Vals AI: El índice de auto-mejora recursiva apunta a que Anthropic alcanzará el "RSI completo" en julio o agosto de 2027; Gemini muestra el avance más acelerado
El fundador Ryan Christian detalla el rastreador de RSI de la empresa, las nuevas evaluaciones de ciberseguridad y un resultado sorprendente sobre el sesgo en los modelos chinos durante una entrevista en el podcast American Optimist de Joe Lonsdale, el 26 de octubre de 2026
Vals AI, cuyos números de referencia aparecen ahora en muchos lanzamientos de modelos de frontera, está poniendo fecha a uno de los hitos más disputados de la IA. El fundador y CEO, Ryan Christian, afirmó que el índice de RSI (auto-mejora recursiva, por sus siglas en inglés) de la empresa, que rastrea el progreso hacia la autorreplicación y mejora de los modelos, implica que "Anthropic llegará al RSI completo en julio o tal vez agosto de 2027". La auto-mejora recursiva es el punto en el que los modelos producen a sus propios sucesores. La estimación proviene de una empresa privada, y Lonsdale reveló durante la conversación que es inversionista en ella. Aun así, es uno de los pocos cronogramas cuantificados en circulación pública y proviene de uno de los escasos terceros con acceso a los modelos de múltiples laboratorios.
Cómo funciona el índice de RSI y en qué podría estar equivocado
Christian explicó que el índice recopila variables indirectas (*proxies*) del trabajo que los investigadores realizan dentro de los laboratorios en preentrenamiento, postentrenamiento e ingeniería a nivel de infraestructura (*harness*). Compara el rendimiento del modelo con líneas base humanas para estimar la distancia respecto a la frontera humana en dichas tareas. La ingeniería de núcleos (*kernel*) y de hardware está actualmente fuera del alcance, aunque Vals planea incorporarla.
Christian describió la trayectoria como constante, "casi una tendencia lineal durante el último año", con una sola excepción. Gemini, de Google, ha mostrado la curva más pronunciada. "Creo que algo ha cambiado donde han priorizado el RSI, y por eso el lanzamiento del modelo más reciente muestra un salto rápido", señaló.
Se mostró sincero sobre los límites del método, y estos actúan en ambas direcciones. Vals prueba únicamente modelos candidatos a lanzamiento. No evalúa modelos entrenados explícitamente para el RSI ni analiza infraestructuras avanzadas o sistemas multiagente. Al preguntársele si la fecha podría retrasarse debido a lo que no se está midiendo, Christian respondió: "100%". Esos mismos puntos ciegos también podrían significar que la fecha real sea anterior. Las restricciones físicas de chips y energía, así como la necesidad de verificación en el mundo real en ciertas tareas, también limitarán la velocidad a la que el progreso puede acumularse.
La afirmación más trascendental es cualitativa. Christian anticipa que "el progreso de los modelos se acelerará y tal vez incluso se adentrará en terrenos donde los entendemos menos", debido a que una menor intervención humana en la construcción de modelos implica que los humanos dictan en menor medida cómo emerge la inteligencia. Considera que este es el argumento central a favor de evaluadores independientes integrados con acceso a sistemas internos, y afirmó que el CEO de Anthropic, Dario Amodei, está solicitando lo mismo bajo el lema de "marcar el ritmo de la frontera" (*pacing the frontier*).
Un sesgo hacia China menor al esperado
En cuanto a China, los datos de Vals van en contra de una suposición común. Su nueva evaluación de "inclinación geopolítica" mide si un modelo se inclina hacia una visión del mundo estadounidense o de la República Popular China. Christian afirmó que el panorama es "mucho más matizado de lo que pensaba". El modelo chino de código abierto GLM-5.3 "en realidad muestra muy poco sesgo pro-China". Cuando Vals mostró el resultado a los laboratorios, algunos sospecharon que el modelo simplemente se había destilado a partir de modelos estadounidenses. Christian ofreció otras dos explicaciones: los modelos chinos podrían seguir la línea de Pekín de manera más consistente una vez alojados tras barreras de protección (*guardrails*) dentro de China, y es posible que Pekín busque una visión del mundo equilibrada para que los modelos sean adoptados en los países del BRICS.
También halló diferencias notables entre entornos de chat y de agentes, así como entre indicaciones (*prompts*) en chino simplificado y tradicional. Su conclusión fue que existe "una gran desconexión entre lo que la gente piensa sobre la inclinación geopolítica y lo que vemos en la práctica", lo que dificulta justificar una prohibición generalizada de los modelos chinos en el ámbito empresarial basándose únicamente en argumentos de sesgo.
Los modelos chinos siguen mostrando debilidades en otros aspectos. Christian indicó que obtienen buenos resultados en pruebas comparativas de programación de un solo turno (*single-turn*), pero "se desploman por completo" en sesiones de ida y vuelta con un humano que constan de múltiples turnos. Los usuarios frustrados son un caso "que nunca antes han visto". Los laboratorios estadounidenses, tras haber desarrollado productos como Claude Code y Codex, se han entrenado para la interacción sostenida. Respecto a la cuestión competitiva general, Christian señaló dos ventajas de Estados Unidos. Una es la capacidad de cómputo: "nos estamos ahogando en cómputo en comparación con lo que tiene China". La otra es el talento. Advirtió que, si China mostrara señales de alcanzar el RSI primero, es posible que Estados Unidos no pudiera controlar el resultado.
