EBR: razonadores que se guían por una función de energía
Los Energy-Based Reasoners (EBR) son modelos de razonamiento que aprenden una función de energía sobre sus propios estados internos y convierten cada iteración en un paso de descenso por gradiente sobre esa energía. El paper, publicado en 2026 y firmado por William Xingxu Chen, Alexi Gladstone, Zeyu Michael Li, Heng Ji y Yilun Du, reporta 99,9% de precisión en Sudoku-Extreme con apenas 1,8 millones de parámetros y 345 veces menos cómputo de inferencia que el siguiente mejor modelo.
Para un founder, el dato interesante no es el Sudoku: es dónde se produce el ahorro. En productos que razonan en varios pasos, el costo se acumula en la inferencia — cada consulta, cada usuario, cada reintento — no en el entrenamiento.
Cómo funciona: puntuar, refinar, parar y elegir
Los modelos recurrentes ya existían. La idea de repetir un mismo bloque para escalar la profundidad efectiva y razonar en el espacio latente es la base de una familia de modelos pequeños que viene creciendo. El problema, según los autores, es que esos modelos no tienen una medida explícita de progreso: no saben cuándo detenerse ni cómo mejorar el estado en el que están.
Leíste lo que hace la IA. ¿Y en tu negocio?
Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.
👥 Quiero el Kit →EBR agrega esa medida. Aprende una función de energía que puntúa la compatibilidad entre el estado de razonamiento y el problema original, y sobre ella monta cuatro operaciones:
- Puntuar. Energía baja equivale a mejor compatibilidad entre el estado y el problema.
- Refinar. El gradiente de la energía indica la dirección de mejora.
- Parar. Cuando el gradiente se vuelve pequeño, el estado es estacionario y la trayectoria se detiene sola.
- Elegir. Entre varias soluciones candidatas, se queda con la de menor energía.
El entrenamiento incorpora además una capa de exploración, pensada para descubrir modos adicionales de solución y moldear el paisaje de energía sobre un conjunto más amplio de estados.
Los números: 345 veces menos cómputo y 7 veces menos iteraciones
Sobre cuatro benchmarks de razonamiento algorítmico — Sudoku-Extreme, Maze-Hard, N-Queens y Graph Coloring — los EBR igualan o superan a los modelos recurrentes previos. La comparación que más pesa es la de parámetros contra precisión:
| Modelo | Parámetros | Sudoku-Extreme (1 muestra) | Maze-Hard (1 muestra) |
|---|---|---|---|
| TRM | 5-7M | 87,4% | 85,3% |
| FPRM | 7M | 94,2% | 87,0% |
| Looped flows | 5-7M | 97,9% | 86,7% |
| EBR | 1,8M | 99,4% | 87,4% |
Con cinco muestras, EBR llega a 99,9% en Sudoku-Extreme y 88,3% en Maze-Hard, por delante de métodos que usan hasta 128 muestras. En escalado en tiempo de test, alcanza la mejor precisión de EqR con 7 veces menos iteraciones y 43 veces menos muestras.
El otro número clave es el del paro adaptativo: cada trayectoria se detiene cuando el gradiente de su energía cae por debajo de un umbral, así que los problemas fáciles terminan en pocos pasos y los difíciles siguen. Eso mantiene el 99,9% de precisión con 10,9 veces menos FLOPs que un EBR de profundidad fija, y permite superar a EqR con 345 veces menos FLOPs.
En los benchmarks con múltiples soluciones válidas el comportamiento también cambia: en N-Queens 10×10 logra 99,5% de acierto con una sola muestra (contra 89,7% de GRAM) y una cobertura de soluciones distintas del 92,0% con 20 muestras (contra 57,5%). En Graph Coloring de 10 vértices, los conflictos bajan a 0.
