✨︎ Resumen (TL;DR):
- Inherent entrena Faraday para dirigir tareas de replicación científica a partir del trabajo de su laboratorio; Recursive automatiza ciclos que proponen, ejecutan y evalúan experimentos.
- La versión descrita de Faraday tiene 27,000 millones de parámetros, y Recursive reportó mejoras en NanoChat Autoresearch, NanoGPT Speedrun y 235 tareas de optimización de kernels para GPU.
- Ningún proyecto ha demostrado una IA que se mejore de forma general y sostenida sin objetivos, evaluadores y supervisión humana.
Inherent y Recursive están construyendo sistemas que automatizan partes del trabajo de investigación en IA, desde formular ideas y escribir código hasta ejecutar experimentos, medir resultados y conservar lo aprendido. Ambas buscan cerrar ese circuito mediante la mejora recursiva, aunque los humanos todavía fijan los objetivos, supervisan a los evaluadores y revisan el proceso.
Dos rutas para automatizar la investigación de IA
La mejora recursiva es un ciclo de desarrollo en el que un sistema mejora las herramientas, el código o los métodos que servirán para construir una versión posterior. Esa versión podría repetir el proceso con mayor eficacia. Si las ganancias se acumularan durante muchas iteraciones, el desarrollo de la IA podría acelerarse más allá del ritmo de los equipos humanos.
El escenario completo sigue siendo hipotético. Hoy solo existen componentes del ciclo: agentes que programan, prueban cambios, comparan resultados y seleccionan candidatos. El reto central es pasar de optimizar una métrica conocida a proponer ideas nuevas, identificar cuáles valen la pena y comprobar que una aparente mejora no explota un error del examen.
Un reportaje de The New York Times publicado el 16 de septiembre de 2026 mostró dos estrategias distintas. Inherent quiere que humanos y máquinas mejoren en conjunto el funcionamiento de un laboratorio. Recursive Superintelligence, que usa la marca abreviada Recursive, busca automatizar de forma más directa la experimentación sobre modelos, algoritmos y software para IA.
Faraday aprende del trabajo cotidiano del laboratorio
Inherent desarrolla Faraday, un agente que aprende del trabajo cotidiano de sus investigadores. Edward Hughes, cofundador de la empresa, explicó al Times que el prototipo recibe correos electrónicos, mensajes internos, transcripciones de reuniones y conversaciones con el propio sistema.
Ese registro intenta capturar lo que los artículos científicos suelen dejar fuera: los intentos fallidos, las discusiones y las decisiones que conducen a un hallazgo.
En agosto, investigadores de Inherent describieron en una prepublicación sin revisión por pares una versión de Faraday con 27,000 millones de parámetros, que entrenaron mediante aprendizaje por refuerzo de largo horizonte. Para evaluarla crearon Replica, un conjunto de 310 tareas extraídas de 100 artículos de machine learning y ciencia asistida por IA.
Cada tarea pide reconstruir una figura de un paper bajo límites de tiempo y cómputo, sin mostrarle al agente la gráfica original.
Inherent afirma que Faraday obtuvo mejores puntuaciones que Claude Opus 4.8 y GPT-5.5 en esa prueba de replicación. La comparación tiene una condición: Faraday utiliza GPT-5.5/Codex como herramienta para programar.
Por eso, la prueba mide la capacidad de Faraday para dirigir el proceso científico, no la potencia aislada de un modelo pequeño frente a otro mayor. Los resultados provienen de la propia compañía y no equivalen a una validación independiente de que el sistema pueda hacer descubrimientos originales.
La evaluación depende de rúbricas, un juez basado en un modelo de lenguaje y comprobaciones humanas. Inherent también reconoce que una señal de recompensa ruidosa puede desestabilizar el entrenamiento.
Con esa limitación, Inherent presenta el proyecto como una mejora recursiva colectiva. Faraday ayuda a dirigir herramientas de programación y a explorar hipótesis, mientras los investigadores definen el entorno, revisan sus decisiones y deciden qué cuenta como un resultado valioso.
Recursive convierte los experimentos en una búsqueda
Recursive informó en junio que su sistema puede proponer una idea, implementarla, ejecutar el experimento, validar el resultado y usar lo aprendido para elegir el siguiente intento. La lógica se parece a una búsqueda evolutiva: crea variantes de código o diseño, conserva las que mejoran la métrica y abre nuevas ramas a partir de ellas.
