En el benchmark DeepFinance, de 21 tareas de principio a fin en capital privado y banca de inversión que a un profesional humano le toman en promedio 27,1 horas, la mejor configuración, GPT-6 Astra con razonamiento máximo, satisface el 57,6 % de los criterios de la rúbrica, y las cuatro mejores configuraciones no se distinguen estadísticamente
El benchmark DeepFinance, publicado en arXiv el 7 de noviembre de 2026, midió el porcentaje de criterios de rúbrica satisfechos por 22 configuraciones de modelos en 21 tareas de banca de inversión y capital privado de extremo a extremo. La mejor configuración, GPT-6 Astra con razonamiento máximo, satisfizo el 57,6% de los criterios de rúbrica, y las cuatro configuraciones principales no fueron estadísticamente distinguibles.
Verificado 2026-11-14
Síguelo con IniciadoPor qué importa
Los modelos pueden hallar datos relevantes y calcular con precisión, pero aún así no usar esa información correctamente en decisiones complejas.
Más sobre Modelos
- Los modelos de IA ya pueden ganar el oro en la Olimpiada Internacional de Matemáticas, pero el AI Index 2026 de Stanford halló que aún fallan en una tarea que la mayoría de los niños dominan pronto. En los 180 diseños de reloj y 720 preguntas de ClockBench, el mejor modelo, GPT-5.4 High, leyó correctamente relojes analógicos solo el 50,6 % de las veces, frente al 90,1 % de los humanos
- Tras casi cerrarse brevemente en 2024, la brecha de rendimiento entre los mejores modelos de IA de pesos cerrados y abiertos volvió a ampliarse en el ranking Arena. A marzo de 2026, el AI Index 2026 de Stanford encuentra que el mejor modelo cerrado lidera al mejor modelo abierto por un 3,3 %, frente a una ventaja del 0,5 % en agosto de 2024
- El Índice de IA 2026 de Stanford hace seguimiento del desempeño de los modelos de IA en GPQA Diamond, un conjunto de preguntas de química y física de nivel doctoral diseñadas para resistir las búsquedas en Google. La precisión media de los modelos en esta prueba alcanzó el 93 % en 2025, frente a una referencia de validadores humanos expertos de 81,2 % -- los modelos de IA ya superan a los expertos con doctorado por 12 puntos en GPQA Diamond
El boom de la IA,con recibos.
6 hechos con fuente cada día laborable, más The Weekly Brief, análisis a fondo de empresas de IA y mucho más. Gratis.
Gratis · Sin tarjeta · Date de baja cuando quieras · Ver la edición de hoy →
Únete ahora y empiezas con 100 Receipts en The Receipts Ledger — tu primer paso hacia un año gratis de Iniciado o Pro. Cómo funciona →