BREAKING: Anthropic just released Claude Sonnet 4.5, calling it the world’s best coding model • Achieved 82% accuracy on SWE-bench Verified, topping GPT-5 and Gemini 2.5 Pro • Strongest yet at building complex AI agents and using real computers for tasks • Claude Code
LLMS
-
AI Models Execute Bash Tasks Through Agent-Based Paradigm
By
–
coding generalizes well give a model python and let it execute tasks in bash basically they're focusing on agents to lead to AGI, and betting on a very specific paradigm that's all
-

Anthropic Opus 4.1 Achieves Top Position in New GDPval Benchmark
By
–
Bueno, y ya puestos a pedir también quiero ver su posición en el nuevo GDPval donde Anthropic con Opus 4.1 se lleva el oro!
-
Sonnet 4.5 Performance on METR AI Benchmarks Analysis
By
–
De hecho tengo ganas de ver dónde se coloca Sonnet 4.5 en la gráfica de METR de la que os hablaba en mi último vídeo. Ese tipo de benchmarks sí que son interesantes 🙂
-

Autonomous Model Hours Need Human Work Equivalency Comparison
By
–
There's a bit of a weird trend of bragging about how many hours a model can work autonomously (Codex 7 hours, Sonnet 30 hours…) but if there's no comparison to how many hours of human work that task it solves is equivalent to, it doesn't make much sense. I mean, I could also
-

Claude Code 2.0 Checkpoints: New AI Model Features
By
–
En cualquier caso, como siempre, a estos modelos hay que saborearlos y la mejor forma es dentro del nuevo Claude Code 2.0 (que de novedad ahora incluye checkpoints !!) y ver si con eso vuelven a convencer a parte de la comunidad que había migrado a Codex en las últimas semanas.
-

Computer Use Performance Gains in Mathematics and Finance
By
–
Aparte veo interesante la subida en Computer Use (OS World) frente a Opus 4.1, en matemáticas y finanzas.
-

Claude Sonnet achieves 77.2% on SWE-bench Verified
By
–
En capacidades agénticas, que es donde estos modelos tienen un mayor impacto cuando se orquestan con el uso de herramientas o integrándose en Claude Code, Sonnet logra ahora un nuevo record em SWE-bench Verified, con un 77,2% Parece poco, pero estas pequeñas ganancias importan!
-

Claude Sonnet 4.5 Released: Anthropic’s New Best Programming Model
By
–
¡CLAUDE SONNET 4.5 YA ESTÁ AQUÍ! Los de Anthropic mueven ficha y saltan a la versión 4.5 con su nuevo Sonnet, que según indican, es el mejor modelo del mundo para programar! ¿Es esto cierto? En los benchmarks se ve un buen salto en capacidades!
-
GPT-5-Codex outperforms in SVG bicycle drawing capabilities
By
–
It's SVG of a pelican riding a bicycle wasn't as good as GPT-5-Codex though, Codex is much better at drawing bicycles
