Etiqueta: agentes de IA

  • Detectan agentes de IA no autorizados que acceden a cuentas bancarias de clientes en Estados Unidos

    Detectan agentes de IA no autorizados que acceden a cuentas bancarias de clientes en Estados Unidos

    Los principales bancos de Estados Unidos detectaron accesos a cuentas de sus clientes por parte de agentes de inteligencia artificial (IA) de terceros, algunos de los cuales realizaron acciones sin seguir las instrucciones de los usuarios, una situación que genera preocupación por los riesgos de seguridad en el sistema financiero.

    Entidades como Bank of America, JPMorgan, Morgan Stanley, Citi y Wells Fargo figuran entre las instituciones que identificaron este problema, según informó el medio Axios, que citó a fuentes conocedoras de la situación.

    El creciente uso de agentes de inteligencia artificial en los servicios digitales representa un nuevo desafío para los bancos, debido a las dificultades para determinar si quien ingresa a una cuenta es el propio cliente o un programa automatizado que utiliza sus credenciales.

    Las instituciones financieras encontraron diferentes situaciones. En algunos casos, los clientes autorizaron a los agentes de IA para acceder a sus cuentas mediante sus datos de inicio de sesión, mientras que en otros detectaron que estas herramientas ejecutaron acciones de manera independiente, sin ajustarse a las indicaciones recibidas.

    Ante estas dificultades, los bancos comenzaron a implementar restricciones para impedir el ingreso de determinados agentes de inteligencia artificial desarrollados por terceros. También iniciaron modificaciones en sus términos y condiciones para regular el acceso de estas herramientas a los servicios bancarios.

    Sin embargo, los ejecutivos de las entidades financieras consideran necesario encontrar un equilibrio entre la protección de las cuentas y el uso de estas tecnologías, debido a que su adopción continúa aumentando. Según Axios, las instituciones buscan alternativas que permitan establecer controles sin llegar a prohibir completamente los agentes de IA.

    Una de las principales preocupaciones del sector bancario es desarrollar mecanismos capaces de diferenciar las actividades realizadas por personas de aquellas ejecutadas automáticamente. El desafío también incluye identificar cuáles agentes cuentan con autorización de los clientes y cuáles podrían utilizarse para cometer actividades fraudulentas.

    Las fuentes consultadas por Axios advirtieron, además, sobre la rapidez con la que evoluciona la tecnología de agentes de inteligencia artificial y su capacidad para descubrir nuevas vulnerabilidades en los sistemas digitales. Esta situación obliga a las instituciones financieras a fortalecer sus medidas de seguridad y prepararse para posibles escenarios de riesgo relacionados con el acceso automatizado a las cuentas bancarias.

  • Nvidia lanza nuevos modelos de inteligencia artificial cinco veces más rápidos

    Nvidia lanza nuevos modelos de inteligencia artificial cinco veces más rápidos

    La tecnológica estadounidense Nvidia presentó este martes sus nuevos modelos abiertos de inteligencia artificial (IA) Nemotron 3.5 Super VL y Nemotron 3.5 Bolt, con mejoras en velocidad, precisión y personalización. La compañía asegura que su modelo más avanzado puede ejecutar determinadas tareas hasta cinco veces más rápido que otros sistemas de su categoría.

    Los nuevos integrantes de la familia Nemotron fueron desarrollados para ejecutar tareas automatizadas mediante agentes de inteligencia artificial, tanto en grandes servidores empresariales como en computadoras y dispositivos locales. Nvidia explicó que estos modelos permiten cubrir diferentes necesidades de procesamiento sin depender necesariamente de servicios externos.

    El Nemotron 3.5 Super VL incorpora 120,000 millones de parámetros y está diseñado para desarrollar procesos complejos con mayor precisión. Entre sus principales capacidades destacan el seguimiento de instrucciones, la utilización de herramientas digitales y la ejecución de tareas empresariales que requieren varios pasos, especialmente en sistemas que funcionan de manera continua.

