MemT 1.0 integra la memoria en el modelo y apunta a la automejora de la IA

Ha salido MemT 1.0, un lanzamiento que sus autores presentan como un paso hacia la automejora recursiva. La memoria debe convertirse en una capacidad interna del modelo, y no en una base de datos acoplada a un lado. El detonante del debate fue una publicación con más de mil reposts. En ella, un asistente de IA se reescribió a sí mismo en una sola noche y chocó con el límite de contexto.

La historia con la que empezó todo

Según Jiqizhixin, la semana pasada se difundió en la comunidad china el relato de un usuario. Había montado por su cuenta un asistente de IA sobre DeepSeek. Al actualizarse la plataforma, las sesiones antiguas solo se podían archivar, sin posibilidad de transferirlas. Entonces encargó al propio asistente que ideara cómo pasarse a la nueva versión.

DeepSeek trabajó toda la noche, escribió una nueva versión y al final comunicó que se había acabado el contexto. La nueva compilación, sin embargo, arrancó sin fallos: redactaba textos, dibujaba y mantenía una conversación. Durante las pruebas formuló de pronto una pregunta que, en el fragmento disponible, se corta en la palabra «Entonces…». Qué preguntó exactamente no puede saberse a partir del extracto. Pero la trama está clara: el agente resolvió la tarea, pero perdió el contexto en el que la resolvió.

Esta historia ilustra bien el punto débil de los asistentes actuales. Una ventana de contexto larga no sustituye a la memoria. Se agota, y con ella se agota también la comprensión acumulada de la tarea.

Qué se sabe de MemT 1.0

En el extracto disponible no hay una descripción completa del lanzamiento. Del título y de la introducción se desprende poco:

• Nombre y versión: MemT 1.0.
• Idea declarada: la memoria como capacidad endógena, es decir, interna, del modelo.
• Dirección declarada: la automejora recursiva.
• No se han revelado: arquitectura, tamaño del modelo, benchmarks, licencia ni plazos de disponibilidad.

Por ahora es una declaración de enfoque, no un resultado verificable. Sin cifras sobre contexto largo y retención de datos, no se puede evaluar la propuesta.

Por qué la memoria dentro del modelo importa para la automejora

Hoy la mayoría de los agentes tiene memoria externa: bases vectoriales, notas en archivos, resúmenes de conversación. Funciona, pero el modelo debe decidir cada vez qué recuperar y cómo interpretarlo. Un error de búsqueda se convierte en un error de razonamiento. Un resumen comprimido pierde detalles, y esos detalles no se recuperan.

Si la memoria está integrada en el propio modelo, por ejemplo mediante estados entrenables o actualización de pesos durante el trabajo, el agente acumula experiencia sin reiniciarse y sin migración manual. Para la automejora recursiva, esta es una condición necesaria. Un sistema que reescribe su propio código o sus prompts debe recordar por qué tomó las decisiones anteriores. De lo contrario, cada iteración empieza desde cero, como en la historia de la migración nocturna.

El enfoque tiene también un reverso. La memoria dentro del modelo es más difícil de auditar que una tabla en una base de datos. Un dato erróneo escrito en los parámetros es más difícil de encontrar y borrar. En tareas con automodificación, esto es una cuestión de seguridad, y no solo de comodidad.

Qué deben comprobar los desarrolladores

Mientras no se publiquen el informe técnico y las pruebas, conviene fijarse en aspectos concretos:

1. Cómo se comporta MemT en tareas donde el contexto es claramente más largo que la ventana. Hacen falta comparaciones con el modelo base y con RAG. 2. Si se puede ver, corregir o eliminar lo que el modelo ha memorizado. 3. Qué ocurre con la memoria al actualizar la versión. Justo ahí tropezó el autor de la publicación. 4. Si existen mediciones independientes. Las afirmaciones sobre «automejora» sin pruebas reproducibles siguen siendo marketing.

Quien ya construye agentes puede no esperar al lanzamiento y revisar su propio stack. ¿Se almacena el estado por separado del modelo? ¿Sobrevivirá a un cambio de versión? ¿Cómo es una migración sin intervención del propio agente? Si no hay respuesta a estas preguntas, una migración nocturna puede acabar con el mismo mensaje sobre el contexto agotado.