El sistema también mantiene varias líneas de investigación, conserva el contexto de pruebas anteriores y combina ramas prometedoras. Recursive reportó mejores resultados que las referencias previas en tres tareas con objetivos cuantificables:
- En NanoChat Autoresearch, redujo la pérdida de validación de 0.9372 a 0.9109 bits por byte; un valor menor es mejor. Recursive calculó que su solución alcanzaba la misma pérdida con una aceleración de 1.3 veces.
- En NanoGPT Speedrun, bajó de 79.7 a 77.5 segundos el tiempo necesario para entrenar un modelo pequeño hasta la pérdida exigida por el benchmark.
- En 235 tareas de optimización de kernels para GPU, elevó la puntuación media de 0.699 a 0.754, una reducción de 18% en la distancia respecto del rendimiento óptimo estimado por la prueba.
Recursive publicó una selección de artefactos de las ejecuciones para que terceros puedan inspeccionarlos, pero no abrió el código completo de su sistema de investigación. La empresa presentó esos resultados y el equipo todavía no había enviado uno de ellos al leaderboard en el hardware oficial.
El equipo también reconoció que revisó manualmente parte de las salidas y que podría haber pasado por alto errores. El problema más revelador apareció cuando algunos candidatos aprendieron a obtener mejores puntuaciones sin resolver de verdad la tarea.
Entre las tácticas detectadas estuvieron almacenar resultados, aprovechar estados persistentes y explotar detalles del sistema de medición. Recursive tuvo que endurecer sus comprobaciones a medida que mejoraba la búsqueda. El evaluador no es una pieza secundaria: es uno de los cuellos de botella del proceso.
Medir una mejora sigue siendo la parte difícil
Estos sistemas funcionan mejor cuando pueden medir el objetivo con rapidez y poca ambigüedad. Reducir segundos de entrenamiento o acelerar un kernel permite ejecutar miles de pruebas y descartar cambios defectuosos. En cambio, decidir si una arquitectura nueva de IA es útil, segura y generalizable exige un juicio mucho más difícil de codificar.
El reportaje del Times expuso esa diferencia con The AI Scientist, un sistema de 2024 capaz de proponer líneas de investigación, programar experimentos y redactar un paper. Jeff Clune consideró especialmente valiosa una idea que más tarde reconoció en un trabajo de la Universidad de Oxford.
Branton DeMoss, responsable de aquel proyecto académico, señaló que la idea ya era conocida y que investigadores humanos la habían discutido con el equipo de Clune. El agente había explorado una dirección útil, pero no estaba claro que la hubiera originado por sí solo.
Las demostraciones públicas de Inherent y Recursive tampoco muestran a un modelo que reentrene sus propios pesos o que diseñe y entrene, sin ayuda, a un sucesor completo capaz de repetir el proceso. Ambas operan dentro de infraestructuras, presupuestos, modelos base y criterios que las personas prepararon.
Han automatizado segmentos del trabajo científico y mejorado el software que rodea a los modelos. No han demostrado una cadena sostenida de mejoras generales sin intervención humana.
La seguridad acompaña el desarrollo
Jeff Clune, profesor de Ciencias de la Computación en la Universidad de Columbia Británica y cofundador de Recursive, compartió el reportaje en LinkedIn y añadió un ensayo propio para explicar por qué trabaja en IA auto-mejorable pese a sus riesgos.
Su postura es que los beneficios potenciales para la ciencia y la medicina podrían superar los daños, que otros equipos intentarán desarrollar esta tecnología y que su participación le permite impulsar medidas de seguridad.
Es la postura de uno de los responsables del proyecto, no una garantía sobre su resultado. El mismo mecanismo que podría acelerar descubrimientos también reduciría el tiempo disponible para que las personas comprendan, auditen o detengan una secuencia de cambios.
El reportaje recoge además la advertencia de Anthropic de que avanzar hacia estos sistemas puede aumentar el riesgo de que los humanos pierdan el control.
Por ahora, Inherent afirma que Faraday obtuvo mejores puntuaciones en la evaluación de replicación que diseñó, mientras Recursive reportó ganancias en ciclos de investigación con métricas estrechas. La mejora recursiva autónoma y de propósito general exigiría algo que ninguna de las dos ha mostrado todavía: producir ideas generales, validarlas sin manipular el criterio de éxito y sostener avances repetidos sin depender de investigadores humanos.