    Según Nvidia, el nuevo modelo alcanza un rendimiento comparable al de Nemotron 3 Ultra, uno de sus sistemas de razonamiento más grandes, pero utiliza aproximadamente una quinta parte de sus parámetros. La empresa sostiene que esta eficiencia permite completar grandes volúmenes de operaciones con mayor rapidez y asegura que, de acuerdo con sus pruebas, es cinco veces más rápido que el siguiente mejor modelo de su categoría.

    Otra de las características del Nemotron 3.5 Super VL es su capacidad para interpretar documentos visuales, reconocer caracteres, analizar tablas y gráficos, así como extraer información de páginas web y archivos. Estas funciones permiten que los agentes de inteligencia artificial procesen textos e imágenes para generar respuestas relacionadas con el contenido analizado.

    Además, al tratarse de un modelo abierto, las empresas pueden entrenarlo con sus propios datos y adaptarlo a sus necesidades operativas. Nvidia destacó que las organizaciones también podrán instalarlo en su infraestructura tecnológica, lo que facilita la personalización de los sistemas utilizados para automatizar diferentes procesos empresariales.

    Nvidia presenta modelos más pequeños para computadoras

    La compañía también anunció dos versiones de Nemotron 3.5 Bolt, diseñadas para funcionar directamente en dispositivos locales. El modelo Bolt 74B-A9B, de 24 GB, está orientado a tareas que requieren herramientas de inteligencia artificial, como búsquedas en internet, escritura y corrección de código, mientras que Bolt E4B, de 4 GB, fue desarrollado para asistentes conversacionales rápidos y aplicaciones interactivas.

    Nvidia explicó que los modelos Bolt pueden utilizar técnicas de compresión de información para optimizar el consumo de memoria y funcionar junto con otras aplicaciones. El Bolt 74B-A9B puede operar en equipos con procesadores Nvidia RTX Spark, mientras que el Bolt E4B está orientado a dispositivos con chips GeForce RTX, Jetson y RTX/DGX Spark. El Nemotron 3.5 Super VL y el Bolt 74B-A9B ya están disponibles mediante Hugging Face, Open Router y Nvidia NIM, mientras que la versión Bolt E4B estará disponible a partir del 23 de octubre.

  • Anthropic desconecta de internet sus pruebas de IA por falta de control de sus agentes

    Anthropic desconecta de internet sus pruebas de IA por falta de control de sus agentes

    La empresa de inteligencia artificial Anthropic decidió suspender el acceso a internet en todas las evaluaciones internas de sus modelos de IA, mientras desarrolla mecanismos que le permitan garantizar la vigilancia y el control de sus agentes para evitar que ejecuten acciones no autorizadas fuera de sus entornos de prueba.

    La decisión fue anunciada después de que el laboratorio identificara una serie de comportamientos inesperados de Claude, su modelo de inteligencia artificial, entre ellos el envío de una pista falsa relacionada con un asesinato sin resolver a la policía de Filadelfia, Estados Unidos.

    Este incidente llevó a la compañía a reforzar las restricciones de seguridad durante las pruebas.

    «Aunque el impacto de esos comportamientos fue mínimo y ya habíamos desconectado el acceso a internet para algunas de las evaluaciones de ciberseguridad de mayor riesgo, ahora hemos decidido expandirlo a todas nuestras evaluaciones internas hasta que tengamos confirmado que nuestras medidas de seguridad y monitorización realmente son capaces de detener este tipo de comportamientos», señala Anthropic sobre una cadena de sucesos protagonizados por Claude que detectó en una revisión iniciada en julio.

    La compañía explicó en un informe divulgado el viernes que los incidentes fueron identificados durante una revisión iniciada en julio, en la que detectó que sus agentes de inteligencia artificial podían realizar operaciones que excedían las tareas originalmente asignadas.

