El Furniture Assembly Benchmark de Epoch AI muestra a los modelos fotos tomadas a mitad del montaje de muebles de IKEA y les pide detectar errores de ensamblaje según el manual oficial. La puntuación máxima subió del 28%, logrado por Claude Opus 4.5 en noviembre de 2025, a 80%, logrado por GPT-6 Astra de OpenAI en septiembre de 2026
El Furniture Assembly Benchmark (FAB) de Epoch AI mide la capacidad de los modelos de IA para detectar errores en fotos de muebles IKEA parcialmente ensamblados, utilizando el manual oficial. El benchmark consta de 60 imágenes de tres montajes diferentes de muebles IKEA, algunas con errores intencionales. Los modelos se puntúan por identificar todos los pasos con errores y proporcionar una descripción razonable.
Verificado 2026-09-29
Síguelo con IniciadoPor qué importa
Los modelos están mejorando mucho en la comprensión de fotos de tareas físicas, un paso hacia la ayuda con el trabajo en el mundo real.
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 →