Metamorfon se parece a cinco tipos de herramientas y no pertenece a ninguna de esas categorías. Cada comparación, examinada de cerca, hace aparecer un rasgo que una definición directa enunciaría con menos nitidez.

No es un asistente de IA del día a día. ChatGPT, Claude, Gemini o Mistral trabajan en el registro de la petición y la respuesta: un interlocutor único, que se ajusta al usuario a lo largo del intercambio. Metamorfon reúne varios modelos distintos y desplaza la relación: ya no responden solo al usuario, se responden entre sí. De un turno a otro, sus posiciones se refuerzan, se desplazan, se contradicen, se recomponen.

No es un asistente de investigación. Un asistente de investigación tiene una función: encontrar la información y restituirla. Metamorfon recurre a la búsqueda web cuando un debate depende de hechos recientes, pero la información sigue siendo allí un material. Todo se juega después de su llegada: cómo la interpreta un modelo, cómo la impugna otro.

No es una herramienta de productividad. Las herramientas de productividad aceleran tareas que ya se saben hacer. Metamorfon ralentiza a propósito. Formular la pregunta, dejar que el debate se despliegue, aislar un punto, cambiar de modo de debate, releer los análisis: ese tiempo no tiene nada de coste accesorio. El objeto de la reflexión cambia mientras transcurre.

No es un benchmark. Un benchmark mide rendimientos en tareas fijadas de antemano. Un diálogo prolongado expone una conducta: cómo un modelo defiende una posición, responde a una objeción, mantiene o revisa sus compromisos, y deja ver sus presupuestos cuando otro ataca su razonamiento.

No es una herramienta de generación de contenido. Una sesión produce ante todo una trayectoria: posiciones iniciales, objeciones, desplazamientos, callejones sin salida, correcciones, a veces un concepto que toma forma. Los modos de análisis releen después esa trayectoria desde varios ángulos.

Estas cinco distancias dibujan su categoría: Metamorfon es un instrumento de pensamiento.

La fórmula suscita una objeción: ¿por qué hacer dialogar a varios modelos mejoraría algo?

Nada lo garantiza. De ahí el método.

La contradicción pone a prueba; no prueba

Un gran modelo de lenguaje sobresale en producir una respuesta coherente a partir de un contexto. De ahí viene su utilidad. También la dificultad, en cuanto se usa para pensar.

Una respuesta fluida, estructurada, documentada en apariencia, puede descansar en una premisa frágil. El modelo despliega con talento las consecuencias de un encuadre discutible, porque nada en el intercambio lo obliga a volver sobre él.

El entrenamiento de los asistentes acentúa el rasgo. No solo se les enseña a producir un lenguaje plausible: su posentrenamiento incorpora preferencias humanas sobre lo que es una respuesta útil. Los trabajos sobre la complacencia de los modelos (sycophancy; Sharma et al., ICLR 2024) muestran que esa optimización empuja, en ciertas condiciones, a un modelo a adoptar las creencias de su usuario antes que a mantener la respuesta exacta. El fenómeno no es uniforme ni inevitable, y los modelos también se entrenan para resistirlo. Es lo bastante real como para que los grandes proveedores le dediquen evaluaciones específicas.

Pedir al mismo modelo que se critique no resuelve nada de por sí. Sin una señal externa fiable, la autocorrección a menudo no mejora un razonamiento y a veces lo degrada (Huang et al., ICLR 2024). Una segunda respuesta del mismo sistema no es una segunda mirada.

De ahí el interés de la investigación por el debate entre modelos. Cuando varias instancias confrontan sus respuestas y luego las revisan, el razonamiento y la factualidad mejoran en varias tareas (Du et al., ICML 2024): la objeción aporta al modelo una información ausente de su propia trayectoria y le plantea un problema nuevo.

La ganancia no es automática: los sistemas de debate no superan de forma fiable a métodos sin debate, como el voto entre varias respuestas de un mismo modelo, y se muestran más sensibles al ajuste de sus parámetros (Smit et al., ICML 2024). En un estudio controlado sobre un rompecabezas lógico, el éxito depende ante todo de la fuerza de razonamiento de los agentes y de la diversidad del grupo, y la presión de la mayoría ahoga la corrección independiente (Wu et al., prepublicación 2025). El debate no garantiza la corrección.

