Al diseñar placas de partición a partir de videos de calibradores, Claude Opus 5.5 cometió un error de lectura una vez igual que el objeto real, mientras que GPT-6.1 Sol acertó las 3 veces

Se realizó un intento de recrear las placas de partición de un portalápices utilizando una impresora 3D. Cuando se le entregaron a Claude Code (Claude Opus 5.5) fotos y videos medidos con calibradores para diseñar las placas, las placas terminadas no encajaron en el portalápices.

Por consiguiente, se utilizaron las mismas fotos y videos para añadir problemas a un benchmark de LLM personal, OreOre-Bench. En los resultados, GPT-6.1 Sol (reasoning high) produjo placas con dimensiones que encajaban las 3 veces. Por otro lado, Claude Opus 5.5 (effort high) cometió el mismo error de lectura que cuando falló con el objeto real en 1 de cada 3 ocasiones, y no encajó.