Epoch AI hizo que modelos de IA de vanguardia jugaran repetidamente al juego de mesa Earthborne Rangers para comprobar si mejoraban con la práctica, y halló que GPT-5.5 y Claude Opus 4.8 gestionaron mal el mecanismo central de fatiga del juego, con 2,1 puntos de fatiga por ronda, frente a 0,6 de expertos humanos y 3,5 de un juego puramente aleatorio
Epoch AI realizó un benchmark llamado EBR-bench para probar si los sistemas de IA mejoran en tareas complejas con la práctica repetida. Hicieron que modelos de IA de frontera jugaran el juego de mesa Earthborne Rangers varias veces. El estudio encontró que GPT-5.5 y Claude Opus 4.8 incurrieron en 2,1 de fatiga por ronda, en comparación con 0,6 para jugadores humanos expertos y 3,5 para el juego puramente aleatorio.
Verificado 2026-09-20
Síguelo con IniciadoPor qué importa
Los modelos principales aún manejan los recursos de un juego peor que los expertos, lo que muestra lagunas en la planificación que las pruebas pueden revelar.
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
GRATIS · SIN TARJETA
Datos como este, seis días a la semana
The Daily Receipts entre semana, The Weekly Brief los sábados — seis datos con fuente al día por email, dos más que la web gratuita. Cada uno trazado hasta el documento del que salió. Gratis.
Quiero el brief diario gratisGratis · Sin tarjeta · Date de baja cuando quieras
Únete ahora y empiezas con 100 Receipts en The Receipts Ledger — tu primer paso hacia un año gratis de Iniciado o Pro. Cómo funciona →
Ver la edición de hoy →