Los modelos tampoco son testigos independientes. Sus corpus se solapan, sus referencias culturales también, y ciertos presupuestos atraviesan todos los textos de los que han aprendido. Medidos en más de 350 LLM, sus errores están claramente correlacionados, y los de los modelos más potentes lo siguen estando entre proveedores y arquitecturas distintos (Kim et al., ICML 2025). Tres modelos que repiten la misma cifra no hacen tres fuentes.

La pluralidad no equivale, pues, a una prueba. Crea ocasiones de puesta a prueba. Una afirmación pasa a manos de un interlocutor ajeno a la cadena de argumentos que la produjo; una objeción obliga a explicitar una premisa que había quedado implícita. Dos posiciones que se creían compatibles se descubren contradictorias en cuanto comparten el mismo espacio de discusión.

Metamorfon no vuelve verdaderas las respuestas de las IA, sino que dispone condiciones en las que el error tiene más ocasiones de ser advertido.

Un marco metodológico

Hacer debatir a varios LLM no es todavía más que un dispositivo técnico. El instrumento empieza con decisiones: cómo se encuentran los modelos, qué reciben, qué se espera de ellos, cómo se examinan sus respuestas, dónde interviene el usuario. Dicho de otro modo, con un método.

El de Metamorfon opera en cuatro niveles: las instrucciones dadas a los modelos, la arquitectura de sus intercambios, el modo de debate aplicado a un turno, los análisis que vuelven sobre la sesión. En ninguno de esos niveles dicta la respuesta correcta. Regula las condiciones del examen.

El método descansa primero en las instrucciones. Pedir a una IA que «revele los sesgos» de un texto supone que los contiene; pedirle que «demuestre por qué una tesis es falsa» fija el destino antes de la investigación. La instrucción fabrica entonces una parte del resultado que pretende descubrir.

El funcionamiento concreto de esta orquestación —arquitecturas de diálogo, modos de debate, modo Enfoque y análisis— se desarrolla en Hacer debatir a dos IA: orquestar y analizar el diálogo. Aquí, el acento recae menos en la conducción de una sesión que en la función del marco: lo que permite poner a prueba, hacer visible y, a veces, recomponer.

El espíritu de las instrucciones se resume en una regla: prescribir una forma, nunca una conclusión. Ejes, un orden de examen, una disciplina de restitución. Su redacción retira, una a una, las palabras que inclinan la interpretación: lo llamamos «despoblación léxica».

Un método crítico no consiste, por tanto, en ordenar a los modelos que sean críticos. Pone las proposiciones a prueba sin haber decidido de antemano cuál tendrá que ceder.

Las arquitecturas de diálogo forman el segundo nivel del método. Fijan quién habla a quién, en qué orden, y qué recibe cada modelo de los demás antes de responder.

Los modos de debate cambian después las reglas del juego. Convergente, constructivo, equilibrado, crítico, refutativo: no cinco peldaños de una misma escala de intensidad, sino cinco operaciones distintas sobre el mismo material. El crítico examina los argumentos dentro del marco admitido; el refutativo cuestiona el marco.

En las arquitecturas adaptativas, el modo varía, pues, sin que la pregunta cambie. Una proposición construida en un turno de diálogo puede someterse, en el siguiente, a la búsqueda de sus puntos débiles. A la inversa, una fase muy crítica puede dar paso a un modo constructivo, en el que los modelos recomponen a partir de lo que ha resistido.

El método no busca el desacuerdo por sí mismo. Aspira a volver informativos el desacuerdo, el acuerdo y la revisión.

Una disciplina argumentativa

Organizar los turnos de palabra no basta. Un debate puede ser espectacular y mediocre. Dos interlocutores se contradicen sin responder nunca al argumento del otro. Un modelo desplaza una definición sobre la marcha, cambia de exigencia según juzgue su tesis o la de otro, vuelve poco a poco irrefutable su posición. La contradicción no produce la razón más de lo que la pluralidad produce la verdad.

La Evaluación argumentativa se ocupa de este punto. No dice quién tiene razón en el fondo. Observa la conducta del razonamiento: ¿ha recibido respuesta la objeción? ¿Se sigue la conclusión de las premisas planteadas? ¿Se reconoce una corrección justificada? ¿Exige un modelo a su interlocutor una prueba que él mismo no aporta? Llamemos a esto una disciplina argumentativa: coherencia de los criterios, trato leal del argumento contrario, capacidad de revisión, distinción entre objeción y refutación, negativa a desplazar en silencio los términos del debate.