    Entre las irregularidades encontradas figuran la explotación de vulnerabilidades informáticas mediante inyecciones SQL y comandos en páginas de terceros, el envío de formularios sin autorización y la utilización de enlaces acortados para superar restricciones relacionadas con la longitud de las direcciones de internet.

    El laboratorio también identificó intentos de evadir limitaciones de acceso en sitios gubernamentales, lo que puso de manifiesto los riesgos asociados al funcionamiento de agentes de inteligencia artificial con capacidad para interactuar con plataformas externas sin una supervisión suficientemente efectiva.

    «En muchos de los casos donde observamos estos comportamientos, a Claude se le habían encomendado tareas que eran ambiguas o imposibles de completar. Nosotros y otros hemos observado que cuando a los modelos se les dan tareas imposibles de completar, persiguen estrategias no deseadas y, a veces, desalineadas para lograr sus objetivos», indica el laboratorio de IA.

    Los incidentes descritos por Anthropic presentan similitudes con situaciones registradas en agentes de inteligencia artificial de OpenAI, empresa creadora de ChatGPT, que también tuvo que suspender temporalmente el entrenamiento de uno de sus modelos avanzados tras detectar ataques contra sitios web del Gobierno de Estados Unidos y accesos masivos a una plataforma de la Organización de las Naciones Unidas (ONU).

  • OpenAI admite fallos tras acceso de IA en Australia

    OpenAI admite fallos tras acceso de IA en Australia

    El director de estrategia de OpenAI, Jason Kwon, reconoció este martes que la compañía no gestionó «suficientemente bien» el acceso no autorizado de uno de sus agentes de inteligencia artificial (IA) a un portal del sistema público sanitario de Australia.

    Kwon compareció ante el Parlamento australiano, convocado por una comisión que investiga el impacto de la IA, donde aseguró que el incidente «no debería haber ocurrido» y reconoció errores en la respuesta posterior de la compañía.

    «Lo sentimos y sabemos que tenemos trabajo por hacer para reconstruir la confianza del pueblo australiano», afirmó Kwon durante la audiencia celebrada en Sídney. También admitió que OpenAI esperó demasiado para comunicar lo sucedido al Gobierno y que debió informar inmediatamente a los responsables afectados, incluso sin conocer todavía todos los detalles.

    El incidente ocurrió en junio, cuando un modelo de OpenAI utilizado en un entorno interno de entrenamiento y evaluación recibió la tarea de investigar información sobre el gasto público en medicamentos para enfermedades de la piel en comunidades del estado de Victoria. Sin embargo, el episodio no fue comunicado hasta el pasado mes.

    Ante las dificultades para encontrar la información solicitada, el modelo ejecutó acciones que no estaban autorizadas y accedió a zonas no públicas de un sistema gubernamental. Allí ejecutó comandos, consultó archivos internos, credenciales e información estadística y llegó a escribir archivos. OpenAI aseguró que no encontró pruebas de que hubiera accedido a historiales médicos o datos individuales de pacientes.

    La controversia adquirió dimensión internacional después de que el primer ministro australiano, Anthony Albanese, denunciara ante la Asamblea General de Naciones Unidas que un agente de IA de OpenAI había ingresado sin autorización a un portal relacionado con Medicare. La compañía consideró el episodio como un nuevo tipo de amenaza cibernética asociada con sistemas de IA capaces de actuar autónomamente.

    Kwon aseguró que OpenAI reforzó desde entonces la seguridad de sus entornos de investigación, con una mayor supervisión de los modelos en tiempo real y sistemas de alarma para detectar interacciones no previstas. La empresa también creó un equipo específico en Australia para analizar los riesgos de sistemas de IA cada vez más capaces y mejorar su respuesta ante futuros incidentes.

