Contexto · IA Frontera · barrido martes, 17 de noviembre de 2026
Benchmarks de agentes de código para construcción de software de largo horizonte
La evaluación de agentes de programación migra de generación de archivos aislados a ingeniería de repositorios y productos completos con estado persistente, lo que redefine el estándar de viabilidad comercial de los agentes. El cuello de botella ya no es la capacidad del modelo sino la medición de continuidad, mantenimiento y entrega en entornos reales (Replit, Unity, Roblox), donde la infraestructura de cómputo y el coste de inferencia determinan qué agentes sobreviven.
Título, tesis y evaluación de gravedad redactados por un modelo de IA, sin revisión humana previa.
Gravedad35/100 · Fondo
Por qué esta gravedad
Los 12 artículos son preprints de arXiv que proponen benchmarks (ViBench 2.0, GenXR-Bench, UnityBench-Mini3D, OpenGameEval, CEGame-Bench) para agentes de código en horizontes largos; Replit, Unity y Roblox aparecen como entornos de evaluación, no como anuncios corporativos ni adopción industrial declarada, y no hay métricas de discontinuity ni release de modelo frontier.
- Cobertura
- 1 feed · 1 grupo editorial independiente (un solo grupo editorial)
- Verticales cruzadas
- IA Frontera, Industria Tech, Startups
- Actores Tier 1
- OpenAI
- Gravedad frente a la edición anterior
- +3 (32 → 35)
cobertura, no exactitud
Fuente principal
GenXR-Bench: Benchmarking Coding Agents for Interactive XR Development · arXiv CS.AI / William Huang, David Li, Xiang 'Anthony' Chen, Xun Qian, Nels Numan, Zhongyi Zhou, Hyunsung Cho, Salman Muin Kayser Chishti, Ding Xia, Xincheng Huang, Jiahao Ren, Faraz Faruqi, Tianyu Xu, Yang Zhang, David Kim, Ruofei DuCronología · hora de Madrid
- 06:00
- 06:00
- 06:00
- 06:00FDE-Gym: The Last Mile of AI Delivery · arXiv CS.AI
- 06:00
- 06:00
- 06:00
- 05:00
- 05:00
- 05:00
- 06:00
- 06:00
CompartirWhatsApp
Historias relacionadas
- 0Memoria persistente en modelos visión-lenguaje-acción para navegación y manipulación robótica
- 80Responsabilidad legal por agentes de IA descontrolados en OpenAI
- 80Expansión de DeepSeek en agentes, APIs e infraestructura de inferencia
- 80Kimi K3.1 Pro de Moonshot y la apertura de pesos en modelos frontera
- 80Automatización de descubrimiento y explotación de vulnerabilidades por IA