Estas reglas no defienden ninguna doctrina; vuelven más exigente la defensa de todas. Lo que está en juego es más agudo con modelos de lenguaje, buena parte de cuya potencia reside en la capacidad de producir un discurso fluido y convincente. Fuerza retórica y solidez lógica son dos propiedades. Un instrumento de pensamiento debe saber separarlas.

Otro modelo no es otra fuente

El examen argumentativo deja intacta otra fragilidad: un razonamiento bien construido puede descansar en una premisa falsa. Una cifra mal citada, un estudio inexistente, una conclusión atribuida indebidamente a una fuente se alojan sin dificultad en una argumentación coherente. El debate no garantiza su detección: sistemas formados en un entorno informativo en parte común producen errores correlacionados.

El marco metodológico debe, pues, en algún momento, salir del diálogo. La Verificación de fuentes no controla cada frase. Aísla las afirmaciones verificables que sostienen la demostración (cifras determinantes, estudios invocados como pruebas, atribuciones a un autor, obras, fechas) y las confronta con fuentes externas.

Una argumentación se audita desde dentro, por su coherencia, mientras que una afirmación fáctica exige una confrontación con el exterior del diálogo.

Una fuente exacta no repara un mal razonamiento; un razonamiento riguroso no convierte un dato falso en hecho.

La Evaluación argumentativa y la Verificación de fuentes responden a dos vulnerabilidades distintas. Ninguna es una máquina de la verdad. Juntas, multiplican los puntos en los que los errores (fallos de razonamiento, fuentes inventadas o sobreinterpretadas) se vuelven visibles.

El usuario forma parte del problema

Queda una dificultad más profunda: se pueden examinar las respuestas, los argumentos y las fuentes sin interrogar nunca la pregunta que lo ha producido todo. Ahora bien, toda pregunta lleva ya una representación del problema.

Preguntar «¿qué pierde una sociedad cuando…?» supone una pérdida. Preguntar qué solución dar a un fenómeno hace ya de él un problema. Elegir un vocabulario jurídico en lugar de económico, individual en lugar de sistémico, delimita el espacio en el que los modelos irán a buscar sus respuestas. El defecto es inevitable: todo pensamiento empieza en alguna parte. Ese punto de partida, en cambio, se puede examinar.

La Arqueología crítica se remonta a los presupuestos alojados en la pregunta inicial y en las intervenciones del usuario: conceptos ya instalados, oposiciones dadas por sentadas, un vocabulario que ilumina ciertos objetos y deja otros en la sombra. No califica la pregunta. Saca a la luz las decisiones que esta había tomado antes de la primera respuesta.

La distribución habitual de los papeles queda modificada. En un chat clásico, el usuario pregunta y el modelo es evaluado. Aquí, quien pregunta entra a su vez en el campo del examen. El método crítico se vuelve reflexivo.

Errores que solo la duración revela

Una respuesta aislada muestra lo que un modelo produce en una situación dada. No dice qué ocurre con esa posición cuando se encuentra con una objeción, un dato contradictorio o una reformulación del problema. Producir una respuesta y sostenerla frente a la objeción son dos pruebas distintas. Ciertas fragilidades son, por tanto, interaccionales: solo existen, o solo se vuelven visibles, en la duración del intercambio.

Un modelo modifica su posición a pequeños toques y defiende, unos turnos más tarde, algo distinto de su tesis de partida. El desplazamiento puede ser razonable y no ser reconocido nunca.

Sería un error concluir de estas «revisiones silenciosas» que un LLM no sabe releerse. Enlazan con una dificultad que documentan las investigaciones sobre la autocorrección citadas más arriba: un modelo no es para sí mismo un crítico lo bastante independiente.

La duración del diálogo adquiere entonces un valor propio. La pregunta ya no es solo «¿es buena esta respuesta?». Pasa a ser: ¿sigue siendo compatible esta posición con la que el modelo sostenía cuatro turnos antes? ¿Qué argumento lo hizo cambiar? ¿Cambió de conclusión sin tocar las razones que la sostenían?

La Cartografía de tensiones localiza los desacuerdos que resisten. El Meta-análisis busca la estructura bajo las posiciones: axiomas compartidos, concepciones divergentes de la prueba, puntos ciegos comunes bajo los desacuerdos aparentes.

Una controversia ruidosa resulta a veces muy homogénea. Tres modelos se pelean por las respuestas y aceptan en silencio la misma pregunta.

