Una IA reescribió los pesos de otra y la volvió seis veces mejor: el experimento del MIT que cambia las reglas del juego
Durante años, la receta para mejorar un modelo de lenguaje fue siempre la misma: más datos, más GPUs, más horas de cómputo y una buena dosis de paciencia. Un grupo de investigadores del MIT CSAIL acaba de proponer un atajo que incomoda a esa lógica. En lugar de reentrenar un modelo chico para que razonara mejor, pusieron a un modelo grande a meterle mano por dentro y a recortarle lo que le estorbaba. El resultado, difundido como trabajo preliminar, es difícil de ignorar: el modelo pequeño multiplicó por seis su desempeño en problemas matemáticos sin atravesar un solo ciclo convencional de entrenamiento.
La noticia, adelantada por Xataka, describe un procedimiento que el propio MIT bautizó como Weight-Space Programming (programación de pesos). La idea de fondo es tan simple como disruptiva: si los modelos son, al fin y al cabo, millones de números que determinan cómo se comportan, ¿por qué no editarlos directamente en vez de obligarlos a aprender de nuevo desde cero?
El experimento: un cirujano grande y un paciente chico
Para la prueba los investigadores tomaron un modelo compacto, Qwen3.5-0.8B, y le pusieron como objetivo mejorar su capacidad de resolver problemas matemáticos. Del otro lado del quirófano ubicaron a un modelo de mayor jerarquía —según la fuente, GPT-6 Astra— con la misión de modificar los pesos internos de su pariente menor para corregir determinados bucles de razonamiento que lo hacían tropezar una y otra vez.
El número que resume el impacto es contundente: en el benchmark MATH-500, el modelo pequeño pasó de acertar el 7,9% de los ejercicios a resolver el 48,1%. Es decir, multiplicó su rendimiento por seis sin ser reentrenado. Y lo más llamativo es cuánto se tocó para lograrlo: apenas el 0,016% de los pesos totales. Dicho de otro modo, de cada 10.000 parámetros se modificaron alrededor de 1,6. El resto del modelo quedó exactamente igual.
La conclusión que se desprende de esos números es incómoda y fascinante a la vez: el conocimiento para resolver mejor esas tareas ya estaba ahí, latente, en alguna parte de la red. Lo que faltaba era despejar el camino, sacar de encima los obstáculos que impedían que ese potencial se expresara.
Qué significa, en criollo, programar pesos
Hasta ahora, cuando una empresa quería que su modelo rindiera mejor en un dominio específico, el camino habitual era el ajuste fino (fine-tuning): mostrarle miles o millones de ejemplos hasta que internalizara el patrón. Es un proceso caro, lento y con un componente de prueba y error considerable. La programación de pesos propone otra cosa: en lugar de enseñarle, se le opera.
El modelo grande actúa como un cirujano que conoce la anatomía de la red y decide qué incisiones hacer. No agrega conocimiento nuevo desde afuera, sino que libera capacidad atrapada en circuitos mal calibrados. Es una diferencia sutil pero enorme, porque cambia el modelo mental de la industria: los modelos de lenguaje dejan de ser cajas negras que solo se moldean con datos y empiezan a parecerse a sistemas que se pueden intervenir, depurar y corregir en su estructura interna.
Las letras chicas: dos obstáculos que no conviene minimizar
El entusiasmo tiene límites concretos. El primero es formal: la investigación del MIT todavía no pasó revisión por pares y forma parte de un trabajo preliminar, con todo lo que eso implica en términos de reproducibilidad y de solidez estadística.
El segundo es más de fondo y obliga a bajar el tono de los titulares triunfalistas. El método solo funciona si hay algo que quitar. Cuando los investigadores lo probaron con Gemma 3 270M, un modelo de Google que prácticamente no sufre bucles de razonamiento, la mejora fue casi nula. Es decir: no estamos ante una poción mágica que optimiza cualquier red, sino ante una suerte de desatasco quirúrgico que rinde solo cuando el paciente tiene una obstrucción real.
