Axion 1.0 ofrece a los creadores de agentes una receta abierta y comprobable

Un equipo formado por personas de la Universidad Duke, ByteDance, la Universidad de Maryland y la Universidad de Buffalo ha publicado Axion 1.0, una familia abierta de modelos base para agentes pensada para hacer trabajo de investigación, no solo para conversar. El artículo, registrado como arXiv 2611.03233, trae algo que los lectores no siempre reciben: la receta, el código y los guiones de calificación, todo a la vista.

Esa apertura es el centro de esta noticia. Cualquiera puede leer una puntuación en una tabla. Son menos los equipos que muestran con exactitud cómo se construyeron los datos de entrenamiento, qué instrucciones se usaron y cómo se calificaron las respuestas. Axion 1.0 sí lo hace, por medio del repositorio de GitHub bytedance/axion1_0, de modo que otros grupos pueden revisar el trabajo, repetir partes del proceso y construir sobre esa base sin tener que adivinar.

Dos rondas de enseñanza y práctica con comentarios

La receta tiene tres etapas claras. Primero hay dos etapas de ajuste fino supervisado, en las que el modelo aprende a partir de ejemplos preparados. Después llega el aprendizaje por refuerzo, en el que el modelo practica y recibe una calificación por sus intentos. El equipo informa que la etapa de aprendizaje por refuerzo usó cerca de 18.000 ejemplos y que una ejecución clave tomó unas 90 horas de GPU.

Conviene detenerse en esa segunda cifra. Unas 90 horas de GPU, según el propio equipo, es una cantidad modesta al lado de los entrenamientos enormes que ocupan los titulares. Sugiere que las mejoras llegaron por datos cuidados y una práctica concentrada, no solo por fuerza bruta. Para laboratorios universitarios y empresas pequeñas, eso importa mucho. Un método que solo funciona con un presupuesto gigante de cómputo ayuda a muy poca gente. Un método que funciona en unas 90 horas de GPU puede probarse, revisarse y mejorarse en muchos sitios.

La familia llega en dos tamaños. Uno tiene 35.000 millones de parámetros en total, con 3.000 millones activos. El otro tiene 122.000 millones en total, con 10.000 millones activos. Los dos usan un diseño de mezcla de expertos, de modo que solo una parte del modelo trabaja en cada token, y los dos se construyen sobre bases Qwen3.5 y Qwen3.6. Tener dos tamaños da una elección real a quien crea: un modelo más ligero para un trabajo rápido y barato, y uno mayor para preguntas de investigación más difíciles.

Las puntuaciones que informa el equipo, dichas con claridad

Para el modelo de 122.000 millones, el equipo informa 59,0 en la prueba completa Humanity’s Last Exam con acceso web restringido, 87,0 en FrontierScience Olympiad y 66,7 en FrontierScience Research. Son cifras informadas por el propio equipo. Hay que leerlas como resultados de los autores con su propia configuración de prueba, no como una clasificación independiente entregada por un organismo neutral.

Aun con esa cautela, la forma de los resultados resulta interesante. Las cifras más fuertes están en tareas de tipo científico, de esas en las que un agente tiene que planear, buscar, razonar en varios pasos y defender una respuesta. Eso coincide con el objetivo declarado del proyecto. Axion 1.0 no se creó para escribir invitaciones de fiesta. Se creó para actuar como un agente de trabajo ante preguntas difíciles, y sus autores han dirigido sus pruebas justo hacia esa afirmación.

El valor del proceso paso a paso también se entiende al mirar otros trabajos pacientes que sigue esta redacción, como la reunión en palacio con los homenajeados de la cultura que recoge la crónica sobre Naruhito y Masako con los homenajeados de la cultura. En investigación, el proceso es parte del producto. Un modelo que muestra sus pasos se puede revisar. Un modelo que solo muestra una respuesta final no ofrece esa posibilidad.

Qué está abierto de verdad y un aviso honesto

El repositorio se publica con licencia Apache 2.0 e incluye código para construir los datos, instrucciones, código de entrenamiento y guiones de calificación. Es un paquete generoso. Significa que un laboratorio de otro país puede reconstruir el proceso de datos, cambiar las fuentes por las suyas y ver si la receta se mantiene. También significa que un docente puede mostrar a sus alumnos el camino completo, desde el material inicial hasta el agente entrenado, en lugar de señalar un sistema cerrado.

El aviso es este, tal como lo plantea el equipo. Hay disponible un punto de control de reproducción comunitaria del modelo de 35.000 millones con licencia Apache 2.0, y se trata de una reproducción de la comunidad, no del punto de control oficial. Esa diferencia no es un defecto. Es una honestidad útil. Quien lo descargue debe saber qué manos construyeron ese archivo concreto y debe probarlo como una reproducción, no tratarlo como la versión propia de los autores.

Etiquetar con claridad genera confianza en todo el sector. Nuestra cobertura sobre la Tarjeta Iberoamericana de Discapacidad presentada por Felipe VI en Madrid planteaba una idea parecida en un terreno muy distinto: los sistemas compartidos solo funcionan cuando todos pueden ver qué es una cosa, qué cubre y dónde están sus límites. Lo mismo vale para un modelo abierto que para una tarjeta pensada para valer en toda una región.

Por qué importa ahora una receta abierta para agentes

Los agentes pasan de las demostraciones a las herramientas diarias. Reservan, buscan, programan, comparan y resumen. Sin embargo, gran parte del mejor entrenamiento de agentes sigue a puerta cerrada, descrito en términos generales y difícil de repetir. Cuando un equipo de cuatro instituciones publica el método completo, todo el sector gana un punto de referencia. Otros investigadores pueden hacer preguntas más precisas: ¿hace el trabajo pesado la segunda etapa de ajuste fino? ¿Ayuda la etapa de aprendizaje por refuerzo en temas nuevos o solo en los ya conocidos?

También hay un beneficio formativo para las personas, no solo para los modelos. Una receta pública con instrucciones y guiones de calificación sirve para enseñar. Un estudiante de posgrado puede ejecutar una versión más pequeña, mirar dónde falla el agente, ajustar los datos y aprender a crear agentes con la práctica. Ese ciclo directo ha formado a muchos de los mejores ingenieros del sector y necesita material abierto para funcionar, como también se aprecia en historias de aprendizaje y legado como la de la princesa Feodora de Dinamarca y la lección que heredó su familia.

Para los equipos de producto, el paso práctico es sencillo. Leer el artículo antes de descargar nada. Revisar si la configuración de la prueba, con el acceso web restringido en Humanity’s Last Exam, encaja con el trabajo que se tiene en mente. Después, probar el tamaño menor con diez tareas reales de la propia lista y calificar los resultados con criterios propios. Los guiones de calificación publicados dan un punto de partida, no un veredicto sobre la carga de trabajo de cada uno.

Axion 1.0 no cerrará todos los debates sobre cómo deben entrenarse los agentes. Ninguna publicación sola puede hacerlo. Pero aporta mejor material para ese debate: dos tamaños de modelo, una receta de tres etapas que un laboratorio modesto puede permitirse estudiar, código completo y puntuaciones presentadas como propias del equipo. Así avanza un sector en público, afirmación comprobable tras afirmación comprobable.

También publicado en: