Meta ha manipulado ligeramente un punto de referencia para la inteligencia artificial, probablemente para demostrar que sus algoritmos exceden en la capacidad y la eficiencia de las de las empresas que lideran notablemente en el sector, principalmente OpenAi, pero también con respecto a Google y Anthrope.
Según Kylie Robison de The Verge, las sospechas nacieron cuando, durante el fin de semana, Meta lanzó dos nuevos modelos de inteligencia artificial basados en su gran modelo de Langua Llama 4. Los modelos, llamados Scout and Maverick, fueron creados respectivamente para responder a la consulta rápido Y para competir eficientemente con soluciones más establecidas como OpenAI GPT-4.
En el blog Presentation Post, Meta proporcionó una gran cantidad de datos técnicos. Estos detalles, aunque útiles para los investigadores y para aquellos que son apasionados por la inteligencia artificial, son menos relevantes para la mayoría de los usuarios.
Numerosos expertos notaron de inmediato datos particularmente sorprendentes: el El modelo Maverick tiene obtenido Un puntaje ELO de 1417 en la plataforma LMMAuna herramienta de código abierto para evaluar el rendimiento de los modelos de inteligencia artificial donde una puntuación más alta indica una mayor eficiencia. Con este resultado, Maverick se colocó en el segundo lugar en el ranking, excediendo GPT-4 e inmediatamente se encendió solo a Gemini 2.5 Prodespertando una gran sorpresa en todo el ecosistema de IA.
Al analizar los detalles, se supo que la versión Maverick sometida a las pruebas con LMana difiere ligeramente de la disponible para los usuariosya que se ha programado para ser más «hablador» e, de esta manera, influir positivamente en el punto de referencia. En esencia, el modelo mostró un cierto «encanto» que favoreció la obtención de una puntuación más alta.
La plataforma LMANA no dio la bienvenida a esta estrategia; En una declaración, especificó que la interpretación dada por el destino de sus políticas no refleja las expectativas y ha anunciado una actualización de las reglas de la clasificación para garantizar evaluaciones equivalentes y reproducibles en el futuro.
En el pasado, varios fabricantes han adoptado estrategias similares, modificando configuraciones como el brillo de la pantalla o la liberación de versiones de los productos sin bloatwarePara mejorar sus puntajes, hasta soluciones más sofisticadas capaces de detectar las principales herramientas de referencia para aumentar el rendimiento más allá de los niveles máximos disponibles para los usuarios.
Para todos los artículos dedicados a la inteligencia artificial, comenzamos desde esta página de Macitynet.