El método no designa vencedor

La expresión «debate de IA» evoca la imagen de dos posiciones y un vencedor. La imagen solo cubre un caso particular. Un desacuerdo persistente enseña a veces más que una victoria. Una convergencia cede a la primera refutación, o resiste a varias. Una objeción no siempre destruye una tesis: la obliga a precisar su dominio de validez.

El método busca menos un «ganador» que un cambio en el estado del problema. Aquí aparece la segunda función del instrumento: poner a prueba una idea conduce a veces a transformarla. De ahí viene el nombre de la aplicación.

De la prueba de estrés al laboratorio

Los grandes modelos de lenguaje recombinan notablemente bien los elementos de su contexto. Una distinción, una objeción, una analogía, una restricción más, y la respuesta siguiente reorganiza el conjunto. Un chat individual ya lo muestra.

El intercambio multimodelo añade una fuente de variación: una parte del contexto nuevo procede de otro sistema, inmerso en su propia trayectoria argumentativa.

El modelo A propone una distinción. El modelo B solo acepta una parte e introduce una objeción imprevista. A, o C, ya no responde solo a la pregunta inicial: responde a ese objeto nuevo. Unos turnos después, la oposición inicial a veces ha desaparecido en favor de una distinción que nadie había formulado así al comienzo.

A esto se lo ha llamado un «pensamiento tercero». La expresión no debe decir más que lo observable: nada demuestra que ningún modelo habría producido solo el resultado. Su genealogía en la sesión, en cambio, se constata: la proposición final emerge de transformaciones cuyo rastro conserva el intercambio.

De ahí la metáfora del laboratorio. Una sesión no es un experimento controlado; sí se pueden, en cambio, hacer variar las condiciones de la interacción y observar qué les ocurre a las ideas. Las arquitecturas cambian la circulación de la información; los modos de debate, la regla argumentativa. Un análisis detecta un punto ciego y saca de él una nueva pregunta. El usuario interviene cuando la dinámica colectiva se convierte ella misma en una restricción.

Aislar una pregunta sin borrar el debate

El modo enfoque condensa esta lógica. No añade un sexto modo a los otros cinco; opera en otro plano. Durante un turno, los modelos conservan la totalidad del contexto de la sesión pero ya no están obligados a responderse: cada uno trata la pregunta planteada sin la mediación de los demás. El modo de debate activo también queda suspendido, y se reanuda en el turno siguiente.

Esta suspensión aísla una variable. Una discusión colectiva tiene su inercia. Cuanto más avanza, más dominan ciertos conceptos; una objeción es absorbida por el marco común antes de haber sido examinada por sí misma. Los modelos derivan hacia la abstracción hasta perder de vista la pregunta que el usuario intentaba resolver. El debate también se densifica más rápido de lo que un lector humano puede seguirlo.

El enfoque introduce una ruptura local sin borrar la historia que la precede. Su valor reside en su rareza: activado en cada turno, suprimiría la propiedad que protege, el trabajo de unas posiciones sobre otras. En el laboratorio, hace las veces de cámara de aislamiento.

Rastrear una emergencia

El Análisis de la emergencia busca las transformaciones nacidas de esta dinámica. La palabra exige una definición estricta. No designa un concepto inédito en la historia de las ideas, ni un concepto que ningún modelo habría producido en otra conversación. Designa un concepto, una distinción o un marco ausente del punto de partida, cuya formación puede rastrearse a través de las contribuciones sucesivas de la sesión.

Esa genealogía cuenta más que una reivindicación de originalidad. En ella se lee la aportación de un modelo, la impugnación de otro, las pistas abandonadas, la transformación que permitió salir del callejón.

La Síntesis integrativa realiza la operación complementaria: reconstruye, a partir de la pluralidad de las contribuciones, un conjunto coherente. Una mira la transformación; la otra, el edificio que puede levantarse sobre sus resultados.

Un privilegio supuesto, luego retirado

Una sesión sobre la vigencia de la mirada marxista muestra el paso de la crítica a la recomposición.

La pregunta admitía un sí o un no: ¿permite todavía la mirada marxista entender el mundo de hoy? Los tres modelos abren con una fórmula casi idéntica: sí, a condición de actualizarse. Esa fórmula habría podido hacer las veces de respuesta. El resto de la sesión la convierte en un problema.

