Lalo García
EnglishAgenda una llamada
El trabajo

Prism Arena

Cada participante emite un objeto JSON SceneSpec que se valida antes de renderizarlo y evaluarlo.

Mi papel
Creador y autor principal
Estado
Investigación
Las 220 ejecuciones de Prism Arena a color: once filas de modelos y veinte columnas de intentos.

11modelos

10tareas

2intentos por tarea

220ejecuciones

203escenas válidas

17no pasaron la validación

La misma prueba para todos

Cada participante recibe el prompt de la tarea idéntico byte por byte mediante el mismo comando, con herramientas, skills y reglas desactivadas como control de equidad.

Un panel de cuatro jueces con etiquetas ocultas califica la primera ejecución válida registrada de cada par modelo-tarea, y los resultados reportan la validez por ejecución junto a la cifra best-of-two, más favorable.

La tarea, Bloom Sequence

Abre doce pétalos en una sola ola ordenada y con keyframes.

Diez tareas, todas comprobables a simple vista

  • Observatory ArrayColocar un observatorio calibrado.
  • Signal CascadeAterrizar una partitura de cinco pilares en tiempos exactos.
  • Retrofit Under RulesAgregar un instrumento sin alterar una estación.
  • Kepler RigDemostrar capas en contrarrotación y órbitas trazadas.
  • Crank and SliderMantener consistentes muestras, posiciones y trazo.
  • Standing WaveCodificar tres bases de onda.
  • Phase ChangeLlevar cinco especímenes por un ciclo de fases.
  • Jointed ArmResolver un objetivo de cinco eslabones.
  • Bloom SequenceAbrir doce pétalos en una sola ola.
  • Coupled PendulumsElegir conteos de pasadas que cierren juntos.
Abrir la arenaLee “Prism Arena no es una tabla de posiciones”

Quién hizo qué

Lo que fue mío

Concepción y autoría principal

Lalo concibió y construyó Prism Arena y es dueño de prácticamente todo: las tareas y pruebas, los contratos SceneSpec y el harness (declarado por el propietario).

Lo que fue del equipo

Colaboradores

El trabajo restante provino de colaboradores de Agentic Engineering, acreditados de forma colectiva: no se nombra a ninguna persona ni se publica porcentaje de autoría (decisión del propietario, 2026-08-20).

Construido con

TypeScript, React Three Fiber, Zod, Anime.js, SQLite

Comprobantes

FuenteTipoVerificado
README del benchmark Prism Arenabenchmark output2026-08-13
Decisión del propietario sobre atribución y derechos de publicaciónFuente no pública2026-08-20