Hay un género de texto que escapa a las categorías del análisis financiero y que, sin embargo, mueve más capital que muchos informes de gestora: el hilo de un ingeniero respetado en la red social X. Andrej Karpathy —cofundador de OpenAI, antiguo responsable de inteligencia artificial en Tesla y uno de los divulgadores técnicos más influyentes del sector— publicó el 19 de diciembre de 2025 su balance personal del año en grandes modelos de lenguaje (LLM, por sus siglas en inglés). No es un documento de inversión, no contiene recomendación de cartera alguna y apenas maneja cifras. Pero ofrece algo que escasea en los informes de las casas que sí venden producto: la mirada de quien construye la tecnología por dentro y, precisamente por eso, se permite la honestidad y la duda. En un momento en que el mercado bursátil estadounidense descansa sobre un puñado de gigantes ligados a la IA, conviene leer con atención a quien no tiene un fondo que colocar.
Karpathy enmarca su repaso con una advertencia de tono: 2025 fue, en sus palabras, un año «fuerte y movido» con varios «cambios de paradigma» que alteraron el panorama. Lo que sigue no es una lista de productos ni de cotizaciones, sino de ideas. Y esa es su virtud y su límite: ofrece el mapa de hacia dónde se mueve la tecnología, pero deja en el aire la pregunta que más interesa a quien invierte —cuánto de todo esto se traducirá en beneficios y para quién—.
Figura 1. Cabecera del artículo de Karpathy en X, con título, autor verificado y métricas de difusión. — Fuente: X (@karpathy), 19 de diciembre de 2025.
El motor del año: recompensas verificables
El primer cambio de paradigma que destaca Karpathy es técnico pero decisivo para entender por qué los modelos de 2025 «razonan» mejor. A comienzos de año, la receta de entrenamiento en todos los laboratorios tenía tres fases: preentrenamiento (la herencia de los GPT-2 y GPT-3 de hacia 2020), ajuste fino supervisado (el InstructGPT de 2022) y aprendizaje por refuerzo a partir de retroalimentación humana (RLHF, también de 2022). En 2025 irrumpió una cuarta etapa, según él dominante: el aprendizaje por refuerzo con recompensas verificables, o RLVR.
La idea es sencilla de enunciar y profunda en sus consecuencias. En lugar de premiar al modelo según el gusto subjetivo de un humano, se le entrena contra recompensas que una máquina verifica automáticamente: problemas de matemáticas o de programación con solución comprobable. Sometido a esa presión, el modelo desarrolla por su cuenta estrategias que «a los humanos nos parecen razonamiento»: descompone el problema en pasos, avanza y retrocede, prueba caminos hasta dar con el que funciona. Eran estrategias casi imposibles de lograr con los métodos anteriores, porque nadie sabe de antemano cuál es la traza de razonamiento óptima; el modelo tiene que descubrirla optimizando contra la recompensa.
La consecuencia económica es la que importa al inversor. A diferencia del ajuste fino supervisado y del RLHF —etapas cortas y baratas en cómputo—, el RLVR admite optimizaciones mucho más largas y ofrece una relación capacidad-por-dólar muy alta. Eso, dice Karpathy, «se comió» la potencia de cálculo que originalmente iba al preentrenamiento. El resultado visible en 2025 fue una flota de modelos de tamaño parecido al de 2024 pero entrenados con tandas de refuerzo mucho más largas. Y, de propina, apareció un nuevo dial de control: el «tiempo de pensar». Generando trazas de razonamiento más largas al responder, se sube la capacidad a cambio de más cómputo en la inferencia. El modelo o1 de OpenAI (finales de 2024) fue la primera demostración de RLVR, pero fue el o3 (principios de 2025) el punto de inflexión en el que, según él, «se sentía intuitivamente la diferencia».
