El nuevo benchmark SpireClimb de Epoch AI pone a modelos de IA a jugar al difícil juego de cartas Slay the Spire mediante pantalla y ratón. En la dificultad máxima, donde hace pocos meses los modelos punteros no ganaban ninguna partida, GPT-6.1 Sol ya gana el 20 % de las partidas de Slay the Spire en dificultad máxima; los mejores humanos, más del 80 %
El nuevo benchmark SpireClimb de Epoch AI mide la capacidad de los modelos de IA para jugar al juego de cartas Slay the Spire a través de una interfaz de pantalla y ratón. GPT-6.1 Sol logró una tasa de victorias del 20% en la dificultad máxima del juego, "Ascension 20 Heart". Esto representa un aumento desde una tasa de victorias del 0% unos meses antes, aunque sigue estando por debajo de las tasas de victorias superiores al 80% de los mejores jugadores humanos.
Verificado 2026-10-22
Síguelo con IniciadoPor qué importa
Los juegos largos con información oculta prueban la planificación y el uso del ordenador durante horas, las habilidades que los agentes necesitan para el trabajo real, y esa brecha se cierra rápido.
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 →