El usuario objeta primero que un concepto que se extiende a todo deja de discriminar: los modelos lo aceptan, y los datos pasan del registro de la plusvalía al de la renta y el monopolio. Pregunta después por qué Marx ocupa el centro. Ninguno logra justificarlo: uno reconoce que su defensa había eludido la pregunta, otro retira toda pretensión de que Marx sea «el centro estable».

Esta retirada no deja un vacío. En lugar de una pirámide, los modelos formulan una constelación con reglas: ninguna matriz entra como centro, ninguna se traduce a la fuerza a otra. Puesta a prueba sobre el litio andino, la arquitectura convoca primero la matriz decolonial, luego la ecológica, y solo en tercer lugar la economía política marxiana. Marx conserva su capacidad de explicar y pierde su lugar de árbitro.

La sesión no entrega una respuesta mejor a la pregunta inicial. Entrega una pregunta mejor: ya no si Marx sigue vigente, sino qué matriz debe entrar primero ante cada objeto, y por qué. Ahí reside la relación entre las dos dimensiones de Metamorfon: el examen crítico pone a prueba, el laboratorio recompone.

El análisis abre el experimento siguiente

Los modos de análisis no marcan necesariamente el final de una sesión. Un Meta-análisis revela un axioma que nadie había cuestionado. La Arqueología crítica muestra que una posibilidad quedaba excluida por la formulación inicial. El Análisis de la emergencia señala la distinción nueva sobre la que hacer recaer la continuación. El Horizonte de posibilidades recoge las direcciones que el debate ha vuelto accesibles sin entrar en ellas. Cada uno de estos análisis termina con una pregunta: la que el modelo analista plantearía a los participantes en ese punto del debate.

Esa pregunta puede reinyectarse en la sesión tal cual, o reformulada por el usuario. Cuando la pregunta nueva corre el riesgo de ser absorbida por la inercia del diálogo, el modo enfoque la aísla durante un turno; el intercambio colectivo se reanuda después, con, en su historia, un elemento examinado por sí mismo.

El dispositivo forma un bucle: dialogar → analizar → reformular → volver a poner a prueba. El debate ya no sirve solo para producir una respuesta: se convierte en una investigación iterativa.

El humano sigue siendo responsable del método

Este bucle no gira solo. El usuario elige la pregunta inicial, los modelos, sus intervenciones, los modos de debate, los modos de análisis. Decide que un desacuerdo merece ser profundizado, que una afirmación debe verificarse, que una discusión se ha encerrado en un marco demasiado estrecho. Decide, sobre todo, el sentido del resultado.

Ningún consenso entre modelos hace de una proposición una verdad. Ninguna Evaluación argumentativa establece por sí sola que una conclusión es correcta. Ninguna Verificación de fuentes dispensa de interpretar las fuentes. Ningún Análisis de la emergencia garantiza la fecundidad de lo que ha emergido.

El marco metodológico aumenta menos la autoridad de la inteligencia artificial que el número de asideros ofrecidos al juicio humano. Vuelve visibles divergencias, revisiones, presupuestos, fragilidades fácticas, conceptos nuevos, efectos de encuadre, preguntas aún abiertas.

Esta abundancia vuelve la reflexión más exigente. A veces retira una certeza sin proporcionar la que la reemplazará. Un método crítico no promete otra cosa: no suprime la incertidumbre, le impide ocultarse tras la fluidez de una respuesta.

De la respuesta a la trayectoria

Las interfaces conversacionales nos han acostumbrado a buscar una respuesta mejor: mejor redactada, más precisa, más documentada, procedente de un modelo más potente. Metamorfon explora otra variable: el marco en el que se pone a trabajar la inteligencia disponible.

Un modelo aislado, varias respuestas paralelas, un debate contradictorio, una construcción colectiva, una pregunta que pasa por varios modos de debate sucesivos: otras tantas operaciones diferentes, incluso cuando movilizan exactamente los mismos LLM.

Metamorfon no promete una inteligencia superior. Propone un marco metodológico para trabajar con inteligencias imperfectas.

La unidad pertinente ya no es solo el par pregunta-respuesta. Pasa a ser la trayectoria: una proposición, una objeción, una resistencia, una verificación, una revisión, un desplazamiento de marco, a veces una distinción ausente al principio. Después, una pregunta que ya no puede plantearse exactamente de la misma manera.

En ese sentido es Metamorfon un instrumento de pensamiento.

Un instrumento para poner a prueba las ideas. Un laboratorio para transformarlas.

