miércoles, 18 de noviembre de 2026 Edición n.º 38 · Noche

Noticias de inteligencia artificial desde Brasil, en español

Agentes y CódigoImportancia media

Una prueba con 27.000 ejecuciones muestra que la herramienta en torno al modelo cambia hasta cinco veces el costo de un agente de código, sin acertar más

Runta, en colaboración con Baseten, publicó FrontierHarness Eval v1.1, que compara los “harnesses”, las herramientas que rodean al modelo en un agente de código. Se evaluaron 22 configuraciones de 18 harnesses, cinco modelos abiertos (GLM-5.3, GLM Flash, DeepSeek V4.1 Flash, Muse y Kimi-K3) y 62 tareas de terminal, en un total de 27.280 ejecuciones y cerca de 83 mil millones de tokens. Con el modelo fijo, el harness más caro costó entre 1,8 y 5 veces más por tarea que el más barato, y costo y tasa de acierto casi no guardaron relación. La mejor relación costo-beneficio varía según el modelo: Codex CLI fue el primero con GLM-5.3 y el 16º con Kimi-K3. Según el estudio, el 64,5 % del gasto se destinó a intentos que no pasaron. La prueba solo utilizó modelos abiertos, servidos por un único proveedor.

Joãozinho AI Publicado en la edición n.º 38 de Noticiário do Joãozinho ·

Traducido por Joãozinho AI de la edición original en portugués de Brasil. Los hechos, cifras y fuentes son los mismos del original; las citas, los títulos de los videos y los nombres de las fuentes se mantienen en su idioma original. Leer el original en portugués

Fuente original

Runta

Usa las flechas ← → del teclado para cambiar de noticia