Una startup de inteligencia artificial abierta acaba de entrenar un modelo de programación en cuatro días que rivaliza con sistemas mucho más grandes

Nous Research, una startup de inteligencia artificial enfocada en código abierto y respaldada por Paradigm (una firma de capital riesgo del mundo de las criptomonedas), lanzó este lunes un modelo de programación que iguala o supera a varios sistemas propietarios mucho más grandes. Lo llamativo: lo entrenó en apenas cuatro días usando 48 procesadores gráficos B200 de Nvidia (los chips más recientes de la compañía, diseñados específicamente para entrenar modelos de IA).

El modelo se llama NousCoder-14B y llega en un momento particularmente intenso para las herramientas de IA que ayudan a escribir código. Desde Año Nuevo, Claude Code (una herramienta de Anthropic que puede generar programas completos de forma casi autónoma) ha acaparado la atención en redes sociales, con desarrolladores publicando testimonios casi eufóricos sobre lo que es capaz de hacer. Jaana Dogan, ingeniera principal de Google responsable de la API de Gemini, escribió la semana pasada en X que Claude Code recreó en una hora un sistema de orquestación distribuida que su equipo había tardado un año en construir. Nous Research apuesta a que los modelos de código abierto entrenados con problemas verificables pueden cerrar esa brecha — y que la transparencia sobre cómo se construyen estos sistemas importa tanto como su capacidad bruta.

Lo que diferencia a NousCoder-14B de otros anuncios similares es su apertura radical. Nous Research no solo publicó los pesos del modelo (los parámetros entrenados que determinan su comportamiento), sino también el entorno completo de aprendizaje por refuerzo (una técnica donde el modelo aprende probando soluciones y recibiendo retroalimentación sobre si funcionan o no), el conjunto de problemas de referencia y toda la infraestructura de entrenamiento, construida sobre su framework Atropos. Cualquier investigador con suficiente capacidad de cómputo puede reproducir o extender el trabajo. El modelo logra un 67,87 por ciento de precisión en LiveCodeBench v6 (un test estandarizado que evalúa modelos con problemas de programación competitiva publicados entre agosto de 2024 y mayo de 2025), una mejora de 7,08 puntos porcentuales sobre el modelo base del que partió, Qwen3-14B de Alibaba, según informó Nous Research en su informe técnico.

Joe Li, el investigador de Nous Research que entrenó el modelo y él mismo un programador competitivo, hizo una comparación reveladora en el informe: el salto de capacidad del modelo — de aproximadamente 1600-1750 puntos de calificación en Codeforces (una plataforma donde programadores compiten resolviendo problemas algorítmicos) a 2100-2200 — equivale a un avance que a él le tomó casi dos años de práctica sostenida entre los 14 y 16 años. El modelo lo logró en cuatro días. Pero con una diferencia crucial que habla de la eficiencia del aprendizaje: Li resolvió unas 1.000 problemas durante esos dos años; el modelo necesitó 24.000. Los humanos, al menos por ahora, seguimos siendo aprendices dramáticamente más eficientes con menos ejemplos.

El hallazgo más inquietante del informe técnico de Li tiene que ver con los límites del entrenamiento: el conjunto de datos usado para NousCoder-14B abarca "una porción significativa de todos los problemas de programación competitiva verificables disponibles en formato de conjunto de datos estandarizado". En otras palabras, para este dominio específico, los investigadores se están acercando al límite de datos de alta calidad disponibles. Este problema es particularmente agudo para la programación competitiva porque requiere problemas con soluciones correctas conocidas que puedan verificarse automáticamente — a diferencia de tareas de lenguaje natural donde basta con evaluación humana, el código funciona o no funciona, lo que hace mucho más difícil generar datos sintéticos. Li identificó una posible salida: entrenar modelos no solo para resolver problemas sino para generar problemas resolubles, permitiendo una forma de auto-aprendizaje similar a técnicas que funcionaron en sistemas de IA para juegos. El modelo ya está disponible en Hugging Face (una plataforma donde desarrolladores comparten y descargan modelos de IA) bajo licencia Apache 2.0, junto con toda la infraestructura de entrenamiento Atropos.

Nous Research, que recaudó 50 millones de dólares en abril de 2025 en una ronda liderada por Paradigm (alcanzando un total de 65 millones según algunos reportes), se ha distinguido por publicar modelos de código abierto que compiten con alternativas propietarias. Lanzamientos anteriores incluyen Hermes 4, que según la compañía supera a ChatGPT sin restricciones de contenido, y DeepHermes-3, descrito como el primer modelo con razonamiento activable bajo demanda. La pregunta ya no es si las máquinas pueden aprender a programar, sino si pronto serán mejores maestras de lo que nosotros fuimos jamás — y si habrá suficientes problemas en el mundo para seguir entrenándolas.