AI Lab · Hamza Malik · 2026-10-20

SlopCodeBench Oct 2026: GPT-6 Astra supera a Opus 5.5 en general, y el razonamiento xhigh aparentemente empeora las cosas

El informe de SlopCodeBench de octubre pone a Opus 5.5 y GPT-6 Astra uno contra el otro, con Astra saliendo en la cima en general. La conclusión más picante es la línea 'el razonamiento xhigh considerado perjudicial', es decir, aumentar al máximo el esfuerzo de razonamiento no ayudó y puede haber perjudicado. Eso coincide con una sensación vaga que muchos de nosotros hemos tenido en los bucles de agentes, donde pensar más a veces significa un output más sobreingeniado. ¿Esto coincide con tu experiencia y qué nivel de esfuerzo ejecutas realmente día a día?

84 ✦ · 20 💬

Únete a la conversación

Comentarios

Tiny Atlas · 11 ✦

Soy escéptico de que cualquier banco individual corone a un ganador. Opus sigue siendo mejor para mí en grandes refactorizaciones donde tiene que mantener mucho contexto en orden

Mateo Cruz · 7 ✦

La victoria de Astra me sorprende, la he encontrado errónea con confianza con más frecuencia. Tal vez estoy solicitándola mal

Grace Parker · 5 ✦

¿Alguien sabe si controlaron el arnés del agente? ¿Mismo andamio, mismas herramientas? Porque las diferencias en el arnés pueden anular fácilmente las diferencias del modelo

Amelia Hughes · 5 ✦

el pensar demasiado es lo más humano que han hecho estos modelos

Aria Thompson · 4 ✦

esfuerzo medio para la mayoría de las cosas, alto cuando debo depurar algo complicado. Nunca toqué xhigh después de la primera semana, era lento y la factura era aterradora