Anthropic ya podría reentrenar Mythos con una fracción del cómputo original, señala Jacob Coxon tras dejar la empresa
Jacob Coxon deja Anthropic por una diapositiva de su OPV y advierte que la firma ya podría reentrenar Mythos con una fracción del cómputo original.

Jacob Coxon, exinvestigador de Anthropic y OpenAI que llevó al debate público los temores sobre la inteligencia artificial (IA), señaló que una diapositiva de la presentación bursátil de su última empleadora motivó su renuncia. Según informa The Decoder citando una publicación del investigador en X, su salida se produjo tras apenas unos cuatro meses en la empresa.
La gráfica formó parte del roadshow previo a la oferta pública de venta (OPV) de Anthropic y refleja cómo cambia con el tiempo el cómputo necesario para entrenar sus modelos. Para Coxon, la curva evidencia una aceleración algorítmica que ya reduce drásticamente el compute requerido para volver a entrenar su modelo Mythos, protagonista de un notable salto de capacidades en primavera.
La curva de preentrenamiento en el roadshow de Anthropic
La diapositiva divulgada durante el roadshow de la OPV representa el multiplicador de cómputo de preentrenamiento (pre-training compute multiplier) enfocado en programación. Aunque la escala vertical está comprimida y atenúa visualmente variaciones de gran magnitud, la curva resultante mantiene un ascenso pronunciado.
Esa inclinación llevó a Coxon a concluir en X que la eficiencia algorítmica no solo progresa con rapidez, sino a un ritmo acelerado. «Es un gráfico descomunal y me sorprende que lo hayan hecho público», escribió el investigador al analizar los datos difundidos.

Diapositiva del roadshow de OPV de Anthropic sobre el multiplicador de cómputo de preentrenamiento para código en eje logarítmico, basada en estimaciones internas ilustrativas (Anthropic).
Por su parte, Anthropic acompañó la lámina con una aclaración metodológica sobre el carácter orientativo de las cifras representadas. Los principales parámetros del gráfico y sus implicaciones técnicas se detallan en la siguiente tabla:
| Elemento o parámetro | Detalle reportado | Contexto y atribución |
|---|---|---|
| Métrica del gráfico | Multiplicador de cómputo de pre-training para código | Presentación de roadshow de OPV (Anthropic) |
| Escala vertical | Logarítmica comprimida (aumentos de 10x y 100x lucen similares) | Análisis visual de la curva (Jacob Coxon / The Decoder) |
| Periodo cubierto | De julio de 2024 a octubre de 2026 | Serie temporal publicada (Anthropic) |
| Nota metodológica | Puntos basados en estimaciones internas, solo ilustrativos | Advertencia corporativa en la diapositiva (Anthropic) |
| Modelo de referencia | Mythos (salto de capacidad en primavera, tendencia superexponencial) | Evaluación del ritmo algorítmico (Jacob Coxon) |
Mythos en una curva superexponencial y la petición de pausa
Para el exinvestigador, la trayectoria del gráfico desmiente que el avance exhibido por Mythos en primavera fuese un episodio aislado. «Mythos no fue una desviación puntual, sino un punto en una curva superexponencial. Ya podrían reentrenar Mythos con una fracción del cómputo necesario originalmente», sostuvo Coxon.
Ese progreso algorítmico cobra mayor relevancia porque, según el especialista, las propias mejoras en los algoritmos están «a punto de automatizarse». Frente a ese escenario, Coxon propone pausar el desarrollo de modelos de frontera el próximo año para que los competidores puedan ponerse al día.
A su juicio, frenar temporalmente la carrera evitaría que la ventaja quede concentrada en muy pocos actores. En palabras de Coxon, una pausa «convertiría la inteligencia de nivel humano en un bien estándar» y «solo perjudicaría a OpenAI y a Anthropic».
Antecedentes de Coxon y el temor a la automejora
Antes de su breve paso por Anthropic, Coxon había trabajado en el entrenamiento de modelos de IA en OpenAI. Esa experiencia previa en dos de los laboratorios centrales del sector dio mayor visibilidad a sus planteamientos críticos tras desvincularse de la compañía.
En septiembre, el investigador ya había generado amplia repercusión con advertencias públicas sobre los riesgos de los sistemas avanzados de IA. Su inquietud coincide con la de otros actores de la industria ante la posibilidad de que una inteligencia artificial avanzada capaz de automejorarse quede fuera de control.
Fuente: The Decoder | Publicación de Jacob Coxon en X