🤖 Divulgador y Analista en Inteligencia Artificial (DotCSV) ✉️ Email comercial y conferencias: [email protected]
Madrid, Comunidad de Madrid
Joined March 2016
- Tweets25K
- Following1.2K
- Followers252K
- Likes15.1K
Pinned Tweet
🔮 ¡MIS PREDICCIONES IA del 2026! 🔮
Un año más aquí os traigo 24 ideas de lo que creo podría pasar en el mundo de la Inteligencia Artificial durante este año
24 predicciones que podéis votar y apoyar una a una usando el botón 💖
¡Comparte el hilo! En 12 meses verificamos 😄👇
¿Hay alguna tarea que hagáis en frente de una pantalla que aún los modelos actuales NO PUEDAN RESOLVER?
No digo resolverlas one-shot, pero que con skills y especificándole cómo hacerlas, aún no sean capaces de hacerla correctamente.
En la lotería de coger un tren en España hoy nos hemos quedado tirados a medio viaje por una catenaria rota más adelante...
Si se sabía de la incidencia al momento de salir de Atocha (porque nos han avisado) para qué sale el tren para luego dejarnos tirados en ningún lado?
ª
Tengo mis dudas sobre si este modelo se presente como una categoría superior de la familia Gemini 4 o como una continuación tras Argon...
Es decir
👉 Argon < Carbon ?
👉 Argon → Carbon ?
Lo pregunto porque el precio de Carbon es exactamente igual que el de Argon, haciendo que por tanto el modelo que sacaron hace dos semanas quede completamente obsoleto (bueno, cuando abran el acceso)
Y también celebramos la llegada de Google ahora sí a la frontera!
Eso sí, no me gusta esta política de anunciar y luego tener que esperar 2-3 semanas para ganar acceso general (usuarios y evaluadores externos).
Está bien sacar unas cuantas gráficas que parecen superar a tu competencia, pero si entre el día de hoy y el día que ganemos acceso, tu competencia puede sacar mejores modelos (seguramente pasará) entonces... ¿qué sentido tiene marcarte el tanto?
Creo que Google debería, por una vez, dar un golpe sobre la mesa adelantando a todos no con un anuncio, sino con un modelo que todos podamos probar y evaluar desde el primer día.
🔴 ¡NUEVO GEMINI 4 CARBON!
Google golpea por segunda vez este mes, tras la salida de su modelo Argon, con una nueva versión entendemos más grande y sobretodo, potente. Superando en muchos benchmarks a Opus 5.5 y a GPT-6 Astra!
Por ahora es el anuncio del modelo, sin acceso.
Bieeeen, tras unos meses donde el Artificial Analysis Intelligence Index (agregado de benchmarks) no parecía reflejar correctamente las capacidades de los modelos, hoy han actualizado a una nueva versión v5, además con la mayoría de datasets privados para evitar benchmaxxing 👍
Announcing Artificial Analysis Intelligence Index v5, featuring 2 new benchmarks and 3 upgrades. For the first time, the majority of the Index is built on private datasets
The Artificial Analysis Intelligence Index is our composite measure of model capabilities across tasks reflecting real-world usage today. v5 is our biggest upgrade since v4 launched in January. With v5, 60% of the Index is now based on evaluations with private test sets or held-out answers.
Alongside Intelligence Index v5, we’re launching the Artificial Analysis Progress Index v1, which tracks model capability over time on one continuous scale.
New to the Intelligence Index:
➤ FrontierCode 2.0: Cognition's newly-launched private benchmark of real-world coding tasks, graded on whether a repository maintainer would merge the agent's change
➤ Terminal-Bench-Science: 70 agentic scientific research tasks, run in a terminal environment
Upgraded:
➤ HLE-Diamond (replacing Humanity's Last Exam): a refined 1,000-question version of Humanity's Last Exam, split evenly between reasoning and knowledge questions
➤ AA-Omniscience v1.1: An updated dataset with saturated and public set questions removed, new questions added, and ambiguous or erroneous questions revised
➤ CritPt v2: a private, 40-question hard subset of CritPt v2, revised by the CritPt authors and run with a code-execution tool
Staying in the Index: AA-Briefcase, AutomationBench-AA, GDP.pdf and Terminal-Bench 4.0
Removed from the Index: GDPval-AA v2.1, SciCode, and AA-LCR v1.1
Key results:
➤ Claude Opus 5.5 (max) leads at 58, ahead of GPT-6 Astra (max, 57) and GPT-6.1 Sol (max, 55): Anthropic and OpenAI hold the top five models. Gemini 4 Argon (high) is next at 50
➤ The open weights gap widens from 3 points to 12: Kimi K3.1 Pro (weights not yet released) is the top open weights model at 46. Among released weights, DeepSeek V4.1 Flash 1017 (max) and GLM-5.3 (max) lead at 32 - 26 points behind the leader and below Claude Haiku 5.5 (max, 36)
➤ Cost per task varies by more than 13x among the leading models: of the 10 highest-scoring models shown, GPT-6.1 Terra (max) is the cheapest at $0.96 per Intelligence Index task and Claude Fable 5.1 (max) the most expensive at $13.04
🔴 ¡GOOGLE ANUNCIA GENIE 4!
Su sistema de generación de vídeo interactivo en tiempo real llega a su v4, permitiendo ahora generar vídeo y audio en tiempo real modificable por comandos de teclado y prompt.
Una versión que se vuelve más cinematográfica que la versión anterior 👇
En cualquier caso, este tipo de modelos para mi su principal interés es el aprovechamiento de su rico modelo de mundo para su aplicación a la robótica a modo de simuladores. De esto también nos enseñan ejemplos!
Por aquí todo lo referente a Genie 4. Lo acabarán metiendo en la suscripción Ultra y quizá con suerte tarde o temprano nos llegue a Europa.
deepmind.google/blog/genie-4…
🔴 ¡TRES NUEVOS AVANCES CIENTÍFICOS!
Ayer OpenAI publicó -con un perfil muy bajo- tres nuevos avances científicos de gran calibre en matemáticas, computación y física.
Avances que además atacan al corazón de dos problemas del Milenio (Yang–Mills y NP vs. P)
Os cuento 👇🧵
Queda algo de chicha en toda esta historia (Anthropic llegando a resultados similares) que adjuntaré más tarde en el hilo, pero por ahora os pido que si os ha parecido interesante la información lo compartáis :)
nitter.cf/DotCSV/status/21150334…
