Investigadores lanzaron Kepler, una herramienta de código abierto que crea y verifica modelos ejecutables del mundo para el benchmark ARC-AGI-3. Con una configuración fija de Claude Opus 5, Kepler obtuvo una puntuación de 100.00 RHAE verificada por el servidor en los 25 juegos públicos. Lo consiguió sin seleccionar modelos distintos para cada juego ni volver a ejecutarlos en función de las puntuaciones; además, en la mayoría de los niveles no necesitó más acciones que un jugador humano mediano.
Por qué importa
Para los desarrolladores de IA, el resultado demuestra que un único enfoque basado en modelos del mundo puede igualar la eficiencia humana en numerosas tareas sin costosos ajustes para cada una.
