Un buen resultado en una prueba concreta no responde por sí solo a la pregunta «¿qué IA me conviene?». Tiny Recursive Model es una ocasión útil para aprender a leer esas comparaciones sin convertir un experimento en una promesa comercial.
Qué presenta la investigación
El artículo Less is More: Recursive Reasoning with Tiny Networks, de Alexia Jolicoeur-Martineau, se publicó en arXiv el 6 de octubre de 2025. Presenta TRM, una red de dos capas y siete millones de parámetros para razonamiento recursivo. El resumen informa de un 45 % de acierto en ARC-AGI-1 y un 8 % en ARC-AGI-2.
Qué significa recursivo aquí
La propuesta reutiliza una red pequeña en un proceso iterativo. Conviene conservar esa descripción técnica: compararlo con una persona que «piensa mejor» puede sugerir capacidades que el experimento no mide.
Cómo leer la comparación con otros modelos
El trabajo comunica resultados superiores a algunos modelos evaluados, entre ellos DeepSeek R1, o3-mini y Gemini 2.5 Pro, en las condiciones de su comparación. Eso no establece una superioridad general en conversación, redacción o trabajo con documentos.
Qué preguntar antes de elegir una herramienta
Nuestra recomendación editorial es empezar por la tarea. Si necesitas clasificar documentos, prepara documentos representativos. Si necesitas responder consultas, escribe preguntas y respuestas de referencia. Un ranking de otra actividad puede inspirar candidatos, pero no sustituye esa evaluación.
Desliza la tabla para consultar todas las columnas.
| Pregunta | Qué registrar |
|---|---|
| ¿Qué tarea voy a resolver? | Entrada, salida esperada y errores que no puedo aceptar. |
| ¿Qué estoy comparando? | Versión de cada sistema, configuración y fecha de la prueba. |
| ¿Cómo decidiré? | Calidad de respuesta, coste y tiempo medidos sobre los mismos ejemplos. |
| ¿Qué falta por probar? | Casos difíciles, datos distintos a los del ensayo y supervisión necesaria. |
Fecha y alcance de esta revisión
Esta página revisa el alcance del trabajo citado. No pretende ser una clasificación de los modelos disponibles hoy. Para una compra o una integración, registra las versiones que realmente vayas a utilizar y repite tu prueba antes de decidir.
Un siguiente paso útil
Escribe diez ejemplos reales de tu tarea, sin datos sensibles, y define qué respuesta considerarías válida en cada uno. La guía para evaluar modelos sin autoengaño desarrolla ese proceso. Mantén separados en tus notas los resultados observados, las explicaciones posibles y lo que todavía no has comprobado.
