia artificial dentro de Nvidia. Y esto ya no es una recomendación. Esto es un requisito.
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.
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.
