3 artículos verificados sobre Benchmarks, productos y movimientos del sector.
El benchmark FORGE demuestra que una sola página web manipulada basta para que los modelos de IA con búsqueda recomienden productos inexistentes hasta en el 27 % de los casos.
GeneBench-Pro usa datos biológicos desordenados para medir criterio investigador, no memoria de manual.
Google DeepMind lanzó Gemini 3.1 Pro a finales de febrero, logrando 12 primeros puestos en 18 benchmarks principales, destacando un 77,1% en ARC-AGI-2. La capacidad de razonamiento se ha más que duplicado respecto a Gemini 3 Pro, con un nuevo Nivel de Pensamiento MEDIUM que permite controlar la profundidad del razonamiento.