✨︎ Resumen (TL;DR):
- Lilian Weng regresa a OpenAI apenas dos días después de anunciar su salida de Thinking Machines Lab por problemas de salud.
- Su investigación se centrará en la automejora recursiva, el desarrollo de sistemas de IA capaces de optimizar su propio entrenamiento.
- La salida de Weng deja al laboratorio de Mira Murati sin cuatro de sus seis cofundadores originales en menos de año y medio.
Lilian Weng, cofundadora de Thinking Machines Lab, regresó a OpenAI para liderar la investigación en automejora recursiva de modelos de inteligencia artificial. El movimiento ocurre apenas dos días después de que la investigadora anunciara su salida de la startup fundada por Mira Murati por motivos de salud.
El miércoles 29 de julio de 2026, OpenAI confirmó la contratación a través de un vocero, tras un reporte de The Information. Weng trabajará en el área de automejora recursiva, una línea técnica donde los modelos optimizan los procesos que construyen su propia inteligencia.
La investigadora dejó OpenAI originalmente en noviembre de 2024, tras ocupar la vicepresidencia de investigación y seguridad. Su paso por Thinking Machines terminó oficialmente el martes 28 de julio de 2026.
Weng explicó a su equipo que el ritmo de la startup agravó sus problemas de salud. “No siento que pueda seguir al ritmo que exige una startup”, escribió en un mensaje compartido en su red social X. Durante sus siete meses en la empresa, experimentó constantes recaídas médicas que le impidieron mantener el paso de la compañía.
El plan ya estaba escrito en su blog personal
La hoja de ruta para su nuevo puesto en OpenAI no es un misterio. El 4 de julio de 2026, Weng publicó un extenso ensayo académico en su blog personal, titulado “Harness Engineering for Self-Improvement”.
En ese texto define el concepto central de su nuevo encargo. La automejora recursiva es una línea de investigación que busca que un sistema de IA mejore la maquinaria que produce su propia inteligencia. No se trata de que el modelo altere directamente sus pesos matemáticos, sino de que optimice la tubería de entrenamiento y el entorno de despliegue, conocido en ingeniería como harness.
El harness es la capa de software que rodea al modelo base y decide cómo planea, qué herramientas llama, cómo administra el contexto, dónde guarda lo que produce y cómo evalúa sus propios resultados.
Weng destacó que esta optimización no requiere modelos gigantescos de frontera. Citó un estudio de este año donde un modelo de 9,000 millones de parámetros propuso mejoras de harness con la misma calidad que Claude Opus 4.6.
Reglas estrictas de seguridad para la IA autoevolutiva
La experiencia de Weng en OpenAI es amplia. Dirigió proyectos de robótica en 2018 y fundó el área de Safety Systems, que creció hasta tener más de 80 especialistas. Por ello, su ensayo también advierte sobre los peligros de que la IA se modifique a sí misma.
La investigadora detalló siete obstáculos críticos, entre ellos el colapso de diversidad, la manipulación de recompensas (reward hacking) y la degradación de memoria.
Para evitar fallos catastróficos, Weng fijó una regla de ingeniería estricta: “Los humanos deberían subir en la pila, no ser retirados del bucle”. Además, sostiene que el sistema de evaluación y el control de permisos de la IA deben mantenerse totalmente fuera del bucle de automejora. Si la IA puede alterar los parámetros con los que se le califica, el control se pierde por completo.
El golpe financiero y operativo para Thinking Machines Lab
Para Thinking Machines Lab, la salida de Weng representa una pérdida crítica. El laboratorio fundado por Mira Murati ha perdido a cuatro de sus seis cofundadores originales desde febrero de 2025.
Andrew Tulloch migró a Meta en octubre de 2025, mientras que Barret Zoph y Luke Metz regresaron a OpenAI en enero de 2026. Ahora, Weng se convierte en la tercera cofundadora que retorna al laboratorio dirigido por Sam Altman. Business Insider reportó en mayo de 2026 que 13 de los 42 miembros fundadores de la startup ya habían renunciado.
Esta fuga de talento ocurre apenas dos semanas después de que la startup presentara Inkling, su primer modelo de pesos abiertos lanzado el 15 de julio de 2026, con arquitectura de mezcla de expertos de 975,000 millones de parámetros totales (41,000 millones activos), una ventana de contexto de un millón de tokens y entrenado con 45 billones de tokens.
Aunque la empresa levantó 2,000 millones de dólares en julio de 2025, con una valuación de 12,000 millones, la pérdida constante de sus ingenieros clave genera dudas sobre la viabilidad a largo plazo de sus productos frente a la velocidad de OpenAI.
