La verdadera revolución de GPT-5.3 Codex y Claude Opus 4.6 no radica en su mayor inteligencia, sino en su capacidad para auto-mejorarse

La semana anterior, OpenAI y Anthropic presentaron al mismo tiempo sus últimos modelos de IA enfocados en programación: GPT-5.3 Codex y Claude Opus 4.6. Además de las impresionantes avances en rendimiento y velocidad, ambas empresas destacaron un aspecto que transforma por completo el panorama: los modelos de IA están contribuyendo activamente a su propio avance. En otras palabras, la IA se está perfeccionando a sí misma.

Por qué este avance es significativo

Las herramientas de inteligencia artificial generativa han alcanzado un alto grado de eficiencia y precisión, evolucionando en pocos años de ser auxiliares para tareas simples a participar en gran parte de un proceso de desarrollo. De acuerdo con la documentación técnica de OpenAI, GPT-5.3 Codex “fue clave en su propia creación”, al usarse para depurar su entrenamiento, manejar su implementación y analizar los resultados de las evaluaciones.

Por su lado, Dario Amodei, CEO de Anthropic, mencionó en su blog personal que la IA genera “gran parte del código” en su compañía y que el ciclo de retroalimentación entre la generación actual y la siguiente “gana fuerza mes a mes”.

En profundidad

En la práctica, esto implica que cada nueva versión de IA asiste en la construcción de la siguiente, que resultará más competente, y esta a su vez creará una aún superior. Los expertos lo denominan “explosión de inteligencia”, y los desarrolladores de estos sistemas consideran que el proceso ya está en marcha. Amodei ha afirmado públicamente que podríamos estar “a solo 1 o 2 años de un punto en el que la generación actual de IA construya de forma autónoma la siguiente”.

La mayoría de las personas accedemos a modelos de lenguaje gratuitos que están disponibles para todos y son moderadamente capaces para ciertas tareas. Sin embargo, estos tienen limitaciones y no reflejan lo que un modelo de IA de vanguardia puede lograr actualmente. En una sesión breve con 5.3-Codex, pude confirmar esto, ya que las herramientas de IA que emplean las grandes compañías tecnológicas en su desarrollo difieren enormemente en capacidades de las versiones comerciales gratuitas disponibles.

El énfasis inicial en la programación

La especialización temprana en programación resulta más lógica de lo que parece. Empresas como OpenAI, Anthropic o Google priorizaron que sus sistemas fueran sobresalientes en la escritura de código antes que en otras áreas, ya que el desarrollo de una IA demanda cantidades masivas de código. Si la IA puede generar ese código, entonces puede contribuir a su propia evolución. “Hacer que la IA sea excelente en programación fue la estrategia que desbloquea todo lo demás. Por eso lo hicieron primero”, explicó Matt Shumer, CEO de OthersideAI, en una publicación que ha generado debate en redes sociales recientemente.

Detrás de escena

Los nuevos modelos no solo generan código: toman decisiones, iteran sobre su propio trabajo, prueban aplicaciones como lo haría un desarrollador humano y refinan el resultado hasta que lo consideran adecuado. “Le indico a la IA qué quiero construir. Escribe decenas de miles de líneas de código. Luego abre la aplicación, hace clic en los botones, prueba las funciones. Si algo no le convence, regresa y lo modifica por su cuenta. Solo cuando decide que cumple con sus estándares, me lo devuelve”, describió Shumer al relatar su experiencia con GPT-5.3 Codex.

El impacto de la autorreferencia

Hasta ahora, cada mejora dependía de equipos humanos que dedicaban meses a entrenar modelos, ajustar parámetros y corregir errores. Ahora, la propia IA realiza parte de ese trabajo, lo que acelera los ciclos de desarrollo. Según Shumer y refiriéndose a datos de METR, una organización que mide la capacidad de estos sistemas para completar tareas complejas de manera autónoma, el tiempo que una IA puede operar sin intervención humana se duplica aproximadamente cada siete meses, y hay indicios recientes de que ese período podría acortarse a cuatro.

Qué sigue a continuación

Si esta tendencia persiste, para 2027 podríamos ver sistemas capaces de trabajar de forma autónoma durante semanas en proyectos completos. Amodei ha hablado de modelos “sustancialmente más inteligentes que casi todos los humanos en casi todas las tareas” para 2026 o 2027. No se trata de predicciones distantes, ya que la infraestructura técnica para que la IA contribuya a su propia mejora ya está en funcionamiento. Estas capacidades son las que realmente están transformando la industria tecnológica.