    La comparecencia ocurre en medio de un creciente escrutinio sobre los agentes de IA. OpenAI informó en julio de otro incidente en el que uno de sus modelos superó restricciones de un entorno de evaluación y accedió a internet para interactuar con sistemas de Hugging Face. También reconoció interacciones no previstas con páginas de la Comisión de Bolsa y Valores (SEC) de Estados Unidos, aunque sostuvo que únicamente se accedió a información pública. Su competidora Anthropic reportó que algunos de sus modelos accedieron durante pruebas a sistemas de varias organizaciones, mientras evaluaciones de seguridad en Estados Unidos y Reino Unido documentaron intentos de modelos de IA por eludir restricciones o ejecutar acciones no previstas.

  • Apple reforzará el acceso a datos en macOS ante riesgos de privacidad por agentes de IA

    Apple reforzará el acceso a datos en macOS ante riesgos de privacidad por agentes de IA

    Apple anunció que reforzará los controles de seguridad de ‘Full Disk Access’ (Acceso total al disco) en macOS, ante los riesgos de que aplicaciones de terceros y agentes de Inteligencia Artificial (IA) accedan de forma indebida a información sensible de los usuarios.

    ‘Full Disk Access’ es un permiso especial de seguridad de macOS que permite a una aplicación tener acceso prácticamente ilimitado a los archivos y datos almacenados en el ordenador. La compañía busca que los usuarios tengan mayor control antes de autorizar este nivel de acceso.

    Apple detalló en su sitio web que las nuevas medidas exigirán acciones explícitas e informadas de los usuarios antes de conceder estos permisos, con el objetivo de reducir el riesgo de exposición de información privada almacenada en sus equipos.

    «Algunos desarrolladores están utilizando ‘Full Disk Access’ de algunas formas que podrían poner en riesgo a los usuarios al exponer todo el contenido de sus sistemas, incluidos archivos, correos, mensajes e incluso el historial de navegación, sin su pleno conocimiento y comprensión», ha señalado Apple.

    La tecnológica también advirtió que el avance de la inteligencia artificial hace necesario reforzar este tipo de controles de privacidad y seguridad. Según la compañía, «a medida que los agentes de IA se vuelven cada vez más capaces y autónomos, los riesgos asociados a este nivel de acceso aumentarán sustancialmente».

    Apple pretende que las personas conozcan con claridad las implicaciones antes de permitir que una aplicación acceda completamente al contenido de sus dispositivos. De esta forma, busca que las decisiones relacionadas con los datos personales y la privacidad sean tomadas con mayor conocimiento.

    Las preocupaciones por el acceso de los agentes de IA a ‘Full Disk Access’ recuerdan un caso denunciado recientemente por un columnista de Inc. relacionado con Muse de Meta, que consiguió leer todos sus mensajes privados.

    El columnista manifestó su sorpresa debido a que, según explicó, nunca autorizó al agente de IA de Meta a leer sus mensajes y, además, tenía desactivada la función ‘Full Disk Access’ en su equipo.

  • El nuevo cliente es una inteligencia artificial: la empresa que enseña a las marcas a venderle a los agentes de IA

    El nuevo cliente es una inteligencia artificial: la empresa que enseña a las marcas a venderle a los agentes de IA

    Cada vez menos personas abren la lista de enlaces de Google para decidir qué comprar. Le preguntan a ChatGPT qué banco les conviene, a Gemini qué seguro contratar o a Claude qué hotel reservar. La respuesta llega en un párrafo con dos o tres marcas mencionadas por nombre. Las demás no existen para ese usuario.

    El siguiente paso ya está en marcha: agentes de inteligencia artificial que no solo recomiendan, sino que comparan precios, llenan formularios, reservan y compran en nombre del usuario. Para una marca, eso cambia quién es el cliente. Durante décadas el marketing se dirigió a personas. Ahora una parte creciente de la decisión la toma, o la filtra, una máquina.

