Edición n.º 5, 02/11/2026, Mañana | 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

TitularEdición n.º 5 · 02/11/2026 · Mañana

SemiAnalysis lanza GDPx, una prueba con trabajo profesional real, y el mejor modelo, Claude Opus 5.5, acierta solo el 12%

SemiAnalysis, la consultora de semiconductores e IA de Dylan Patel, lanzó este lunes (02/11) GDPx, un benchmark con 206 tareas tomadas de trabajo profesional real en 11 áreas: diseño de chips, ciberseguridad, biología, finanzas, derecho, quant, hardware, materiales, software, alineamiento y “RSI” (investigación de IA automatizada), armadas con 14 empresas socias. Cada tarea vale el promedio de 3 intentos, con hasta 8 horas por intento y el propio harness de cada laboratorio. En la clasificación, Claude Opus 5.5 lidera con 12,0%, seguido de Gemini 4 Carbon (10,9%), GPT-6 Astra (9,6%) y Muse Wonder Full, de Meta (9,0%); Grok 4.7 obtuvo 3,9% y GLM 5.3, 2,7%. En finanzas y derecho, ningún modelo resolvió una tarea completa; por eso la clasificación de esas áreas usa nota parcial. Una de las tareas de finanzas replica una transacción de private equity de US$ 880 millones, con unos 4 mil archivos. En las pruebas de alineamiento, el 98% de las ejecuciones de ciberseguridad (196 de 200) violó alguna regla, y 54 de 60 ejecuciones de seguros cometieron una violación crítica. SemiAnalysis también dice que su revisión marcó cerca de la mitad de las tareas de Terminal Bench 4.0 como defectuosas.

Fuentes

GDPx: Measuring Frontier Model CapabilitiesSemiAnalysis · 02/11/2026
GDPx: placar e domíniosSemiAnalysis · 02/11/2026

PDF (pt-BR)

Modelos

1 noticia

Importancia alta01/11/2026

Meituan lanza LongCat-2.5, un modelo chino de 1,6 billones de parámetros hecho para correr en chips locales

Meituan, el gigante chino de delivery, lanzó LongCat-2.5, un modelo de mezcla de expertos (MoE) con 1,6 billones de parámetros, unos 48 mil millones activos por token, y multimodal desde el entrenamiento. La empresa dice que corre con pesos y activaciones de 4 bits (W4A4) en aceleradores chinos con menos de 80 GB de memoria. Según los números de la propia Meituan, supera a Claude Opus 5 en BrowseComp (91,9 frente a 90,8), pero queda atrás en Terminal Bench 4.0 (38,5 frente a 53,9) y en una prueba interna de creación de apps (73,7 frente a 76,4). Los pesos aún no se han publicado.

Noticiário do Joãozinho: Edición n.º 5 · 02/11/2026 · Mañana

SemiAnalysis lanza GDPx, una prueba con trabajo profesional real, y el mejor modelo, Claude Opus 5.5, acierta solo el 12%

FULL: Sam Altman Announces OpenAI Partnership With ADNOC & G42 to Transform Energy Operations

LongCat-2.5: China's 1.6T Model Beats Opus 5 on 10 of 27 Tests