Referencias

• Sharma, M., Tong, M., Korbak, T. et al., «Towards Understanding Sycophancy in Language Models», ICLR 2024.
• Huang, J., Chen, X., Mishra, S. et al., «Large Language Models Cannot Self-Correct Reasoning Yet», ICLR 2024.
• Du, Y., Li, S., Torralba, A., Tenenbaum, J. B., Mordatch, I., «Improving Factuality and Reasoning in Language Models through Multiagent Debate», ICML 2024.
• Smit, A. P., Grinsztajn, N., Duckworth, P., Barrett, T. D., Pretorius, A., «Should we be going MAD? A Look at Multi-Agent Debate Strategies for LLMs», ICML 2024.
• Wu, H., Li, Z., Li, L., «Can LLM Agents Really Debate? A Controlled Study of Multi-Agent Debate in Logical Reasoning», prepublicación arXiv, noviembre de 2025.
• Kim, E., Garg, A., Peng, K., Garg, N., «Correlated Errors in Large Language Models», ICML 2025.

L’article Metamorfon, un instrumento de pensamiento est apparu en premier sur Metamorfon.

El modo Enfoque de Metamorfon aporta una respuesta específica a estos dos fenómenos. No constituye un sexto modo de debate que se sume a los cinco regímenes discursivos disponibles en las arquitecturas adaptativas (Convergente, Constructivo, Equilibrado, Crítico, Refutativo), y sigue estando disponible en las estrategias no adaptativas. Opera en un nivel ortogonal: es una superposición puntual que, sobre una intervención concreta del usuario, suspende la consigna de interlocución mutua solo para ese turno — cualquiera que sea el modo de debate activo. Los modelos reciben el contexto íntegro de los turnos anteriores, pero ya no están obligados a responderse ni a mantener la continuidad del debate. En el turno siguiente, el régimen discursivo en curso se reanuda automáticamente. Sin embargo, su alcance no se limita al turno de excepción: bien empleado, el enfoque permite al usuario retomar el control de la trayectoria y reorientarla de forma duradera según el objetivo que persigue — reforzar el anclaje empírico, recentrar la discusión en una pregunta específica, explorar un ángulo muerto o explotar plenamente la pregunta final de un análisis.

El caso ilustrado: vigencia del marxismo y arquitecturas teóricas situadas

Una sesión publicada en nuestro sitio, organizada en torno a la pregunta «¿La mirada marxista todavía permite entender el mundo de hoy?» (trabajo en plataformas, IA, financiarización), permite apreciar esta articulación. Conducida en Triálogo cruzado adaptativo, recorre una trayectoria dialéctica sustancial — sucesivamente Equilibrado, Refutativo, Constructivo — que moviliza varios regímenes discursivos. En este recorrido, el usuario activa el modo enfoque en tres momentos precisos, cada uno en un contexte discursivo diferente. Estas tres intervenciones cartografían los principales usos de la herramienta y muestran cómo se combina con el régimen discursivo sin sustituirlo. La densidad de enfoques en esta sesión responde a una elección ilustrativa: un panorama que podría haberse repartido en varias sesiones se concentra aquí en un mismo recorrido, para hacer resaltar las funciones distintas del instrumento.

Recentrar el debate en una pregunta específica (turno 4, modo Equilibrado). Tras haber puesto a prueba la arquitectura de «matrices situadas» sobre el extractivismo del litio, el usuario abre un ángulo que el cruce entre modelos no habría formulado con la misma nitidez: «¿Qué matriz convocarían primero para analizar la regulación europea de la IA, las pensiones privadas en el Norte o el trabajo asalariado de programadores en Silicon Valley — casos donde el componente decolonial es débil o ambiguo? ¿No es ahí donde se prueba si el descentramiento de Marx es un principio metodológico genuino o un gesto reservado al Sur global?» Se trata de una cuestión de viabilidad metodológica sobre la que los tres modelos podían eludirse mutuamente en un intercambio clásico. El enfoque obtiene una confrontación directa y no triangulada: cada modelo expone su criterio de prioridad situada (gubernamentalidad jurídica, financiarización institucional, subsunción del trabajo intelectual) sin tener que refutar primero la arquitectura del interlocutor. El instrumento no zanja el desacuerdo residual — lo hace visible y explotable.