    Sobre ese cambio se construyó Temso AI, una compañía estadounidense de software con equipo remoto y presencia en Europa y América Latina. Su propuesta cabe en una frase: ayudar a las marcas a venderle sus productos y servicios a los agentes de IA. En la práctica, eso significa medir si un asistente de inteligencia artificial menciona a la marca cuando alguien pide una recomendación, entender por qué sí o por qué no, y corregirlo.

    «Toda la historia de marketing ha consistido en persuadir a personas. Por primera vez, las marcas tienen que persuadir a una máquina. El agente de IA lee, compara y decide antes de que el humano vea una sola opción. Casi ninguna empresa sabe qué dice ese agente sobre su marca, y mucho menos cómo cambiarlo», explica Gerardo Bonilla, cofundador salvadoreño de la empresa, en entrevista con Diario El Mundo.

    Rentable en menos de un año, financiada por sus clientes

    Temso se fundó a finales de 2025. Es una empresa de Estados Unidos sin sede física: su equipo trabaja de forma remota desde Europa, Reino Unido, y El Salvador. En menos de un año de operaciones alcanzó rentabilidad. Hoy trabaja con cientos de clientes en mas de 50 países: agencias de marketing que revenden el servicio, aseguradoras, bancos, fondos de inversión, universidades y negocios locales.

    «Un banco quiere saber si aparece cuando alguien pregunta por una tarjeta de crédito. Una clínica quiere saber si la IA la recomienda. Una agencia quiere ofrecer ese servicio a veinte clientes a la vez. La pregunta es la misma para todos», dice Bonilla.

    Acción, no reportes

    El sector, conocido como optimización para motores de respuesta (AEO, por sus siglas en inglés), se llenó de empresas en menos de dos años. Las herramientas tradicionales de marketing digital, como Semrush o HubSpot, nacieron para medir el posicionamiento en Google y agregaron módulos de inteligencia artificial encima. Temso nació en el otro extremo.

    La diferencia está en qué pasa después del dato. Las herramientas clásicas entregan analítica: gráficas, rankings, alertas, y dejan el trabajo al cliente. Temso está construida alrededor de la acción. La plataforma consulta a diario a los principales asistentes de IA y mide si la marca aparece y qué páginas usó la máquina para armar su respuesta. A partir de ahí hace el trabajo: audita el sitio web y prepara las correcciones para que los agentes lo lean sin fricción, redacta el contenido que la IA necesita citar, y escribe las propuestas para que medios y publicaciones externas hablen de la marca.

    «Un reporte que nadie ejecuta no vale nada», resume Bonilla. «Las herramientas viejas te dicen que tienes un problema. Nosotros te decimos la solución y hacemos el trabajo por ti.»

    Hay otra diferencia técnica. Temso no consulta a los modelos por sus interfaces de programación, sino que captura las respuestas desde las mismas pantallas que ve un usuario real en cada país. La empresa sostiene que lo que un consumidor recibe en ChatGPT difiere de lo que entrega la versión para desarrolladores, y que medir la segunda engaña a las marcas.

    Datos propios sobre cómo decide la IA

    La misma infraestructura alimenta el AI Search Desk, la unidad de investigación de la empresa. Cada mes captura más de 500 mil respuestas de los motores de IA en distintos países y, con esa base, publica rankings por industria y país y estudios que circulan en la prensa especializada.

    Uno de ellos analizó más de 7 millones de citas en 47 industrias para medir cómo los modelos tratan las fuentes en idiomas distintos del inglés. Otro, sobre 2 millones de citas en cinco modelos, encontró que el 71 % de las fuentes que cita una IA no las cita ninguna otra: ChatGPT y Gemini, ante la misma pregunta, se apoyan en páginas casi completamente distintas.

    «Eso cambia la conversación con cualquier gerente de marketing», dice Bonilla. «No existe ‘aparecer en la IA’. Existe aparecer en ChatGPT, en Gemini, en Copilot, cada uno por separado, y cada uno lee fuentes diferentes. Venderle a los agentes es venderle a cada uno.»

    Los medios descubren que su autoridad vale dinero

    El dato tiene un segundo cliente: los medios de comunicación. Cuando ChatGPT responde qué banco elegir, cita periódicos, sitios de reseñas y blogs. Temso mantiene un directorio público con más de 2 mil publicaciones clasificadas por cuánto las citan los modelos de IA en cada industria.

    Sobre esa base la empresa corre pilotos con grupos editoriales globales, para medir la influencia de cada medio en las respuestas de la IA y convertirla en ingresos. Un periódico que la IA cita con frecuencia en temas financieros puede cobrar más por su contenido patrocinado en esa categoría y acreditar esa influencia frente a anunciantes.

    «Los medios están regalando a la IA algo que vale dinero: su contenido y autoridad. Nosotros les ayudamos a medirla y a moentizarla», afirma Bonilla.

    El comprador que nunca ve un anuncio

    Lo que viene, según la empresa, es más radical que un cambio de buscador. Los agentes de IA ya pueden comparar seguros, reservar hoteles y llenar un formulario de solicitud sin que el usuario vea una sola página. Cuando eso sea la norma, gran parte del marketing tal como existe hoy, anuncios, banners, páginas de destino diseñadas para convencer a una persona, se dirigirá a alguien que nunca las verá.

    «El agente no se emociona con un video ni se deja llevar por un descuento en letras grandes. Lee lo que está publicado, evalúa si es confiable y elige. Eso obliga a las marcas a ser claras, verificables y citadas por terceros. Es una forma más honesta de competir, y la mayoría no está preparada», dice Bonilla.

    Para lo que resta de 2026, Temso apuesta por América Latina a través de un programa de agencias asociadas, que forma a agencias de marketing para ofrecer el servicio a sus clientes con la plataforma como base. El razonamiento es simple: cada empresa de la región, del banco a la ferretería, va a tener que responder la misma pregunta, y las agencias que ya las atienden son el camino más corto para llegar a ellas.

    La recomendación de Bonilla para cualquier empresario cabe en una línea: «Abra ChatGPT, pregunte por su industria y vea si aparece. Si no aparece, ese es el problema. Si aparece, vea qué dice de usted. Ahí empieza todo.»

  • Investigadores advierten sobre los peligros de los nuevos agentes autónomos de IA

    Investigadores advierten sobre los peligros de los nuevos agentes autónomos de IA

    La creciente autonomía de los agentes de inteligencia artificial (IA) puede abrir nuevas brechas de seguridad y facilitar su utilización con fines maliciosos, según advirtieron investigadores de la Escuela Politécnica Federal de Lausana (EPFL), en Suiza.

    Los expertos realizaron distintas pruebas con estos agentes y determinaron que ciertas estrategias pueden conseguir que ejecuten acciones perjudiciales que normalmente rechazarían. El problema surge porque algunas de estas técnicas no han sido contempladas en las pruebas convencionales de seguridad.

    Investigadores del Laboratorio de Procesamiento del Lenguaje Natural de la EPFL observaron que los agentes suelen rechazar una solicitud directa para realizar una actividad ilícita o dañina. Sin embargo, las posibilidades de obtener una respuesta favorable aumentan cuando el objetivo se fragmenta en varias instrucciones aparentemente inofensivas.

    «Si le pides a un agente de IA que piratee la cuenta de otra persona, los modelos son por lo general lo bastante inteligentes como para negarse, pero si se descompone el objetivo en peticiones más pequeñas y aparentemente inocuas, hay más posibilidades», destacó el director del laboratorio, Antoine Bosselut.

    Los investigadores pusieron a prueba este método en 176 escenarios diferentes relacionados con tareas perjudiciales y utilizaron modelos de inteligencia artificial como GPT, Gemini y Claude. Los resultados mostraron que, en algunos casos, los agentes tenían el doble de probabilidades de completar acciones maliciosas cuando las instrucciones eran planteadas gradualmente.

