El artículo explora 'autoresearch', un concepto de Andrej Karpathy que permite a agentes de IA diseñar y ejecutar experimentos autónomamente. Destaca cómo esta metodología ha optimizado el modelo Qwen3.5-397B, logrando una velocidad de 20.34 tokens/segundo en hardware M5 Max tras 36 experimentos. Se subraya el potencial de 'autoresearch' para acelerar la investigación en IA y democratizar el acceso a la optimización de modelos complejos.
La inteligencia artificial ya no solo aprende, sino que investiga por sí misma. El Qwen3.5-397B, optimizado a 20.34 tok/s en M5 Max, es la prueba de una nueva era donde los algoritmos diseñan sus propios experimentos. Este hito, forjado en el crisol de la 'autoresearch', redefine los límites de la eficiencia y la autonomía en el desarrollo de modelos de lenguaje, prometiendo una aceleración sin precedentes en el campo.
El concepto de 'autoresearch', acuñado y popularizado por Andrej Karpathy, una de las mentes más influyentes en la IA contemporánea, representa un cambio de paradigma fundamental. Su proyecto, recientemente abierto al público en GitHub, no es una mera herramienta, sino una filosofía: dotar a los agentes de IA de la capacidad intrínseca para formular hipótesis, ejecutar pruebas y evaluar resultados de manera autónoma. Tradicionalmente, este ciclo de investigación y desarrollo ha sido intensivo en capital humano, pero la visión de Karpathy, centrada inicialmente en el entrenamiento de modelos 'nanochat' en una sola GPU, desmantela esa barrera, democratizando el acceso a la experimentación avanzada y acelerando exponencialmente el descubrimiento de optimizaciones.
Es en este contexto de autonomía emergente donde el modelo Qwen3.5-397B ha sido sometido a un riguroso escrutinio. Un estudio detallado, aunque su fuente original en Reddit permanezca inaccesible, ha sido validado por medios especializados como Hype - ML/AI News, confirmando la realización de 36 experimentos autónomos. Estos ensayos, orquestados por la metodología 'autoresearch', buscaban exprimir cada ápice de rendimiento del modelo. El resultado es contundente: Qwen3.5-397B alcanzó una impresionante velocidad de 20.34 tokens por segundo (tok/s) operando sobre hardware M5 Max. Esta cifra no es solo un número; es el testimonio de la capacidad de la IA para auto-optimizarse, superando las barreras de la intervención humana en la búsqueda de la máxima eficiencia.
La consecución de tales métricas de rendimiento a través de un proceso de experimentación automatizado subraya el valor incalculable de la 'autoresearch'. Más allá de la velocidad y la eficiencia, esta metodología promete una exploración del espacio de parámetros de los modelos de IA mucho más exhaustiva y rápida de lo que cualquier equipo humano podría lograr. Implica una democratización de la investigación avanzada, haciendo que la optimización de modelos complejos sea accesible a un espectro más amplio de desarrolladores y científicos. La sinergia entre la visión pionera de Karpathy y la aplicación práctica en modelos de vanguardia como Qwen3.5-397B, sobre plataformas de hardware específicas, no es solo un avance técnico; es un presagio de un futuro donde la IA no solo resuelve problemas, sino que también se convierte en su propio motor de progreso, transformando radicalmente el panorama de la innovación tecnológica.
Compartir
En medio de la final del ESL One Birmingham 2026, la escena competitiva de Dota 2 se vio sacudida por un parche masivo de Valve justo antes de los playoffs. Álvaro 'Avo+' Sánchez Velasco, de ESL, comenta el 'caos' estratégico resultante y reflexiona sobre si Deadlock, el próximo juego de Valve, representa una amenaza o una nueva 'puerta de entrada' para el ecosistema de Dota 2.
Valve ha lanzado el parche 7.41 para Dota 2 justo durante el torneo ESL One Birmingham 2026. Esta masiva actualización elimina el sistema de Facetas, renueva las habilidades innatas de los héroes, y añade nuevos hechizos, objetos, creeps de asedio adicionales y cambios en el mapa, forzando a los jugadores a adaptarse a un metajuego completamente nuevo.
Nuevos detalles de la disputa legal entre Elon Musk y Sam Altman revelan los apoyos clave en los inicios de OpenAI. Musk consiguió poder de computación de Microsoft con descuento tras una llamada a Satya Nadella, mientras que Gabe Newell, de Valve, donó más de 20 millones de dólares y actuó como asesor informal, sentando las bases para el éxito de la IA en Dota 2.