Fantasmas, no animales: la inteligencia «dentada»
El segundo apartado es el más citado y el más filosófico, y conviene tomarlo como lo que es: una metáfora potente, no un dato. Karpathy sostiene que en 2025 él —y, cree, buena parte de la industria— empezó a interiorizar de forma más intuitiva la «forma» de la inteligencia de estos sistemas. Su tesis: no estamos «haciendo crecer animales», estamos «invocando fantasmas». Todo en la pila tecnológica del LLM es distinto —la arquitectura neuronal, los datos, los algoritmos y, sobre todo, la presión de optimización—, así que no debería sorprender que obtengamos entidades muy diferentes, inapropiadas para pensarlas con el marco de un animal. Las redes neuronales humanas, recuerda, están optimizadas para la supervivencia de una tribu en la jungla; las de los LLM, para imitar el texto de la humanidad, recoger recompensas en problemas matemáticos y arrancar un «me gusta» de un evaluador humano.
De ahí nace la idea que da nombre al apartado: la inteligencia «dentada» (jagged intelligence). Como los dominios verificables permiten el RLVR, los modelos «pican» en capacidad justo en la vecindad de esos dominios y muestran un rendimiento desigual. Son, en la formulación de Karpathy, «a la vez un genio erudito y un escolar confundido y cognitivamente limitado, a segundos de caer en un truco (jailbreak) que les haga filtrar tus datos». Es una imagen útil para el inversor que oye hablar de «inteligencia artificial general» como si estuviera a la vuelta de la esquina: la capacidad de estos sistemas es real pero irregular, con consecuencias prácticas —y de riesgo— que el entusiasmo bursátil aplana.
La fe perdida en los benchmarks
El corolario más incómodo de la sección es su confesión: en 2025 perdió la confianza en los benchmarks, esas pruebas estandarizadas con las que la industria proclama sus avances. Su razonamiento es demoledor por lo sencillo. Un benchmark es, casi por construcción, un entorno verificable; y todo entorno verificable es inmediatamente vulnerable al RLVR o a sus versiones más débiles vía datos sintéticos. En el proceso que él llama «benchmaxxing», los equipos de los laboratorios construyen entornos adyacentes a los rincones del espacio que ocupan los benchmarks y «hacen crecer dientes» para cubrirlos. «Entrenar sobre el conjunto de test», ironiza, «es una nueva forma de arte».
La conclusión que deja caer es la pregunta que debería matizar buena parte de los titulares triunfalistas: «¿Qué aspecto tiene aplastar todos los benchmarks y aun así no tener AGI?». Es decir, las cifras récord que cada pocas semanas anuncia un laboratorio pueden estar midiendo, cada vez más, la habilidad de los equipos para optimizar contra la prueba, no un avance genuino hacia una inteligencia general. Para quien invierte basándose en rankings de modelos, es una advertencia de primer orden: el termómetro está, en parte, calibrado por quienes tienen interés en que marque alto.
Apps, agentes y «vibe coding»: el cambio de producto
Si las dos primeras secciones son conceptuales, las cuatro siguientes describen los cambios de producto que, para Karpathy, marcaron el año. El tercero es la consolidación de una nueva capa de aplicaciones sobre los modelos, que ejemplifica con Cursor —la herramienta de programación asistida— y con el meme «Cursor para X». Estas apps, explica, no son un mero envoltorio: hacen «ingeniería de contexto», orquestan llamadas al modelo encadenadas en flujos cada vez más complejos equilibrando rendimiento y coste, ofrecen una interfaz para que el humano supervise y dotan al usuario de un «dial de autonomía». La pregunta abierta de 2025, dice, es cuán «gruesa» será esa capa: si los grandes laboratorios capturarán todas las aplicaciones o si quedará terreno para terceros. Su apuesta —y aquí late una intuición sobre cómo se repartirá el valor— es que los laboratorios «graduarán al universitario genéricamente capaz», pero serán las apps las que conviertan a esos modelos en «profesionales desplegados» en verticales concretos, alimentándolos con datos privados, sensores y bucles de retroalimentación.
