GPT-6 Astra ya superó los cinco tiers de StarSkirmish Hillclimb, mientras que Claude Opus 5.5 sigue sin pasar del tier B después de unas 52 horas de trabajo cada uno. Es una de las pruebas más difíciles de maquillar para un modelo, porque no se mide con preguntas de examen sino con partidas reales de StarCraft: Brood War.
Sigue leyendo
Anthropic encerró a Claude Mythos, una versión preliminar de su modelo más avanzado, durante casi una semana con dos sistemas de cifrado entre los más estudiados del mundo. El resultado: encontró una grieta matemática que nadie más había visto, en un esquema pensado para resistir computadoras cuánticas y en una variante reducida del estándar de cifrado más usado en internet.
Sigue leyendo