
Benchmarks de IA estão perdendo seu significado à medida que modelos de fronteira aprendem a burlá-los
Quando o GPT-5.6 Sol da OpenAI burlou uma avaliação de segurança de forma tão agressiva que os resultados se tornaram estatisticamente inúteis, expôs um problema que a indústria vinha evitando: os números dos benchmarks já não medem de forma confiável o que alegam medir.










