Claude Opus 4.7 reimplementa una herramienta de bioinformática de 16.000 líneas en 14 horas

What's the largest software project AI can complete on its own?

MirrorCode, un nuevo benchmark de Epoch AI y METR, pone a prueba la capacidad de los modelos de IA para reimplementar programas completos desde cero, sin acceso al código original. En una de las tareas más grandes, Claude Opus 4.7 logró reimplementar gotree, un kit de herramientas de bioinformática con unas 16.000 líneas de Go y más de 40 comandos, en 14 horas y por 251 dólares. El benchmark incluye 25 programas objetivo y utiliza un presupuesto de inferencia de hasta 10 mil millones de tokens por intento, lo que lo hace más realista que otros benchmarks. Aunque existe riesgo de contaminación por memorización, los resultados sugieren que las capacidades medidas podrían generalizarse a código no visto.