El V4 Flash de DeepSeek, líder de las clasificaciones, completó solo el 53,8% de las tareas complejas de agente. Treinta tareas difíciles se ejecutaron en ocho andamiajes distintos.
DeepSeek sacó V4-Pro de la fase de pruebas, liberó su software de agentes y subió los precios de la API. Las nuevas tarifas abaratan el uso fuera del horario chino.
El marco abierto Orchard, de Microsoft Research, ofrece infraestructura común para entrenar agentes. Orchard-SWE obtiene un 69,7 por ciento en SWE-bench Verified.
NVIDIA ha publicado Nemotron 3.5 Lightning para cargas de agentes de larga duración, junto a NeMo Switchyard, una biblioteca de código abierto que enruta cada petición al modelo más adecuado.
El nuevo modelo de SpaceXAI invierte en el post-entrenamiento en lugar de en una base mayor. Grok 4.6 trae 500.000 tokens de contexto, foco en agentes y precios que socavan a sus rivales.
Princeton y el AI Security Institute británico dieron a agentes de IA las preguntas de investigación de dos artículos inéditos de NeurIPS. Ambos resultados fueron rechazados.
DeepSeek anunció Harness, su infraestructura de agentes de código abierto para desarrolladores, junto con el modelo insignia actualizado V4-Pro; los precios de la API subirán.
En un hackathon organizado por Hugging Face, 1.221 participantes usaron agentes de codificación para intentar reproducir las afirmaciones de 2.226 artículos aceptados en ICML 2026.