NoticiasMacroPrueba de Epoch AI: seis LLM líderes no alcanzan la calidad del trabajo de sus propios empleados

Prueba de Epoch AI: seis LLM líderes no alcanzan la calidad del trabajo de sus propios empleados

Autor: CryptoBriefing·

Puntos clave

  • •Los Automation Reports de Epoch AI, publicados el 8 de octubre de 2026, encontraron que ninguno de los seis modelos de lenguaje evaluados alcanzó el estándar de calidad del 100% definido por el trabajo de sus propios empleados humanos.
  • •Claude Fable 5.1 y GPT-6 Astra compartieron la puntuación más alta, con aproximadamente el 65% de la calidad del trabajo humano, mientras que Gemini 3.8 Flash se quedó en 42%, dejando una brecha de más de 20 puntos porcentuales.
  • •La evaluación utilizó tareas abiertas tomadas del trabajo interno real de Epoch, incluyendo diseño gráfico y diseño de investigación, con evaluadores humanos calificando los resultados según los estándares internos de la organización.
  • •Todos los modelos evaluados rindieron mejor en tareas estructuradas como programación y análisis de datos, pero cada modelo tuvo dificultades con el trabajo abierto que requiere criterio o adaptación a un público específico.
  • •Las clasificaciones de los modelos no cambiaron entre el 8 de octubre y el 17 de noviembre de 2026, y ningún desarrollador se ha adelantado de forma decisiva en este tipo de trabajo abierto.
Prueba de Epoch AI: seis LLM líderes no alcanzan la calidad del trabajo de sus propios empleados

Epoch AI sometió a seis de los modelos de lenguaje más capaces a lo que equivalía a una entrevista de trabajo, y ninguno de los candidatos obtuvo el puesto. Según los nuevos informes de automatización del grupo de investigación, los modelos principales promediaron aproximadamente el 65% de la calidad del trabajo humano en tareas internas reales.

Los Epoch Automation Reports de la organización de investigación, publicados el 8 de octubre de 2026, encontraron que ningún modelo evaluado alcanzó el estándar de calidad que Epoch aplica al trabajo realizado por sus propios empleados humanos. Los de mejor desempeño llegaron a alrededor de dos tercios del camino. Dado que la marca del 100% está definida por el propio personal de Epoch y sus tareas internas, los resultados miden el umbral de aceptación de un empleador real, no un techo de prueba abstracto.

Cómo funcionó la evaluación

La evaluación de Epoch utilizó tareas abiertas tomadas del trabajo real dentro de la organización, incluyendo diseño gráfico y diseño de investigación. Luego, evaluadores humanos calificaron cada resultado según los estándares internos de Epoch, con el objetivo de medir algo más cercano al desempeño laboral real que a un concurso de trivialidades. Esa decisión de diseño importa para quien sigue la adopción de la IA en el trabajo: un buen resultado en una prueba convencional no significa automáticamente que el resultado de un modelo sea algo que un empleador aprobaría.

La escala de calificación estaba anclada a personas: una puntuación de 100% representa trabajo de la calidad que se esperaría de un empleado humano de Epoch.

El marcador

Dos modelos compartieron la primera posición, con Claude Fable 5.1 y GPT-6 Astra promediando cada uno aproximadamente el 65% en las tareas. En el último lugar quedó Gemini 3.8 Flash, que obtuvo 42%, dejando una brecha de más de 20 puntos porcentuales entre los líderes y el modelo rezagado.

Ningún modelo cruzó la línea del 100%. Ni uno solo alcanzó la paridad con los humanos cuyo trabajo estableció el estándar.

Los modelos rindieron mejor en el trabajo estructurado, destacando la programación y el análisis de datos como fortalezas relativas. Todos los modelos tuvieron dificultades con las tareas abiertas que requerían criterio o la adaptación del trabajo a un público específico.

La tabla de clasificación también se mantuvo estable. Al 17 de noviembre de 2026, las clasificaciones no habían cambiado desde la publicación de octubre.

Por qué Epoch construyó otro benchmark

Los informes de automatización de Epoch están diseñados para abordar las deficiencias de la medición convencional del desempeño al reflejar las tareas que las personas realmente realizan en el trabajo. El proyecto forma parte de la misión más amplia de Epoch de rastrear con precisión el progreso y las capacidades de la IA. Ese enfoque convierte las comparaciones de modelos en la pregunta que los empleadores realmente hacen: qué tan cerca está el resultado del trabajo que entregaría un humano contratado?

Qué significan los hallazgos

Los modelos que parecen sobrehumanos en pruebas estructuradas quedaron muy por debajo de la calidad humana una vez que el trabajo exigía decisiones con criterio. El trabajo estructurado como la programación y el análisis de datos parece ser donde los modelos actuales demuestran su valor, mientras que las tareas que dependen de la conciencia del público y la discreción todavía parecen necesitar una persona en el proceso, o al menos una persona que revise el resultado.

Que dos laboratorios rivales compartan la puntuación más alta sugiere que ningún desarrollador se ha adelantado de manera decisiva en este tipo de trabajo abierto. Mientras tanto, el resultado del 42% de Gemini 3.8 Flash ilustra cuán amplia puede ser la brecha entre modelos comercializados para uso serio.

Entre el 8 de octubre y el 17 de noviembre de 2026, ningún modelo subió en la clasificación. El próximo lanzamiento de un modelo enfrentará una prueba clara y pública: si puede superar aproximadamente el 65% en el tipo de trabajo que los empleados reales hacen todos los días.

Divulgación: Este artículo se basa en el reportaje de CryptoBriefing, editado por Diego Almada Lopez. Artículo original: https://cryptobriefing.com/epoch-ai-llms-fail-employee-quality-standard/