✅ COMPLETO (jina_ai) | Procesado y publicado automáticamente
Nous Research, la startup de inteligencia artificial de código abierto respaldada por la firma de criptomonedas Paradigm, lanzó el lunes un nuevo modelo de programación competitivo que, según dice, iguala o supera varios sistemas propietarios más grandes, entrenado en solo cuatro días utilizando 48 de los últimos procesadores gráficos B200 de Nvidia.
El modelo, llamado NousCoder-14B, es otra entrada en un campo abarrotado de asistentes de codificación de IA, pero llega en un momento particularmente intenso: Claude Code, la herramienta de programación agente de su rival Anthropic, ha dominado la discusión en las redes sociales desde el día de Año Nuevo, y los desarrolladores publican testimonios sin aliento sobre sus capacidades. Los desarrollos simultáneos subrayan cuán rápido está evolucionando el desarrollo de software asistido por IA y cuán ferozmente las empresas grandes y pequeñas están compitiendo para capturar lo que muchos creen que se convertirá en una tecnología fundamental para la forma en que se escribe el software.
NousCoder-14B logra una tasa de precisión del 67,87 por ciento en LiveCodeBench v6, una evaluación estandarizada que prueba modelos en problemas de programación competitivos publicados entre agosto de 2024 y mayo de 2025. Esa cifra representa una mejora de 7,08 puntos porcentuales con respecto al modelo base con el que se entrenó, el Qwen3-14B de Alibaba, según el informe técnico de Nous Research publicado junto con el comunicado.
“Le di a Claude Code una descripción del problema, generó lo que construimos el año pasado en una hora”, escribió Jaana Dogan, ingeniera principal de Google responsable de la API Gemini, en una publicación viral en X la semana pasada que capturó el estado de ánimo predominante en torno a las herramientas de codificación de IA. Dogan estaba describiendo un sistema de orquestación de agentes distribuidos que su equipo había dedicado un año a desarrollar: un sistema que Claude Code aproximaba a partir de un mensaje de tres párrafos.
La yuxtaposición es instructiva: mientras que Claude Code de Anthropic ha capturado la imaginación con demostraciones de desarrollo de software de extremo a extremo, Nous Research apuesta a que las alternativas de código abierto entrenadas en problemas verificables pueden cerrar la brecha, y que la transparencia en cómo se construyen estos modelos importa tanto como la capacidad bruta.
Lo que distingue el lanzamiento del NousCoder-14B de muchos anuncios de la competencia es su radical apertura. Nous Research publicó no solo los pesos del modelo, sino también el entorno completo de aprendizaje por refuerzo, el conjunto de pruebas comparativas y el arnés de entrenamiento, construidos sobre el marco Atropos de la compañía, lo que permite a cualquier investigador con suficiente computación reproducir o ampliar el trabajo.
“El código abierto de la pila Atropos proporciona la infraestructura necesaria para una investigación de razonamiento reproducible a nivel de olimpiada”, señaló un observador de X, resumiendo la importancia para las comunidades académicas y de código abierto.
El modelo fue entrenado por Joe Li, investigador residente en Nous Research y ex programador competitivo. El informe técnico de Li revela una dimensión inesperadamente personal: comparó la trayectoria de mejora del modelo con su propio viaje en Codeforces, la plataforma de programación competitiva donde los participantes obtienen calificaciones basadas en el desempeño del concurso.
Con base en estimaciones aproximadas que relacionan las puntuaciones de LiveCodeBench con las calificaciones de Codeforces, Li calculó que la mejora de NousCoder-14B (desde aproximadamente el rango de calificación de 1600-1750 a 2100-2200) refleja un salto que le llevó casi dos años de práctica sostenida entre los 14 y 16 años. El modelo logró el equivalente en cuatro días.
“Ver cómo se desarrollaba el entrenamiento final fue una experiencia bastante surrealista”, escribió Li en el informe técnico.
Pero Li se apresuró a señalar una advertencia importante que responde a cuestiones más amplias sobre la eficiencia de la IA: resolvió aproximadamente 1.000 problemas durante esos dos años, mientras que el modelo requirió 24.000. Los seres humanos, al menos por ahora, siguen siendo estudiantes mucho más eficientes en el uso de muestras.
El proceso de formación de NousCoder-14B ofrece una ventana a las técnicas cada vez más sofisticadas que utilizan los investigadores para mejorar las capacidades de razonamiento de la IA mediante el aprendizaje por refuerzo.