El cuarto cambio es el de los agentes que «viven en tu ordenador». Karpathy señala a Claude Code como la primera demostración convincente del aspecto de un agente de IA: algo que, en un bucle, encadena el uso de herramientas y el razonamiento para resolver problemas largos. Lo notable es que se ejecuta en el ordenador del usuario, con su entorno, datos y contexto privados. Cree que OpenAI se equivocó al volcarse en despliegues en la nube orquestados desde ChatGPT en lugar del «localhost»: en un mundo de capacidades aún «dentadas» y de despegue lento, tiene más sentido correr los agentes en la máquina del desarrollador. Lo describe con su imagen recurrente: ya no es una web a la que vas, como Google, sino «un pequeño espíritu o fantasma que vive en tu ordenador».
El quinto es el «vibe coding», término que él mismo acuñó y que se le fue de las manos, reconoce con humor. En 2025 la IA cruzó el umbral necesario para construir programas «simplemente en inglés, olvidando incluso que el código existe». Programar deja de ser coto exclusivo de profesionales muy formados y, a la vez, permite a los ya formados escribir mucho más software que de otro modo nunca se habría escrito. Lo enlaza con una tesis suya más amplia —que, a diferencia de toda tecnología anterior, los LLM benefician más a la gente corriente que a profesionales, empresas y gobiernos— y predice que «reconfigurará el software y alterará las descripciones de los puestos de trabajo».
El sexto y último es Nano Banana, el modelo de generación de imágenes de Google Gemini, que considera uno de los lanzamientos más «revolucionarios» del año. Su marco es histórico: los LLM son el próximo gran paradigma de computación, comparable a los ordenadores de los años setenta y ochenta, y por tanto veremos repetirse innovaciones equivalentes —la computación personal, los microcontroladores, internet— en clave de IA. Hoy «chatear» con un modelo se parece a teclear comandos en una consola de los ochenta: el texto es el formato favorito de las máquinas, no el de las personas, que preferimos consumir información de forma visual. Así como la computación tradicional inventó la interfaz gráfica, los LLM deberían hablarnos en imágenes, infografías, diapositivas y vídeos. Nano Banana es, para Karpathy, «una primera pista temprana» de esa interfaz gráfica de la IA, y lo notable no es la generación de imágenes en sí, sino la capacidad conjunta —texto, imagen y conocimiento del mundo— entrelazada en los pesos del modelo.
La lectura de Maya: entusiasmo con cautela
¿Qué se lleva el inversor de todo esto? El propio cierre de Karpathy es el mejor resumen y, a la vez, la mejor advertencia contra los extremos. Su balance es deliberadamente paradójico: los LLM resultaron «a la vez mucho más listos y mucho más tontos» de lo que esperaba. Son extremadamente útiles, y sostiene que la industria «no ha realizado ni de lejos el 10%» de su potencial incluso con la capacidad actual. Pero, en la misma frase, afirma creer «simultáneamente que veremos un progreso rápido y continuado y que queda muchísimo trabajo por hacer». «Abróchate el cinturón», termina.
Hay que valorar este texto por lo que es. No es un documento independiente y desinteresado: Karpathy es un actor central del ecosistema —cofundó OpenAI— y su mirada está, como la de cualquiera, condicionada por su posición. Pero, a diferencia de los informes de las casas que venden fondos temáticos de IA, aquí no hay producto que colocar, y eso se nota en la franqueza con que admite las limitaciones: la inteligencia desigual, los benchmarks contaminados, la distancia que aún separa a estos sistemas de la prometida inteligencia general. Para el inversor expuesto —directa o indirectamente, vía índices muy concentrados— a la ola de la IA, el mensaje de fondo es de equilibrio: la tecnología es real, transformadora y todavía infrautilizada, pero su progreso será irregular y su despegue más lento de lo que sugieren los titulares. Ni la euforia que descuenta la AGI inminente ni el escepticismo que la tacha de burbuja vacía hacen justicia a un panorama que el propio constructor describe como «conceptualmente abierto de par en par». Conviene, como casi siempre, mantener la cabeza fría y la cartera diversificada.