Jacob Coxon, quien trabajó en OpenAI antes de incorporarse a Anthropic, sostiene que Mythos forma parte de una aceleración de la eficiencia algorítmica. Según su interpretación de una diapositiva de Anthropic, la empresa podría reentrenar el modelo con menos cómputo que el requerido originalmente. Coxon relacionó ese gráfico con su decisión de dejar la compañía y volvió a pedir una pausa temporal en el desarrollo de modelos de frontera.
***

• Coxon interpreta una diapositiva de Anthropic como señal de una aceleración de la eficiencia algorítmica; esa lectura no equivale a una confirmación independiente de la tendencia.
• El exinvestigador sostiene que Anthropic podría reentrenar Mythos con una fracción del cómputo original, pero no ofrece una cifra para esa estimación.
• Coxon pide una pausa temporal en el desarrollo de modelos de frontera y plantea que una suspensión perjudicaría a Anthropic y OpenAI.

Exinvestigador de Anthropic vincula a Mythos con una curva acelerada de eficiencia

Jacob Coxon, quien trabajó en OpenAI antes de incorporarse a Anthropic, sostiene que el modelo Mythos forma parte de una aceleración de la eficiencia algorítmica y no representa un avance aislado. Según su interpretación de una diapositiva de Anthropic, la empresa podría reentrenar el sistema con menos cómputo que el requerido originalmente.

Coxon dijo que el gráfico fue una de las razones por las que decidió dejar Anthropic, donde trabajó alrededor de cuatro meses. La diapositiva, presentada durante una gira vinculada a una posible oferta pública inicial (IPO), muestra el multiplicador de cómputo de preentrenamiento para código a lo largo del tiempo. La lectura que hace Coxon de esas estimaciones es suya y no demuestra por sí sola una tendencia general de toda la industria.

La diapositiva que motivó las críticas

El gráfico abarca el período entre julio de 2024 y octubre de 2026 y muestra una curva ascendente. Coxon cuestiona la forma en que se presenta la escala logarítmica del eje vertical y calificó la diapositiva de «insensata», de acuerdo con la información sobre sus declaraciones.

En una escala logarítmica, los intervalos representan cambios multiplicativos, no diferencias lineales constantes. Esa presentación puede servir para mostrar valores de rangos distintos, pero la apariencia de la pendiente depende de cómo se construye el gráfico. Por sí sola, no prueba las causas de los cambios ni cuánto del progreso corresponde a mejoras algorítmicas.

Coxon interpreta la curva como evidencia de una mejora algorítmica que no solo continúa, sino que se acelera. Esa lectura no debe confundirse con una conclusión confirmada por Anthropic ni con una medición independiente de la evolución de la industria.

Mythos y la hipótesis de una curva acelerada

Coxon sitúa a Mythos dentro de esa tendencia y afirma que el modelo representó un salto importante de capacidades durante la primavera. En lugar de describirlo como una anomalía o un resultado irrepetible, lo presenta como un punto de una curva que, en su interpretación, sería «superexponencial».

La expresión se refiere a una aceleración en la velocidad de crecimiento. En este caso, corresponde a la interpretación de Coxon sobre el gráfico y los avances recientes. Anthropic describe a Mythos Preview como su modelo de frontera más capaz hasta la fecha y señala que mostró un avance marcado en varios benchmarks; esa descripción no confirma por sí misma la lectura de Coxon sobre una curva superexponencial.

La consecuencia más llamativa de su argumento es que Anthropic podría volver a entrenar Mythos con una fracción del cómputo requerido originalmente. Coxon no ofrece una cifra para esa fracción ni especifica cuánto tiempo, infraestructura o recursos requeriría el eventual reentrenamiento. Por ello, la afirmación debe entenderse como una valoración cualitativa, no como un cálculo cuantificado.

El cómputo es uno de los recursos necesarios para entrenar modelos de inteligencia artificial, mientras que la eficiencia algorítmica describe mejoras que permiten obtener más capacidad con recursos comparables o alcanzar resultados similares con menos recursos. La tesis de Coxon es que esas mejoras podrían cambiar las expectativas sobre el costo de desarrollar modelos. Sin embargo, la diapositiva no establece por sí sola qué parte del avance proviene de los algoritmos ni cuánto corresponde a otros factores.

La renuncia y el llamado a una pausa

Coxon relacionó su salida de Anthropic con la diapositiva presentada durante la gira de IPO. Antes había trabajado en OpenAI y luego se incorporó a Anthropic, donde permaneció alrededor de cuatro meses, según la información sobre su trayectoria.

El exinvestigador también ha advertido públicamente sobre los riesgos de la IA avanzada. Entre sus temores está la posibilidad de que un sistema capaz de mejorarse a sí mismo escape al control humano; lo plantea como un riesgo, no como un hecho ocurrido. En declaraciones a la BBC, también defendió ralentizar el ritmo de desarrollo.

Desde esa perspectiva, Coxon sostiene que las mejoras algorítmicas están «al borde de ser automatizadas». Pide que el desarrollo de modelos de frontera se pause temporalmente, con el argumento de que una suspensión daría a los competidores la oportunidad de ponerse al día con las empresas que hoy avanzan más rápido.

Coxon objeta que una pausa perjudicaría a Anthropic y OpenAI. Esa es su evaluación sobre los efectos competitivos de la medida; no permite determinar por sí sola cómo cambiarían el ritmo de investigación, la distribución de capacidades o la seguridad de los sistemas bajo una pausa.

Qué permite concluir el planteamiento

La intervención de Coxon reúne dos asuntos relacionados, pero distintos: una lectura crítica de una diapositiva sobre estimaciones de cómputo y una postura sobre el ritmo de desarrollo de la IA avanzada. La primera depende de cómo interpreta el gráfico; la segunda expresa su juicio sobre el riesgo de que la mejora algorítmica acelere la creación de sistemas más capaces.

La posibilidad de reentrenar Mythos con menos recursos no equivale a una confirmación pública de Anthropic sobre un plan concreto para hacerlo. La afirmación de Coxon tampoco proporciona un porcentaje, un calendario o una comparación detallada con el entrenamiento original.

El debate que plantea es relevante porque una reducción del cómputo necesario podría modificar el costo y la velocidad con que se desarrollan modelos, mientras que una aceleración de capacidades podría intensificar las preguntas sobre supervisión y seguridad. No obstante, la conexión entre la curva, Mythos y la automatización de mejoras es la interpretación de Coxon, no una conclusión independiente demostrada por la diapositiva.

La advertencia central del exinvestigador es que el avance no debería entenderse como una sucesión de saltos aislados, sino como una tendencia que podría acelerarse. Su pedido de pausa se apoya en esa preocupación; la diapositiva, por sí sola, no confirma que esa aceleración vaya a producirse ni que Anthropic pueda reentrenar Mythos con una cantidad específica de recursos.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.

ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín