Una IA se enseñó a sí misma a escribir código mejor, sin maestro

Puntos clave

• Qwen3-30B-Instruct, un gran modelo de IA creado por la empresa tecnológica china Alibaba, elevó su puntuación en una prueba de codificación estándar de 42,4% a 55,3% utilizando solo sus propios resultados como material de entrenamiento.
• La técnica, llamada autodestilación simple, no requiere retroalimentación humana, ningún modelo maestro separado ni aprendizaje por refuerzo (un método de entrenamiento basado en recompensas que se usa a menudo para perfeccionar el comportamiento de la IA).
• Las ganancias fueron mayores en los problemas de codificación más difíciles, no en los fáciles.
• El método funcionó en seis tamaños de modelo en las familias Qwen y Llama, lo que sugiere que no es un resultado único.

Los investigadores de IA han pasado años construyendo sistemas elaborados para hacer modelos más inteligentes: calificadores humanos dando retroalimentación, modelos "maestro" separados guiando a los más débiles, señales de recompensa complejas influyendo en el comportamiento. Un nuevo artículo de Apple ML Research sugiere que podrías no necesitar nada de eso, al menos para la codificación.

La técnica se llama autodestilación simple. Un modelo existente genera muchas soluciones candidatas para problemas de codificación, con configuraciones de temperatura y truncamiento variadas para ampliar el rango de salida. Luego, el mismo modelo se ajusta finamente, es decir, se reentrena en un conjunto de datos seleccionado, con esas mismas respuestas. Sin juez externo, sin datos adicionales. Estudia su propio mejor trabajo.

Qwen3-30B-Instruct, uno de los modelos insignia capaces de codificación de Alibaba, saltó de 42,4% a 55,3% en LiveCodeBench v6, un punto de referencia ampliamente utilizado que prueba la IA en problemas reales de concursos de programación. Los investigadores lo llaman un procedimiento vergonzosamente simple, y esa palabra es deliberada. Señala casi ninguna maquinaria especial, el tipo de resultado que hace que los investigadores experimentados se sienta silenciosamente molestos de no haberlo intentado antes.

Primero cubrimos la autodestilación como técnica de entrenamiento el 16 de julio de 2026 en nuestro informe sobre verificación de pruebas de IA ultrarrápida, por lo que este no es un concepto que llegue por sorpresa.

Dos detalles hacen que esto sea más que una curiosidad de punto de referencia. Las mejoras se concentraron en problemas más difíciles; las preguntas fáciles apenas se movieron. Eso importa porque los problemas difíciles son donde las herramientas de codificación de IA aún fallan regularmente con usuarios reales. El método también se mantuvo en seis modelos que van desde 4 mil millones a 30 mil millones de parámetros (una medida aproximada del tamaño y capacidad de un modelo), cubriendo tanto las familias Qwen como Llama. La generalización amplia entre arquitecturas es una señal decente de que un hallazgo es real en lugar de cuidadosamente orquestado.

¿Significa esto que la IA reemplazará a los programadores?

No. Una puntuación de 55,3% en un punto de referencia de programación competitiva aún significa que el modelo falla casi la mitad del tiempo en las preguntas más difíciles. La autodestilación es un hallazgo de eficiencia de entrenamiento, no un factor que rompa el techo de capacidad.

Para usuarios cotidianos de asistentes de codificación de IA, las herramientas construidas sobre versiones mejoradas de estos modelos pueden manejar errores más complejos y tareas de múltiples pasos de manera más confiable. La revisión humana sigue siendo importante, particularmente para código de producción donde los errores tienen consecuencias reales.

El punto más profundo aquí es sobre economía de investigación. Antes de recurrir a una infraestructura costosa, el modelo que ya tienes a veces contiene la señal que necesitas. Esta es una lección más discreta que un titular de punto de referencia, pero es la que probablemente viajará más lejos.