En Long-Horizon-Terminal-Bench 2.0, 77 tareas en 13 dominios con tres horas permitidas para cada una, el más fuerte de los 15 modelos de frontera probados, GPT-6-astra, resolvió 37 tareas, seguido de GPT-5.6-sol con 32, según un artículo de arXiv de octubre de 2026
Zongxia Li et al. informaron en un artículo de arXiv de octubre de 2026 que GPT-6-astra resolvió 37 tareas en Long-Horizon-Terminal-Bench 2.0, seguido por GPT-5.6-sol con 32 tareas. Esto midió el número de tareas resueltas por 15 modelos de frontera en Long-Horizon-Terminal-Bench 2.0, que contiene 77 tareas en 13 dominios con tres horas permitidas para cada una.
Verificado 2026-10-27
Síguelo con IniciadoPor qué importa
El trabajo no supervisado durante horas es lo que los agentes deben dominar para reemplazar trabajos reales, y este benchmark revela las capacidades de los modelos de frontera actuales
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 →