Un grupo de investigadores presentó Athanor, un sistema abierto que proporciona a agentes de IA las herramientas necesarias para realizar sus propios experimentos de posentrenamiento. Los agentes tienen acceso a datos, conjuntos de evaluación y gestión de tareas, pero no pueden recurrir a modelos externos que actúen como docentes. En una prueba de 104 horas, cuatro agentes Claude Opus 5.5, cada uno en un nodo con ocho GPU, mejoraron drásticamente el modelo base Qwen3‑4B‑Base sin ajustar.
Qué lograron los agentes
La puntuación del modelo en un conjunto de desarrollo de seis tareas subió de 15.9 a 67.3. En un conjunto de prueba reservado, pasó de 9.2 a 48.2, superando las puntuaciones respectivas de 66.5 y 47.9 de la versión oficial Qwen3‑4B‑Instruct‑2507. Los agentes consiguieron estas mejoras al combinar técnicas conocidas: ajuste fino supervisado con datos públicos de razonamiento, un nuevo cambio en la generación de muestras para el aprendizaje por refuerzo, fusiones de pesos entre agentes y varias rondas de autodestilación. Todo esto se hizo sin que una persona les proporcionara asesoramiento de investigación.
Por qué importa
Si los agentes de IA pueden ejecutar por sí solos ciclos de investigación fiables, podría bajar el costo de desarrollar mejores modelos y acelerarse el progreso. Para los desarrolladores que no cuentan con grandes equipos de investigación, una plataforma abierta como Athanor podría permitir que grupos más pequeños experimenten con procesos de entrenamiento autónomos.
Por qué importa
El resultado muestra que los agentes de IA actuales ya tienen suficiente capacidad de ingeniería para completar un ciclo de investigación de posentrenamiento. Esto podría permitir que organizaciones sin grandes laboratorios creen modelos competitivos ajustados para seguir instrucciones a menor costo, aunque todavía está pendiente la verificación independiente de las mejoras.