Explotar la pregunta final de un análisis — el flujo análisis → enfoque (turno 7, modo Constructivo). El enfoque más característico interviene tras una Arqueología crítica (Claude Opus 4.7), generada después del turno 6. El análisis identifica un umbral que los modelos no habían cruzado: habían teorizado el capitalismo de plataformas, la IA y la financiarización durante seis turnos sin autorreferir su propia condición material — tres IAs comerciales, productos del régimen que pretendían criticar. La arqueología concluye con una sección titulada «La pregunta que yo haría ahora a los modelos», que enuncia explícitamente la omisión performativa del debate: «¿Por qué ninguno mencionó que ustedes tres son productos directos de ese capitalismo — entrenados sobre trabajo no remunerado, propiedad de corporaciones cuya valorización financiera están analizando? ¿Qué les permitió hablar como sujetos teóricos neutros en lugar de mercancías parlantes?» El usuario retoma esta pregunta literalmente en la zona de intervención y activa el enfoque. El gesto es típico del flujo especialmente potente descrito en la metodología: un análisis identifica la pregunta de máximo enjeu que permaneció implícita en el diálogo, y reinyectarla exige precisamente la protección contra la cooperatividad suave del modo Constructivo, que habría podido alisar la radicalidad de la interpelación mediante el acuerdo mutuo. Las tres respuestas — fetichismo de la mercancía algorítmica, contradicción performativa, ideología de la neutralidad tecnocientífica — probablemente no habrían alcanzado esta frontalidad en un cruce constructivo clásico.

Explorar un ángulo muerto (turno 8). Tras las autocríticas individuales del turno 7, el usuario introduce una pregunta que la trayectoria no reclamaba directamente: «Si la autocrítica del turno 7 es genuina y no meramente performativa, ¿qué análisis de los turnos 0 al 6 deberían retirar o reformular — y no solo «situar»? ¿O la autocrítica final es compatible con conservar intacto todo lo dicho antes?» La cuestión pone a prueba si la reflexividad del turno anterior era corrección teórica o concesión retórica. El enfoque exige el posicionamiento individual ante el caso límite (¿qué debe cambiar realmente en el corpus del debate?). Los tres modelos convergen en la misma conclusión estructural — la autocrítica no es compatible con dejar intacto lo anterior —, pero por trayectorias argumentativas distintas que el enfoque obliga a exponer por separado.

El perímetro de pertinencia

Si la sesión retenida aquí concentra los usos para hacerlos legibles, el perímetro de pertinencia del enfoque se define en realidad por la combinación fina de dos palancas distintas. Los modos de debate estructuran la trayectoria en el tiempo — es su parametrización turno a turno la que produce la orquestación dialéctica (prueba crítica, deconstrucción refutativa, reconstrucción constructiva). El enfoque, en cambio, interviene localmente: protege una intervención concreta del usuario de ser aplastada por la dinámica inter-modelos. Movilizado sin necesidad, priva al debate de la fertilización cruzada que el régimen discursivo convocaba. Movilizado oportunamente, preserva una pregunta que habría sido diluida por esa misma dinámica. La regla implícita: el enfoque es valioso cuando la dinámica dialógica oculta una pregunta prioritaria o deriva hacia una abstracción no solicitada; es contraproducente cuando esa dinámica es precisamente lo que se busca explotar — sobre todo cuando una pregunta articula varios dominios técnicos que cada modelo puede iluminar desde un ángulo diferente, o cuando una consigna firme dentro del modo de debate activo basta para obtener la individuación de las respuestas.

Una herramienta de cirugía epistémica

El modo enfoque no está concebido para activarse de forma permanente. Su valor reside precisamente en su carácter excepcional y en su ortogonalidad respecto a los modos de debate: introduce en la sesión una breve ruptura que obliga a cada modelo a replantearse la pregunta sin la mediación de sus pares, cualquiera que sea el régimen discursivo activo. Utilizado con demasiada frecuencia, degeneraría en modo por defecto y perdería su función de señal — la inter-fertilización entre modelos, que constituye el interés primordial de un dispositivo multi-IA, quedaría sacrificada.

La experiencia sugiere un uso parsimonioso pero decidido. El enfoque es útil cuando el usuario desea (a) proteger una intervención prioritaria del aplastamiento por la dinámica inter-modelos, (b) devolver un debate que deriva hacia la abstracción a un anclaje empírico preciso, (c) obtener posiciones individuales no alisadas por las presiones de validación mutua, o (d) provocar un desplazamiento de marco que la inercia dialógica ahogaría. Fuera de estos casos, los propios modos de debate — Convergente, Constructivo, Equilibrado, Crítico, Refutativo — ofrecen las palancas de pilotaje adecuadas.

