Inherent y Recursive Superintelligence están construyendo sistemas que automatizan partes del trabajo necesario para mejorar la inteligencia artificial: formular ideas, escribir código, ejecutar experimentos, medir resultados y conservar lo aprendido para el siguiente intento. La ambición es cerrar ese circuito hasta alcanzar la llamada mejora recursiva, en la que una IA participa en la creación de sistemas cada vez más capaces. Sus avances ya producen resultados medibles en tareas acotadas, pero todavía dependen de objetivos definidos por humanos, evaluadores vigilados y supervisión experta.
Dos rutas para automatizar el trabajo de los investigadores
La mejora recursiva describe un bucle en el que un sistema mejora las herramientas, el código o los métodos que servirán para construir una versión posterior. Esa nueva 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. Lo que existe hoy son componentes del ciclo: agentes que programan, prueban cambios, comparan resultados y seleccionan candidatos. El reto más difícil es pasar de optimizar una métrica conocida a proponer ideas nuevas, reconocer 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.
Inherent alimenta a Faraday con el trabajo del propio laboratorio
Inherent desarrolla Faraday, un agente que aprende a partir del proceso 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 pretende capturar algo que los artículos científicos suelen omitir: los intentos fallidos, las discusiones y las decisiones que conducen a un hallazgo.
Los investigadores de la empresa describieron en agosto, en una prepublicación sin revisión por pares, una versión de Faraday con 27,000 millones de parámetros, entrenada 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 entregar 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. Hay una condición importante: Faraday usa GPT-5.5/Codex como herramienta para programar, por lo que la comparación mide su capacidad para dirigir el proceso científico, no la potencia aislada de un modelo pequeño frente a otro mayor. Los resultados proceden de la propia compañía y no equivalen a una validación independiente de que el sistema pueda hacer descubrimientos originales. La evaluación también depende de rúbricas, un juez basado en un modelo de lenguaje y comprobaciones humanas. La empresa reconoce que una señal de recompensa ruidosa puede desestabilizar el entrenamiento.
Ese límite explica por qué Inherent presenta su proyecto como una mejora recursiva colectiva. El sistema ayuda a dirigir herramientas de programación y a explorar hipótesis, mientras los investigadores siguen definiendo el entorno, revisando sus decisiones y decidiendo qué constituye un resultado valioso.
Recursive convierte la investigación en un ciclo automatizado
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. También mantiene varias líneas de investigación, conserva contexto de pruebas anteriores y combina ramas prometedoras.
La empresa 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, donde un valor menor es mejor. También 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. Los resultados fueron presentados por la propia compañía y uno de ellos seguía pendiente de envío 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 estaban 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, por tanto, no es una pieza secundaria: es uno de los cuellos de botella del proceso.
La creatividad y la evaluación todavía frenan el bucle
Estos sistemas funcionan mejor cuando el objetivo puede medirse con rapidez y poca ambigüedad. Reducir segundos de entrenamiento o acelerar un kernel permite ejecutar miles de pruebas y descartar cambios defectuosos. Decidir si una nueva arquitectura de IA es útil, segura y generalizable exige un juicio mucho más difícil de codificar.
El Times expuso esa diferencia con The AI Scientist, un sistema de 2024 que podía 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 diseñe y entrene sin ayuda a un sucesor completo que vuelva a repetir el proceso. Operan dentro de infraestructuras, presupuestos, modelos base y criterios preparados por personas. Han automatizado segmentos del trabajo científico y han mejorado el software que rodea a los modelos; no han demostrado una cadena sostenida de mejoras generales sin intervención humana.
Clune defiende avanzar, pero reconoce los riesgos
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 participar le permite impulsar medidas de seguridad.
Es la posición 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.
Lo documentado por ahora es más concreto que una explosión de inteligencia: Faraday obtuvo mejores puntuaciones de replicación en la evaluación diseñada por Inherent, y Recursive reportó ganancias en ciclos de investigación con métricas estrechas. La mejora recursiva autónoma y de propósito general requeriría 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.
