¿Puede una IA sacar diez en el examen y fallar en la práctica? Eso es lo que le están diciendo a Meta.
Esta semana lanzó Muse Wonder. En sus propias tablas le gana a Claude Opus 5.5 en varias pruebas de código. Pero al probarlo, muchos se quejan: escenas 3D con errores, juegos que parpadean y límites que se acaban en minutos.
Por eso lo acusan de benchmaxxing. O sea, entrenar al modelo para los benchmarks, que son los exámenes de la IA, y no para el uso real.
Ojo: que falle en 3D no significa que sea malo en todo. En el ranking independiente de Artificial Analysis, su versión Full queda a solo dos puntos de Opus.
Y un día después, Google abrió Gemini 4 Argon para todos. En ese mismo ranking empata con GPT-6 Astra. Queda detrás de Opus, pero entre los grandes es el que menos inventa. Y hasta el treinta de noviembre cuesta la mitad que Opus.
O sea: Meta sigue bajo sospecha, y Google por fin volvió a la pelea.
¿Tú cuál vas a probar primero?