Nos han vendido mil veces que la inteligencia artificial va a programar sola, pero hasta ahora siempre necesitaba un humano dándole la papilla de datos y guiando sus pasos. Eso se ha acabado. El equipo de investigación DeepReinforce acaba de soltar una auténtica bomba en la comunidad open-source con el lanzamiento de Ornith-1.5, una familia de modelos que, literalmente, se inventa sus propios deberes para hacerse más inteligente. Y los resultados técnicos son para frotarse los ojos.
La realidad es que estamos ante un cambio de paradigma brutal. Si su predecesor necesitaba que un ingeniero le fijara las tareas de entrenamiento, este nuevo sistema propone sus propios problemas, diseña las herramientas para resolverlos y se evalúa a sí mismo en tiempo real. Una locura absoluta.
Básicamente, han logrado cerrar el ciclo de automejora. Cualquiera puede echar un vistazo a los pesos y a la colección completa de Ornith-1.5 en Hugging Face, y te adelanto que las grandes tecnológicas de código cerrado deben estar tomando nota de este movimiento.
El bucle cerrado: Así aprende una IA cuando nadie la mira
Si vamos a las tripas del sistema, cada ciclo de entrenamiento se divide en tres fases milimétricas. Primero, el modelo observa un código base o entorno y, usando instrucciones generales junto a su propio historial, propone un problema nuevo. Segundo, genera el «andamiaje» necesario: las instrucciones detalladas, las herramientas y la estrategia de orquestación. Finalmente, lanza una solución condicional.
Y aquí viene el truco genial del equipo de DeepReinforce. La recompensa del aprendizaje por refuerzo no se da solo por acertar, sino que retroalimenta las tres fases a la vez. Es decir, el sistema aprende simultáneamente a escribir mejor código, a crear exámenes de entrenamiento más útiles y a ser un evaluador más fiable. Todo de golpe.
Pero cuidado, porque la inteligencia artificial es muy dada a hacer trampas y buscar el camino fácil. Si el modelo propone una tarea demasiado sencilla, no recibe premio. El sistema busca constantemente el límite de sus capacidades, fijando un objetivo de tasa empírica de éxito del 20 %. Si empieza a resolver el problema de forma fiable, esa tarea va a la basura por inútil para el entrenamiento. Así de simple.
Rendimiento puro: Mirando de tú a tú a Claude Opus 4.8
Si echamos cuentas y miramos las tablas de benchmarks oficiales, las cifras son mareantes. El modelo insignia de la familia es un gigante de tipo mixture-of-experts (MoE) con 397.000 millones de parámetros. Según los datos promediados en cinco ejecuciones independientes, esta bestia alcanza unos brutales 85,1 puntos en Terminal-Bench 2.1 y 56,0 en DeepSWE.
Para que te hagas una idea de lo que esto significa, este rendimiento lo sitúa exactamente en la misma liga que Claude Opus 4.8, uno de los reyes indiscutibles del sector. Además, la compañía afirma que este Ornith-1.5-397B supera sin despeinarse a rivales directos a escala comparable como GLM-5.2 y DeepSeek-V4-Flash-0731. Un golpe en la mesa.
Por si fuera poco, este modelo no solo pica código. Ha destrozado las métricas con 92,8 puntos en GPQA Diamond y 86,6 en BrowseComp. Esto demuestra que sus capacidades de razonamiento y trabajo como agente autónomo están escalando a un ritmo vertiginoso. El ecosistema abierto pisa el acelerador.
Modelos ligeros que puedes llevar de forma nativa en tu móvil
Evidentemente, no todos tenemos una granja de servidores de NVIDIA en el sótano, y los creadores lo saben. Por eso han lanzado un modelo MoE mediano de 35.000 millones de parámetros que es una maravilla de la eficiencia. Logra 68,5 puntos en Terminal-Bench activando apenas 3.000 millones de parámetros por cada token procesado. Ni se inmuta.
A ello se le suma la verdadera joya para el usuario de a pie: un modelo denso de 9.000 millones de parámetros que viene con sorpresa. Los desarrolladores han preparado una versión Mobile cuantizada, lista para correr directamente tanto en un iPhone como en un móvil Android de gama alta.
Y no te dejes engañar por su tamaño reducido. Este pequeñín de 9B logra 47,0 puntos en Terminal-Bench 2.1 y 70,6 en SWE-Bench Verified, merendándose a pesos pesados y situándose por encima de Gemma 4-31B y Qwen 3.6-35B. Es la democratización absoluta del despliegue local.
La guerra frontal contra la manipulación de recompensas
Quienes seguimos de cerca a la gente de DeepReinforce sabemos que llevan años obsesionados con evitar que la IA «hackee» sus propias recompensas. Ya en junio de 2026, cuando lanzaron Ornith-1.0 bajo licencia MIT y lo posentrenaron sobre puntos de control de Gemma 4 y Qwen 3.5, dejaron claro que el andamiaje debía evolucionar con el modelo.
En concreto, investigaciones previas de este equipo abierto, como CUDA-L1 o el bucle de agentes IterX, ya ponían el foco en la optimización pura mediante GRPO. Ahora, con Ornith-1.5, han blindado la generación de tareas. Si la IA intenta colar una tarea que no es estrictamente verificable o está mal formada, el filtro actúa como un muro de hormigón y anula la recompensa a cero. Se acabó el engaño.
Tocará esperar para ver cómo encajan este directo a la mandíbula los grandes laboratorios privados. Que un modelo sin licencias restrictivas sea capaz de auto-proponerse problemas, evitar sus propias trampas algorítmicas y pelear en la élite del razonamiento no es una noticia más del mes. Es un aviso a navegantes. La carrera por la inteligencia artificial verdaderamente autónoma acaba de cambiar de marcha, y esta vez, el motor no lleva candado.
Me dedico al SEO y la monetización con proyectos propios desde 2019. Un friki de las nuevas tecnologías desde que tengo uso de razón.
Estoy loco por la Inteligencia Artificial y la automatización.
