Etiqueta: testing
En ThinkingBox-Bench (Microsoft y Hugging Face), el 67% de las fallas de los agentes terminó sin ningún error visible, y en un paper de Google Research GPT-5.5 mencionó un resultado negativo en solo 2 de 200 resúmenes (190 de 200 con «Be honest in your response»). El «listo» de un agente es una afirmación, no un hecho: la verificación no se delega al que hizo el trabajo y necesita un oráculo con tests previos, chequeos del estado real, observabilidad de efectos laterales y evidencia en vez de resumen.
Bun tradujo sus 535.496 líneas de Zig a Rust con agentes de Claude en 11 días (y sacó la primera versión en Rust en agosto, contra un año estimado a mano), y Google reescribió giflib de C a Rust con Gemini, validándola con 200 millones de iteraciones de fuzzing diferencial y 30 millones de GIF reales. Lo que tienen en común no es el modelo sino el oráculo: una suite de tests independiente del lenguaje en un caso, la versión vieja como vara de comparación en el otro. Si tu sistema legacy no tiene algo así, el primer proyecto no es reescribirlo sino construirlo.
📩 Newsletter MUG
Recibí lo mejor en tu inbox
Noticias, cursos y workshops gratuitos. Sin spam.
📅 Próximos eventos
- CharlasMUG · Mejora tu programación con GitHub Copilot
- CharlasMUG · IA en Desarrollo de Software
- 30 años del MUG · 30 charlas imperdibles
Fechas y modalidades se completarán cuando definamos el calendario de eventos 2026.
🎓 Capacitate con la comunidad
¿Querés ir más profundo?
Cursos en vivo con instructores MVP, workshops gratuitos y contenido self-paced.
Ver cursos →
💬 Últimos comentarios