DeepSeek V3.2 se cuela en el ARC-AGI-1 sin sudar (y sin gastar una millonada)

Mira, te voy a contar una movida que me ha dejado flipando. Resulta que el ARC-AGI-1, ese benchmark de razonamiento abstracto que tanto les gusta a los académicos para medir lo listas que son las máquinas, ha tenido hasta ahora dos formas de abordarlo: o tiras millones de dólares en computación con modelos de frontera (como hacer búsquedas evolutivas, muestreos infinitos o cadenas de pensamiento que no se acaban nunca) o entrenas modelos pequeñitos con datos específicos del ARC, muchas veces con arquitecturas hechas a medida para la ocasión. Vamos, o pasta o trampa.

Pues un grupo de investigadores ha dicho: '¿Y si probamos otra cosa?'. Y han cogido el DeepSeek V3.2, un modelo de pesos abiertos, y lo han puesto a trabajar en modo 'no pensar'. O sea, sin esas cadenas de razonamiento larguísimas que tanto molan ahora. Y lo mejor: con un presupuesto ajustado, sin usar datos del ARC para entrenar. Nada de trampas. Solo el modelo tal cual, con su conocimiento general, y a correr.

¿El resultado? Pues que el DeepSeek V3.2, en modo tonto (que no es tonto, ojo), ha conseguido resultados que compiten con los que se obtienen con esos métodos carísimos. No es que haya roto el benchmark, pero ha demostrado que puedes tener un rendimiento decente sin tener que hipotecar la casa para pagar la factura de la nube. Y eso, colega, es un puto avance. Porque al final, la inteligencia artificial no debería ser solo cosa de los que tienen bolsillos profundos.

Lo que han hecho estos tíos es abrir una tercera vía: usar modelos abiertos, ligeros, y ver hasta dónde llegan sin necesidad de artificios. Y han llegado lejos. Puede que no sea el fin de la historia, pero desde luego cambia las reglas del juego. Ahora cualquier equipo con un presupuesto modesto puede intentar cosas chulas en el ARC-AGI-1. Y eso mola.

Segun ha adelantado el medio arXiv AI.