La mejora recursiva de IA, hasta ahora dominio de los grandes laboratorios frontera como Meta, OpenAI o Anthropic en su carrera hacia la superinteligencia, ya está al alcance de usuarios individuales. Will Knight, periodista de WIRED, lo experimentó en primera persona: entrenó un pequeño modelo lingüístico desde cero utilizando AutoResearch, una herramienta de código abierto creada por Andrej Karpathy (cofundador de OpenAI, exresponsable de IA en Tesla y recién incorporado a Anthropic). El proceso consistió en dejar que Claude, un modelo comercial, ajustara hiperparámetros y regímenes de entrenamiento de forma autónoma sobre un hardware Nvidia DGX, iterando cada pocas horas hasta lograr generaciones más coherentes. El resultado no es rival para GPT-5, pero demuestra que la auto-mejora continua es viable fuera de los laboratorios.
Knight fue más allá con Prime Intellect, una startup que acaba de levantar 15 millones de dólares y permite entrenar modelos a medida para tareas específicas. Alimentó el sistema con unas cien entradas previas de su newsletter "AI Lab", y Claude generó datos sintéticos y entrenó un modelo bautizado Frontier_Paper_Curator, capaz de seleccionar y resumir artículos de investigación relevantes. Tras menos de un día, el modelo producía selecciones útiles, aunque algo genéricas y todavía demasiado entusiastas. El CEO de Prime Intellect, Vincent Weisser, sostiene que democratizar esta infraestructura desbloqueará "mil millones de inteligencias" especializadas frente a una única inteligencia centralizada. Startups como Adaption, con su herramienta AutoScientist, y la reciente decisión de Anthropic de restringir el acceso a su modelo Fable 5 ilustran el riesgo de depender de un solo proveedor frontera. La auto-mejora recursiva, concluye Knight, no es solo cosa de las grandes empresas: cualquier persona con curiosidad, paciencia y una tarjeta gráfica puede empezar a experimentar.