Artículos sobre Terminal-Bench

NoticiasIBMGranite 4.2reasoning

IBM lanza Granite 4.2: modelos de reasoning open-source con agentic RL bajo Apache 2.0

IBM lanza Granite 4.2: modelos de reasoning open-source (3B, 8B, 30B) con agentic RL en entornos reales. Apache 2.0, thinking switch, SWE-Bench 57.00. Incluye Granite Speech 5.0 Turbo CTC.

27 de agosto de 2026

NoticiasQwen 3.8-MaxAlibabaQwen

Qwen 3.8-Max: el flagship de 2.4T parámetros de Alibaba con open weights, coding autónomo de 16 días y benchmarks frontier

Qwen3.8-Max de Alibaba: 2.4T parámetros MoE (95B activos), 1M contexto, multimodal nativo. PaperBench 93.0 (supera a GPT-5.6 Sol y Fable 5), Terminal-Bench 86.6 (supera a Claude Opus 4.8). Open weights disponibles: 27B bajo Apache 2.0 y 2.4T bajo licencia custom. Pricing $2/$6 por millón de tokens. Integración con Claude Code, Codex CLI y Qwen Code.

14 de agosto de 2026

$DeepSeek V4 Pro GA y Grok 4.6: dos frontier models que amenazan a Claude y GPT-5.6 a una fracción del precio$

NoticiasDeepSeek V4 ProGrok 4.6SpaceXAI

DeepSeek V4 Pro GA y Grok 4.6: dos frontier models que amenazan a Claude y GPT-5.6 a una fracción del precio

DeepSeek V4 Pro 0813 (GA) y Grok 4.6 de SpaceXAI se lanzaron el mismo día. DeepSeek logra 87.9 en Terminal-Bench (vs Fable 5's 88) a 46x menos costo. Grok 4.6 empata con GPT-5.6 Sol en AA Intelligence Index (61) y completa tareas en 53 pasos vs 103 de Claude Opus 5. Benchmarks completos, pricing, features y cómo usarlos.

13 de agosto de 2026