Un desarrollador que dedicó diez meses a construir un bot de ajedrez asegura que juega más como una persona real que los modelos de tipo humano más avanzados, y ha publicado puntos de referencia para respaldar esta afirmación. El bot, llamado Chessbook-1, impulsa los juegos de entrenamiento en Chessbook, un sitio donde los jugadores pueden practicar contra un oponente diseñado para jugar como un jugador típico de Lichess en cualquier nivel y con cualquier control de tiempo.
El desarrollador dijo que las opciones existentes no se ajustaban a lo que necesitaba. Allie 2.0 y Maia-3 eran los mejores modelos de tipo humano disponibles, escribió, pero ninguno era del todo adecuado. Maia-3 no iguala bien la fuerza de juego, juega con demasiada potencia en niveles bajos y no fue entrenado con situaciones de poco tiempo ni con controles de tiempo distintos al blitz. Allie 2.0 fue el mejor predictor general de los movimientos humanos, pero calcula el uso del tiempo por separado del movimiento que elige, y su fuerza de juego se desvía tanto en niveles bajos como altos.
¿Cómo se entrenó Chessbook-1?
Chessbook-1 tiene 199 millones de parámetros y fue entrenado con un año de partidas de Lichess, desde agosto de 2025 hasta julio de 2026. Las partidas incluyeron solo jugadores con calificaciones entre 600 y 3.000 que estuvieran a menos de 400 puntos de diferencia entre sí, y se excluyeron las cuentas de bots. La sesión principal de entrenamiento duró 24 horas en ocho procesadores gráficos H100, seguida de un ajuste fino de ocho horas en ocho A100. El desarrollador dijo que el bot funciona en una sola GPU T4 y entrega una predicción en mucho menos de un segundo.
Para probar el modelo, el desarrollador usó posiciones de septiembre de 2026, un mes después de que terminaran los datos de entrenamiento de Chessbook-1. La primera prueba tomó al azar 30.000 posiciones de cada partida calificada de ese mes, en todos los controles de tiempo y niveles. La segunda usó 28.000 posiciones solo de partidas de blitz, ya que Maia-3 fue entrenado exclusivamente con blitz. Stockfish 18 evaluó todos los movimientos legales en cada posición, y las predicciones de los modelos se compararon con lo que los jugadores humanos realmente eligieron.
¿Cómo se compara Chessbook-1 con Maia-3 y Allie 2.0?
En la prueba de blitz, los tres modelos quedaron prácticamente empatados. Allie 2.0 acertó el movimiento humano el 57,5 por ciento de las veces, mientras que Maia-3 y Chessbook-1 obtuvieron cada uno 57,3 por ciento. El desarrollador dijo que las diferencias estaban dentro del margen de error. En el conjunto aleatorio más amplio, Allie 2.0 estuvo cerca de un punto por delante en la mayoría de los rangos de calificación. Chessbook-1 y Maia-3 estuvieron igualados por debajo de 1.800, y Chessbook-1 se adelantó a partir de ahí. La brecha fue más amplia en las partidas de bala y en los últimos segundos del reloj, donde se agotan los datos de entrenamiento de Maia-3.
La presión del tiempo produjo la diferencia más clara. En las posiciones en las que el jugador tenía menos de 20 segundos, Chessbook-1 predijo el movimiento del humano el 54,8 por ciento de las veces, frente al 51,9 por ciento de Maia-3. Allie 2.0 mantuvo su ventaja sobre Chessbook-1 en ese escenario.
¿Comete Chessbook-1 menos errores graves que los modelos de ajedrez de tipo humano?
El desarrollador también midió la fuerza de juego observando con qué frecuencia cada bot cometía errores en comparación con humanos de la misma calificación. Maia-3 y Allie 2.0 siguieron el ritmo de los jugadores humanos hasta aproximadamente 2.200, escribió el desarrollador, y luego se desplomaron. En 2.600 o más, ambos cometen errores graves casi el doble de veces que los jugadores que imitaban. Chessbook-1 se mantuvo dentro del 9 por ciento de las tasas de errores graves humanos en todos los rangos, y dentro del 18 por ciento en 2.600 o más. Según las cifras del desarrollador, Maia-3 y Allie 2.0 cometieron 63 por ciento y 75 por ciento más errores que un jugador de 2.600 o más.
El bot también predice cuánto tiempo gastaría un humano en un movimiento. Chessbook-1 estimó que los jugadores gastan el 5,4 por ciento de su tiempo restante en el reloj en un movimiento, lo que coincide con el 5,4 por ciento medido en partidas humanas. Allie 2.0 estimó 4,9 por ciento. El desarrollador dijo que Chessbook-1 también predice el resultado de las partidas con más precisión que una evaluación de Stockfish que no considera el nivel de los jugadores, la cual acertó al ganador final entre el 63 y el 66 por ciento de las veces, frente al 66 y el 71 por ciento de Chessbook-1 y Allie 2.0.
El desarrollador afirmó que los scripts de evaluación, los conjuntos de pruebas y los resultados brutos por posición están disponibles bajo solicitud. Chessbook-1 también puede jugarse en el sitio de Chessbook, donde los usuarios pueden elegir una calificación entre 600 y 2.800 y un control de tiempo.
Questo articolo è stato scritto con l'assistenza dell'IA.
News Factory APP - notizie agentiche per potenziare il tuo SEO e AEO.