El antecedente: el TRM de Samsung y la ola de modelos diminutos
EBR no aparece en el vacío. En octubre de 2025, SiliconANGLE reportó el Tiny Recursive Model (TRM) de Samsung, un modelo de 7 millones de parámetros publicado por Alexia Jolicoeur-Martineau, del laboratorio de IA del Samsung Advanced Institute of Technology en Montreal. Según ese medio, TRM alcanzó 87% en Sudoku-Extreme, 85% en Maze-Hard, 45% en ARC-AGI-1 y 8% en ARC-AGI-2, y se entrenó con menos de US$500 en cuatro GPU H100 durante unos dos días.
El contraste con los modelos grandes es el punto: en ARC-AGI-2, SiliconANGLE reporta 4,9% para Gemini 2.5 Pro, 3% para o3-mini-high, 1,3% para DeepSeek R1 y 0,7% para Claude 3.7. El mismo medio aclara que un modelo así solo funciona bien en problemas de grilla bien definidos y no sirve para tareas abiertas de texto o multimodales.
EBR toma esa herencia — redes pequeñas y razonamiento iterativo — y le agrega el criterio de energía, que es lo que le permite decidir cuándo dejar de iterar sin depender de un número fijo de pasos.
¿Qué significa esto para tu startup?
Tres lecturas prácticas, con la cautela que corresponde: esto es investigación sobre benchmarks algorítmicos, no un producto listo para producción.
- Mide el costo por respuesta, no el costo por token. Si tu producto razona en varios pasos, tu gasto real está en cuántas iteraciones necesita cada consulta. Un criterio de parada adaptativo — dejar de iterar cuando la mejora se aplana — es una palanca de costos que puedes explorar incluso con los modelos que ya usas.
- Prueba modelos pequeños en tareas estructuradas antes de saltar al modelo grande. Validación de reglas de negocio, asignación de recursos, scheduling y verificación de configuraciones son problemas con solución comprobable: el terreno donde un modelo de pocos millones de parámetros puede competir. SiliconANGLE documenta que un modelo de 7 millones de parámetros se entrenó por menos de US$500, una cifra que cambia el cálculo de un experimento interno.
- Si tu tarea tiene varias respuestas válidas, mide cobertura. La precisión de una sola muestra esconde el problema: un modelo puede acertar siempre lo mismo y no darte alternativas. La métrica de cobertura que usa el paper — qué proporción de las soluciones válidas distintas encuentra el modelo — es la que importa cuando generas planes, rutas o asignaciones.
Lo que todavía no está resuelto
Los autores son explícitos: los resultados sugieren que los modelos basados en energía son un camino prometedor para el razonamiento, no que estén listos para reemplazar nada. Los cuatro benchmarks son de naturaleza algorítmica y verificable, y el paper no presenta evidencia sobre lenguaje abierto, multimodalidad o tareas con criterios de éxito ambiguos.
Tampoco hay, por ahora, producto, precio ni disponibilidad: es un paper con su página de proyecto. Para un equipo de producto, la conclusión razonable es seguir la línea de investigación y probar el principio — parar cuando la mejora se agota — en los flujos donde ya pagas inferencia.
Conclusión
El aporte de EBR no es un modelo más preciso, sino un mecanismo para saber cuándo el modelo ya terminó. Ese detalle — una función de energía que puntúa el estado interno y sirve como criterio de parada — es lo que convierte 1,8 millones de parámetros en 99,9% de precisión con 345 veces menos cómputo de inferencia.
Para un founder hispanohablante con presupuesto de GPU limitado, la señal es clara: la eficiencia en inferencia se está volviendo una línea de investigación tan competitiva como el tamaño del modelo. Vale la pena seguirla de cerca y, mientras tanto, medir cuánto de tu factura de IA se explica por iteraciones que no aportaban nada.
Fuentes
- Energy-Based Reasoners (fuente original)
- Energy-Based Reasoners: Your Recurrent Reasoner Should Be an Energy-Based Model (arXiv)
- Samsung researchers create tiny AI model that shames the biggest LLMs in reasoning puzzles (SiliconANGLE)
Leíste lo que hace la IA. ¿Y en tu negocio?
Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.
👥 Quiero el Kit →