A eso se suma una pregunta abierta sobre cuánto depende el éxito del par de modelos elegido. Que un modelo grande pueda editar a un hermano menor de la misma familia no garantiza que pueda hacerlo con arquitecturas ajenas o con redes mucho más grandes y complejas.
El contexto: la factura energética que nadie quiere pagar
El hallazgo llega en un momento en el que la conversación de la industria gira alrededor del costo. Entrenar un modelo de frontera consume cifras de energía que ya se miden en términos de infraestructura nacional, y la etapa de inferencia —el momento en que el modelo responde a los usuarios— gasta tanto o más a lo largo del tiempo. En ese escenario, cualquier técnica que permita mejorar un modelo compacto sin volver a entrenarlo de cero tiene un atractivo económico evidente.
Y ahí está el interés que trasciende al laboratorio: si el método se consolida, las empresas podrían revitalizar sus modelos más baratos o más antiguos con una fracción del esfuerzo. Un modelo que corre en un celular o en un dispositivo de borde podría volverse notablemente más capaz sin exigir más hardware, algo especialmente relevante para la región, donde el acceso a potencia de cómputo de punta sigue siendo una limitación concreta para startups y equipos de investigación.
¿Hacia una IA que se repara a sí misma?
Si una inteligencia artificial ya puede arreglar a otra por dentro, el paso siguiente parece obvio y a la vez inquietante: que las mejoras se las aplique ella misma. Los propios investigadores del MIT anticipan esa conclusión, aunque advierten que todavía falta mucho para llegar ahí. La idea de un sistema que detecta sus propios defectos y los corrige en su arquitectura sin intervención humana conecta con las preocupaciones que ya expresan compañías como Anthropic sobre la supervisión de modelos cada vez más autónomos.
No es ciencia ficción inmediata, pero sí una dirección de investigación que empieza a tener respaldo empírico. Y eso, en un campo que avanza a fuerza de demostraciones, cambia el mapa de lo posible.
La pregunta incómoda que deja el experimento
Hay un costado del hallazgo que apunta hacia adentro de la industria. Si al modelo pequeño le bastó con que le recortaran una porción mínima de sus pesos para sextuplicar su rendimiento en matemáticas, cabe preguntarse cuánta capacidad está quedando atrapada, sin aprovechar, en los modelos que hoy usamos a diario. ¿Cuántos de los asistentes que ya están desplegados en millones de dispositivos estarían rindiendo mejor si alguien se tomara el trabajo de optimizarlos en serio?
La respuesta no es trivial, porque sugiere que una parte del progreso en inteligencia artificial no vendrá necesariamente de modelos más grandes, sino de modelos mejor afinados en su interior. La carrera por el parámetro se topa, de golpe, con una carrera por la precisión quirúrgica.
Conclusión: un atajo prometedor, todavía sin garantías
La programación de pesos no jubila al entrenamiento tradicional ni resuelve los problemas de fondo de la inteligencia artificial. Es un trabajo preliminar, con limitaciones explícitas y un alcance que aún no se conoce del todo. Pero introduce una idea que hasta hace poco sonaba a especulación: que los modelos de lenguaje se pueden intervenir directamente, como se depura un programa, y no solo moldear a base de ejemplos.
Para el ecosistema tecnológico latinoamericano, acostumbrado a construir sobre modelos ajenos con recursos limitados, esa perspectiva es particularmente atractiva. Si editar unos pocos pesos alcanza para desbloquear capacidades dormidas, la eficiencia deja de ser un tema secundario y se convierte en la variable decisiva. La próxima gran mejora de un modelo podría no venir de un data center nuevo, sino de una tijera bien aplicada.
¿Te interesa este tipo de temas?
En Efecto te contamos cada día cómo la tecnología cambia la forma en que trabajamos, aprendemos y decidimos. Sumate a nuestra comunidad y seguí las próximas notas sobre inteligencia artificial, innovación y el impacto real de los modelos que ya están entre nosotros.