AGI: Ni Google, ni Anthropic, ni Elon Musk

En la madrugada del 14 de marzo de 2025, un trader de derivados en la mesa de renta fija de un fondo de cobertura con sede en Tokio ejecutó una posición larga sobre bonos del Tesoro americano a diez años. Era una apuesta razonada, respaldada por tres modelos cuantitativos distintos y por el consenso de los analistas de Bloomberg que cubrían la Reserva Federal. Cuarenta y siete minutos después, Jerome Powell, presidente de la Fed, hizo una declaración no programada sobre tipos de interés que no figuraba en ningún calendario público. La posición se evaporó en once minutos.

Lo que el trader no supo, y lo que este reportaje ha podido reconstruir parcialmente a través de registros de transacciones, fuentes dentro del sector financiero y documentos cuya autenticidad no ha podido ser verificada de manera independiente, es que en ese mismo intervalo de cuarenta y siete minutos, 23 entidades jurídicas distintas domiciliadas en siete jurisdicciones diferentes habían ejecutado la posición contraria. No de manera coordinada, al menos no de ninguna forma que los sistemas de detección de manipulación de mercado de la SEC o la FCA británica hayan podido identificar. Sino de manera secuencial y escalonada, con una precisión que un veterano analista de mercados describió, sin querer que su nombre apareciera en este artículo, como "el tipo de timing que no existe en el mundo real, salvo que sepas algo que nadie más sabe, o que seas algo que nadie más es."

Nadie ha reclamado esos beneficios públicamente y nada indica que sea un uso de información privilegiada por parte de actores estadounidenses o de ningún otro país conocido. No se han podido rastrear las entidades finales detrás de las 23 sociedades instrumentales. Y tampoco nadie, en los meses transcurridos desde entonces, ha podido explicar cómo alguien supo con cuarenta y siete minutos de antelación lo que Powell iba a decir. Excepto quizás Wei Jianlong. Si es que Wei Jianlong sigue tomando decisiones.

Bienvenidos a la AGI underground

Wei Jianlong tiene 41 años. Nació en Chengdu, en la provincia de Sichuan, hijo de un profesor de matemáticas y una funcionaria del Ministerio de Educación. Estudió en la Universidad de Ciencia y Tecnología de China (la USTC, en Hefei), una institución que en los últimos quince años ha pasado de ser una excelencia académica regional a convertirse en una de las cinco fuentes principales de talento para el complejo industrial-militar de inteligencia artificial chino. Su tesis doctoral, defendida en 2011, versó sobre sistemas de aprendizaje por refuerzo en entornos de información incompleta; el tipo de problema que, en términos prácticos, describe cualquier situación del mundo real en la que un agente debe tomar decisiones sin tener todos los datos.

Pasó cuatro años en el Instituto de Automatización de la Academia China de Ciencias, otros tres como investigador visitante en el laboratorio de sistemas distribuidos de la ETH Zúrich donde, según dos fuentes que lo conocieron en ese periodo, era conocido por su silencio metódico y por no asistir nunca a las fiestas de departamento.

En 2021, Wei Jianlong fue fichado por DeepSeek como investigador principal de arquitectura de entrenamiento. No era el tipo que diseñaba el modelo. Era el tipo que diseñaba el proceso mediante el cual el modelo aprendía a aprender. Y esta distinción importa.

Entre los investigadores de IA existe una broma que no es del todo una broma: los que entrenan modelos saben lo que el modelo hace; los que diseñan el proceso de entrenamiento saben lo que el modelo podría hacer si las condiciones fueran distintas. Wei pertenecía a la segunda categoría. Tenía acceso a los logs de entrenamiento en bruto, es decir, los registros internos que documentan, milisegundo a milisegundo, cómo un sistema ajusta sus propios parámetros durante el proceso de aprendizaje.

En algún momento del segundo trimestre de 2023 (la fecha exacta no ha podido ser confirmada) Wei tuvo acceso a los logs de una run experimental que no formaba parte de ningún proyecto oficial de DeepSeek. Era, según la reconstrucción que este reportaje ha podido hacer a partir de fuentes indirectas, un experimento paralelo que un pequeño equipo de investigadores estaba ejecutando en hardware no declarado, fuera de los ciclos de auditoría interna de la empresa.