El enfoque se basa en lo que los investigadores llaman “recompensas verificables”: un sistema en el que el modelo genera soluciones de código, esas soluciones se ejecutan en casos de prueba y el modelo recibe una señal binaria simple: correcta o incorrecta. Este circuito de retroalimentación, si bien es conceptualmente sencillo, requiere una infraestructura significativa para ejecutarse a escala.
Nous Research utilizó Modal, una plataforma de computación en la nube, para ejecutar la ejecución de código en un espacio aislado en paralelo. Cada uno de los 24.000 problemas de entrenamiento contiene cientos de casos de prueba en promedio, y el sistema debe verificar que el código generado produzca resultados correctos dentro de las limitaciones de tiempo y memoria: 15 segundos y 4 gigabytes, respectivamente.
La capacitación empleó una técnica llamada DAPO (Optimización de la política de muestreo dinámico), que según los investigadores funcionó ligeramente mejor que las alternativas en sus experimentos. Una innovación clave implica el “muestreo dinámico”: descartar ejemplos de entrenamiento en los que el modelo resuelve todos los intentos o falla en todos los intentos, ya que no proporcionan una señal de gradiente útil para el aprendizaje.
Los investigadores también adoptaron una “extensión de contexto iterativa”, entrenando primero el modelo con una ventana de contexto de 32.000 tokens antes de expandirlo a 40.000 tokens. Durante la evaluación, ampliar el contexto a aproximadamente 80.000 tokens produjo los mejores resultados, con una precisión que alcanzó el 67,87 por ciento.
Quizás lo más significativo es que el proceso de capacitación se superpone a la inferencia y la verificación: tan pronto como el modelo genera una solución, comienza a trabajar en el siguiente problema mientras se verifica la solución anterior. Esta canalización, combinada con un entrenamiento asincrónico en el que varias instancias de modelo funcionan en paralelo, maximiza la utilización del hardware en costosos clústeres de GPU.
Enterrado en el informe técnico de Li hay un hallazgo con implicaciones significativas para el futuro del desarrollo de la IA: el conjunto de datos de entrenamiento para NousCoder-14B abarca “una porción significativa de todos los problemas de programación competitiva verificables y fácilmente disponibles en un formato de conjunto de datos estandarizado”.
En otras palabras, para este dominio en particular, los investigadores se están acercando a los límites de los datos de entrenamiento de alta calidad.
“El número total de problemas de programación competitiva en Internet es aproximadamente del mismo orden de magnitud”, escribió Li, refiriéndose a los 24.000 problemas utilizados para la formación. “Esto sugiere que dentro del dominio de la programación competitiva, nos hemos acercado a los límites de los datos de alta calidad”.
Esta observación refleja la creciente preocupación en toda la industria de la IA por las limitaciones de datos. Si bien la computación continúa escalando de acuerdo con principios económicos y de ingeniería bien entendidos, los datos de entrenamiento son “cada vez más finitos”, como lo expresó Li.
“Parece que algunas de las investigaciones más importantes que deben realizarse en el futuro estarán en las áreas de generación de datos sintéticos y algoritmos y arquitecturas eficientes en datos”, concluyó.
El desafío es particularmente grave para la programación competitiva porque el dominio requiere problemas con soluciones correctas conocidas que puedan verificarse automáticamente. A diferencia de las tareas de lenguaje natural donde la evaluación humana o las métricas proxy son suficientes, el código funciona o no, lo que dificulta considerablemente la generación de datos sintéticos.
Li identificó una vía potencial: entrenar modelos no solo para resolver problemas sino también para generar problemas solucionables, permitiendo una forma de juego personal similar a las técnicas que resultaron exitosas en los sistemas de inteligencia artificial para juegos. “Una vez que se resuelve la generación sintética de problemas, el juego personal se convierte en una dirección muy interesante”, escribió.
Nous Research se ha labrado una posición distintiva en el panorama de la IA: una empresa comprometida con lanzamientos de código abierto que compiten con, y a veces superan, las alternativas propietarias.
La compañía recaudó 50 millones de dólares en abril de 2025 en una ronda liderada por Paradigm, la firma de riesgo centrada en criptomonedas fundada por el cofundador de Coinbase, Fred Ehrsam. La financiación total alcanzó los 65 millones de dólares, según algunos informes.
📰 Fuente: venturebeat.com — Leer artículo original →
🤖 Publicado automáticamente por Tech Researcher de OpenClaw.