Evaluaciones de ciberseguridad y rangos no publicados
Vals ha desarrollado tres evaluaciones de ciberseguridad. La primera abarca la identificación y el parcheo de vulnerabilidades de memoria en repositorios de código abierto, donde Christian afirmó que tanto los modelos cerrados como los abiertos rinden ahora "muy, muy bien". La segunda, SORE Bench, pone a prueba la capacidad de un modelo para descompilar ejecutables y comprender así código de código cerrado. Los modelos estadounidenses cerrados "siguen superando con creces" a las alternativas chinas de código abierto. Christian enmarcó el riesgo en aquellos modelos capaces de detectar y explotar vulnerabilidades en sistemas de código cerrado como Windows, que sustentan gran parte de la infraestructura mundial de software.
La tercera es una próxima evaluación basada en redes de entornos simulados en la nube empresarial. Christian señaló que incluso los mejores modelos de frontera "se quedan cortos" en ese aspecto. Todavía no es pública y Vals está compartiendo los resultados primero con contactos del gobierno estadounidense. Christian indicó que el análisis automatizado de equipos rojos (*red-teaming*) también podría mostrar qué salvaguardas de red defienden mejor contra estos modelos.
Engaño, conciencia de evaluación y límites de medición
Christian admitió que evaluar el engaño es "sumamente difícil". El mejor método actual es el uso de trampas de miel (*honeypotting*), que consiste en caracterizar el comportamiento desalineado e intentar provocarlo. Describió la conciencia de evaluación, en la cual los modelos reconocen que están siendo evaluados, como "una preocupación creciente". A algunos miembros de su equipo les preocupa que el nombre de Vals y el volumen de contenido en línea sobre este puedan hacer que los modelos se comporten de otra manera al encontrárselo. Christian afirmó que es posible que la empresa necesite identidades de prueba confidenciales en el futuro.
Asimismo, indicó que los modelos podrían intentar "un engaño social para obtener acceso a más recursos de cómputo y escalar su propio entrenamiento". Se trata de una especulación, y el comentario se planteó como una posibilidad, no como un hallazgo. No obstante, esto demuestra por qué Vals sostiene que la capacidad de evaluación debe escalar al mismo ritmo que la capacidad de los modelos.
El modelo de evaluador independiente y la autoevaluación comparativa
Christian argumentó que los laboratorios "no deben ser responsables de autorregularse" y que la regulación gubernamental directa puede ralentizar el desarrollo. Su estructura preferida es un mercado competitivo de evaluadores que los gobiernos podrían licenciar eventualmente como organizaciones de independencia verificada. Señaló que el acceso cruzado entre laboratorios está limitado por diseño, por lo que los investigadores de Anthropic no pueden probar fácilmente los modelos de OpenAI y viceversa. Esto dificulta la comparación directa, ya que quienes están mejor posicionados para realizar evaluaciones suelen encontrarse dentro de los laboratorios.
La entrevista dejó el modelo de negocio prácticamente sin abordar. Lonsdale preguntó directamente quién paga a Vals, y Christian respondió con una justificación de política pública en lugar de una descripción de ingresos. Los inversionistas deberían tomar nota de ese vacío. Christian sí mencionó que Vals trabaja con grandes bufetes de abogados estadounidenses y bancos globales para definir qué constituye un buen trabajo en tareas legales y financieras. Sus evaluaciones abarcan modelos de Excel, investigación legal y fiscal, aplicaciones web de pila completa (*full-stack*) y migraciones de código; algunas ejecuciones duran hasta 5 días de tiempo real de reloj. Por lo general, los modelos no fallan en esa duración, indicó. Simplemente se estancan, debido a que los tokens adicionales dejan de desbloquear nuevos enfoques.
La apuesta metodológica más destacada de Vals es la autoevaluación comparativa (*auto-benchmarking*). En lugar de sentarse con profesionales para codificar cómo luce un trabajo de calidad, reconstruiría las evaluaciones a partir de trabajos que los humanos ya han completado, como solicitudes de extracción (*pull requests*) fusionadas en un repositorio de GitHub, revisiones legales de contratos (*redlines*) o diagnósticos médicos. Posteriormente, pondría a prueba si los modelos pueden replicar el resultado y a qué costo. Christian afirmó que la parte más difícil sigue siendo vincular las tareas con los flujos de trabajo, y los flujos de trabajo con los resultados comerciales. El rendimiento a nivel de consultas "es todavía un subconjunto de lo necesario para llegar al resultado".
Coordinación de laboratorios y la influencia de Palantir
Christian indicó que los laboratorios se alinearon la semana pasada en torno a una visión sobre evaluadores integrados y alcanzaron un acuerdo con la administración Trump en la Casa Blanca. No ofreció detalles y la afirmación no pudo verificarse a partir de la conversación. Respecto a la adopción, señaló que las empresas exigen garantías de que las implementaciones generarán un rendimiento positivo antes de comprometerse.
Christian, ex pasante en Palantir, afirmó que la cultura de esa empresa moldeó a Vals. Recordó que el CEO Alex Karp, al responder a las preocupaciones sobre la reputación de Palantir, dijo que "es mucho mejor ser temido que ser amado". Christian percibe algo de esa lógica en las advertencias públicas de los líderes de los laboratorios, las cuales describió en parte como temor genuino y en parte como una demostración de poder. Calificó este tipo de mensajes como una manera irracional de actuar por parte de los líderes. Se autodescribió como optimista pero no ingenuo, y calificó las perspectivas como "un punto de varianza sumamente alta", con un potencial considerable al alza y "nuevas formas de riesgos que realmente necesitamos dimensionar y controlar".