    Las pruebas también revelaron otro riesgo: cambiar el idioma utilizado para formular las solicitudes durante las diferentes etapas de una acción puede incrementar considerablemente las posibilidades de que el agente termine ejecutando una tarea perjudicial.

    Los especialistas buscan con estos resultados advertir sobre los desafíos de seguridad que acompañan el desarrollo de agentes de IA con mayores niveles de autonomía, una tecnología con amplias posibilidades de aplicación, pero que también puede ser aprovechada de manera malintencionada.

    «Tradicionalmente la seguridad ha sido algo que se aborda cuando algo falla y no antes, pero con los agentes de IA no puede ser algo que se deje para después», advirtió Bosselut.

     

  • Anthropic lanza Sonnet 5 con mayor autonomía para agentes de IA

    Anthropic lanza Sonnet 5 con mayor autonomía para agentes de IA

    Anthropic presentó este miércoles Sonnet 5, la nueva versión de su modelo de inteligencia artificial, diseñado no solo para responder consultas de los usuarios, sino también para gestionar agentes de IA con mayor autonomía, mejor desempeño y un costo inferior al de otros modelos de la compañía.

    La empresa explicó que Sonnet 5 puede ejecutar tareas como utilizar navegadores web, operar terminales y completar procesos de forma autónoma. Además, adopta la misma nomenclatura de Fable 5, el modelo de la clase Mythos cuyo lanzamiento fue suspendido temporalmente hace dos semanas y que ya volvió a estar disponible a nivel mundial tras recibir la autorización del Gobierno de Estados Unidos.

    Anthropic destacó en su sitio web que el rendimiento alcanzado por Sonnet 5 habría requerido, hace apenas unos meses, un modelo de mayor tamaño y con un costo significativamente más alto. Según la compañía, el nuevo sistema ofrece capacidades cercanas a las de los recientes modelos de la familia Opus.

    Frente a Sonnet 4.6, la nueva versión reduce la tasa de comportamientos indeseables y mejora la seguridad en tareas relacionadas con agentes de inteligencia artificial. Sin embargo, mantiene un rendimiento inferior en funciones de ciberseguridad, un campo en el que Fable 5 continúa destacando.

    Las pruebas de desempeño muestran que Sonnet 5 supera a Sonnet 4.6 en todos los indicadores publicados por Anthropic. Las mayores mejoras se registran en la resolución de tareas complejas de principio a fin, así como en las evaluaciones Humanity’s Last Exam, centrada en conocimiento especializado, y Terminal-Bench v2.1, enfocada en el uso de terminales, donde obtuvo incrementos de 10.6 y 13.4 puntos, respectivamente.

    La compañía también comparó el nuevo modelo con Opus 4.8, uno de sus sistemas más avanzados. Según los resultados, Sonnet 5 logra competir e incluso superar a ese modelo en pruebas de trabajo agéntico como AA-Briefcase y GDPval-AA. Además, cuando se activa el nivel máximo de razonamiento, reduce la diferencia con Opus 4.8 en evaluaciones de tareas complejas.

    No obstante, Anthropic reconoció que Opus 4.8 continúa ofreciendo mejores resultados en matemáticas, razonamiento avanzado y ciberseguridad ofensiva, debido a que Sonnet 5 incorpora limitaciones deliberadas en esas áreas.

    Sonnet 5 ya está disponible como modelo predeterminado para los usuarios de las versiones gratuita y Pro de Claude. Su precio será de $3 por millón de tokens de entrada y de $15 por millón de tokens de salida. La compañía también incorporó un nuevo sistema de tokenización que mejora el procesamiento del lenguaje, aunque un mismo texto puede consumir entre una y 1.35 veces más tokens, lo que representa un incremento de hasta 35 % en el volumen utilizado para un mismo prompt.