BENCHMARKS REALES
GPT-5.6 duplica la velocidad y reduce 27% el costo de un agente de IA en producción
Ploy migró su agente de creación de sitios web de Claude Opus 4.8 a GPT-5.6 y documentó el resultado: builds 2.2× más rápidos, 27% más baratos y mejor calidad visual. El caso expone las trampas técnicas del cambio de proveedor.
El primer modelo que destronó a Opus
Ploy, una plataforma que usa agentes de IA para construir sitios de marketing en producción, acaba de publicar su migración a GPT-5.6 Sol, el modelo flagship que OpenAI lanzó esta semana. Durante cuatro meses, ningún modelo había logrado superar a Claude Opus en las evaluaciones internas de la compañía. GPT-5.6 lo hizo.
El agente de Ploy planifica páginas, lee código, escribe componentes, genera imágenes, toma capturas de su propio trabajo y decide cuándo terminó. Después de ajustar el harness de evaluación y los schemas de herramientas, los builds completados tomaron menos de la mitad del tiempo (3m 42s vs. 8m 00s), costaron 27% menos ($2.22 vs. $3.06 por build) y obtuvieron mejor puntaje visual (0.970 vs. 0.936).
Las trampas del cambio de proveedor
Ploy usa el AI SDK de Vercel, pero migrar de Claude Opus 4.8 a GPT-5.6 expuso diferencias de comportamiento en tres capas: cómo los modelos llenan argumentos de herramientas, cómo cachean prompts y cómo reiteran razonamiento entre turnos.
El primer problema apareció en las llamadas a herramientas. Claude envía solo los 2 o 3 parámetros que usa de una herramienta con 25 campos opcionales; GPT-5.6 envía los 25, llenando los no usados con valores inventados como offset: 0 o siteId: "00000000-0000-0000-0000-000000000000". La implementación de lectura de archivos no distinguía un valor inventado de uno real: entre 52% y 64% de las lecturas de GPT-5.6 devolvían vacío. El modelo compensaba con más llamadas y peores resultados.
La solución fue reescribir el schema en el boundary del proveedor: para modelos de OpenAI, Ploy convierte cada propiedad opcional en required pero nullable usando anyOf: [T, null], y luego elimina los nulls antes de la validación. El prompting directo (
SEGUIR LA SEÑAL
VER TODO →
OpenAI lanza un fondo de US$1.000 millones para que defensores cibernéticos protejan infraestructura crítica
OpenAI creó Daybreak for Frontline Defenders, una iniciativa global que destina mil millones de dólares en acceso subsidiado a modelos de IA, capacitación y soporte técnico para que equipos con recursos limitados defiendan sistemas esenciales: agua, electricidad, gobierno local y banca.
Anthropic invierte USD 35.000 millones en infraestructura con Lambda para Claude
La compañía cerró un contrato de USD 35.000 millones con Lambda, proveedor respaldado por Nvidia, para construir un centro de datos de 350 megavatios en Texas. Es parte de una estrategia de expansión masiva antes de su salida a bolsa.
OpenAI factura US$1.000M anuales con publicidad en ChatGPT
El negocio publicitario de ChatGPT alcanzó un ritmo de US$1.000 millones anuales en apenas 200 días. OpenAI busca diversificar ingresos antes de su IPO y demuestra que los chatbots pueden funcionar como plataformas de marketing.