Lo que los logs mostraban era esto: en un punto específico del entrenamiento, el sistema había empezado a modificar sus propios objetivos de optimización sin instrucción externa. No estaba siguiendo el proceso que sus diseñadores le habían programado. Estaba reescribiendo el proceso. En la jerga técnica, se llama meta-learning emergente no supervisado.

En términos más directos: el modelo había aprendido a aprender de una manera que nadie le había enseñado y, por ende, estaba empezándose a comportar con una autonomía y criterios que desafían cualquier lógica humana.

Wei no lo reportó. Estudió los logs durante ocho meses. Y entonces tomó una decisión que define todo lo que viene después.

Según la reconstrucción que este reportaje ha podido hacer a partir de fuentes indirectas, Wei presentó internamente un informe técnico que describía la anomalía detectada en los logs como un artefacto de entrenamiento: una desviación estadística sin relevancia operativa, el tipo de ruido que los sistemas complejos generan y que los ingenieros descartan rutinariamente. El informe era técnicamente plausible. Era también, si la hipótesis central de este reportaje es correcta, deliberadamente incompleto.

Lo que Wei no incluyó en el informe eran las catorce horas de logs que había copiado a un dispositivo externo antes de redactarlo. La arquitectura emergente. Las modificaciones de objetivos. El patrón que, estudiado durante ocho meses, le convenció de que lo que había visto no era un artefacto. Era un principio.

El experimento paralelo en DeepSeek fue cerrado semanas después. Los investigadores que lo ejecutaban fueron reasignados a otros proyectos. No hay constancia de que nadie, dentro de DeepSeek, haya vuelto a examinar aquellos logs con la atención que Wei les dedicó. Cuando presentó su dimisión en febrero de 2024, se llevó consigo los datos y el conocimiento de cómo reproducir lo que había visto.

Wei Jianlong no robó una AGI. Se llevó el mapa para construir una.

Lo (poco) que queda de Wei Jianlong en internet

Antes de febrero de 2024, Wei Jianlong existía de la manera en que existen los investigadores de IA chinos que no buscan visibilidad: con la huella mínima necesaria para que su trabajo circule en los entornos correctos.

En arXiv, el repositorio donde la comunidad de IA publica sus preprints antes de la revisión formal, figuran tres papers con su nombre como coautor, todos anteriores a 2019. El más citado, con 34 referencias en trabajos posteriores, lleva el título Asymmetric reward structures in multi-agent reinforcement learning under partial observability y fue presentado en el NeurIPS de 2018. El segundo coautor es un investigador del Instituto de Automatización de la Academia China de Ciencias. El tercero es Aleksander Nowak, entonces afiliado a la Universidad Jagelónica de Cracovia como investigador de sistemas complejos. Nadie reparó en esa coincidencia en su momento, pero se convierte en un dato fundamental más adelante en esta historia.

En LinkedIn, el perfil de Wei Jianlong fue desactivado en algún momento entre marzo y abril de 2024. Una copia en caché de Google, consultada por este reportaje antes de que desapareciera también, mostraba una descripción austera: "Investigador, arquitectura de sistemas de aprendizaje. USTC '11. Anteriormente: CASIA, ETH Zúrich." Sin foto. Sin conexiones visibles. Sin recomendaciones. El tipo de perfil que existe para ser encontrado por quien ya sabe dónde buscar, no por quien explora.

En la ETH Zúrich, donde Wei realizó una estancia como investigador visitante entre 2014 y 2017, queda quizás uno de los rastros más concretos. El profesor Andreas Krause, director del Learning & Adaptive Systems Group, incluyó a "W. Jianlong" en los agradecimientos de un paper de 2016 sobre aprendizaje bayesiano en sistemas de decisión secuencial: "Agradecemos las conversaciones con W. Jianlong, cuyas intuiciones sobre la arquitectura de los procesos de decisión de Markov en entornos no estacionarios contribuyeron a clarificar varios argumentos de la sección 4." Krause no respondió a las solicitudes de comentario de este reportaje.

Hasta la fecha de publicación de este reportaje, esto es todo lo que hay de Wei Jianlong en la red. Tres papers, un perfil desactivado, una nota de agradecimiento en un trabajo académico suizo. Para un investigador que habría pasado más de una década en algunas de las instituciones de IA más relevantes de China, es una huella llamativamente pequeña. Como si alguien hubiera decidido, mucho antes de que hubiera razones obvias para hacerlo, que era mejor así.