Resultados por: "benchmarks de software"

Contenidos (1)

SWE-CoWork: los mejores agentes completan menos del 8% de tareas
SWE-CoWork: los mejores agentes completan menos del 8% de tareas

Claude-Opus-5.5 y GPT-6 Astra aprobaron alrededor del 63% de las pruebas de nuevas funciones en SWE-CoWork, pero solo completaron por…

lee más