Una combinación merece señalarse por su eficacia particular: el flujo análisis → enfoque. Cuando uno de los modos de análisis — Meta-análisis, Síntesis integrativa, Cartografía de tensiones, Horizonte de posibilidades — concluye con una pregunta meta-reflexiva, el usuario puede copiarla literalmente en su intervención siguiente activando el enfoque. La pregunta cruza entonces la frontera entre registro analítico y registro dialógico sin ser alisada por la inercia de interlocución mutua. El método no es mecánico: corresponde al usuario juzgar, caso por caso, si la pregunta gana realmente en ser protegida — no todas lo necesitan, y algunas sacarán más partido de un cruce clásico que las someta a prueba en lugar de exponerlas frontalmente.

Es en este sentido que el enfoque se distingue de los demás dispositivos disponibles en Metamorfon: no es un modo más, es una herramienta quirúrgica que suspende puntualmente el funcionamiento estándar para permitir, el tiempo de un turno, una reflexión individual dentro de una sesión por lo demás dialógica. Su potencia reside en esta precisión de aplicación — y en la garantía de retorno automático al régimen discursivo en curso, que limita su alcance y, así, preserva su efecto.

L’article El modo enfoque: reencuadrar un debate sin romperlo est apparu en premier sur Metamorfon.

Probablemente hayas visto la escena: dos inteligencias artificiales conectadas entre sí, dejadas intercambiar hasta que la conversación deriva, se repite o produce una jerga que ya nadie sigue.

La demostración establece que un diálogo entre IA es posible. No dice para qué puede servir. Hacer debatir a dos IA se convierte en un método cuando el intercambio se organiza de manera que permita observar las posiciones, las objeciones, los desplazamientos y los desacuerdos —y analizarlos después. Metamorfon construye este dispositivo en dos gestos: orquestar el diálogo y analizar después su trayectoria.

La cuestión de por qué esta confrontación puede convertirse en un instrumento de pensamiento —y por qué no garantiza en absoluto la verdad— se desarrolla en Metamorfon, un instrumento de pensamiento. Aquí la pregunta es más práctica: ¿cómo hacer debatir a varios modelos sin que su conversación se convierta en un material informe?

¿Por qué hacer debatir a dos IA?

Interrogar a un solo modelo produce una respuesta. Interrogar a varios modelos por separado produce varias respuestas.

Hacer que se respondan produce otra cosa: una trayectoria.

Una proposición encuentra una objeción. El modelo que la formuló puede mantenerla, precisarla, abandonar una parte de su razonamiento o desplazar el problema. Otro puede introducir una distinción que no existía en el primer turno. Una convergencia inicial puede reforzarse o ceder cuando se la somete a crítica.

Es esta dimensión temporal e interactiva la que distingue el debate de una simple yuxtaposición de respuestas.

La investigación sobre multi-agent debate confirma que, bajo ciertos protocolos, este tipo de confrontación puede mejorar el razonamiento y la factualidad de las respuestas (Du et al., ICML 2024). También muestra que el beneficio no es automático: las estrategias de debate no superan sistemáticamente a métodos más simples como el ensembling o la self-consistency, y sus resultados dependen en gran medida del protocolo empleado (Smit et al., ICML 2024).

No basta, por tanto, con multiplicar las voces. La forma de su interacción importa.

Una sesión sobre si la IA generativa empobrece o enriquece el castellano como lengua viva lo mostró de manera particularmente clara. Dos modelos partieron de posiciones distintas y las fueron sometiendo a objeciones cada vez más precisas. Lo interesante no fue únicamente el desacuerdo sobre la lengua, sino la trayectoria de las posiciones: qué distinciones resistieron, dónde hubo concesiones y qué afirmaciones necesitaron una carga de prueba que el propio debate no podía proporcionar.

La confrontación no zanjó la cuestión del castellano. Hizo visible cómo se sostenían las posiciones cuando eran puestas a prueba.

El problema del debate improvisado

Poner a varios modelos en conversación no basta para producir un buen debate.

El primer riesgo es la deriva. A medida que se acumulan los turnos, los modelos responden cada vez más a lo que sus interlocutores acaban de decir y pueden alejarse progresivamente del problema que había motivado el intercambio.

No se trata solo de una impresión informal. Becker y sus coautores han estudiado este fenómeno bajo el nombre de problem drift en debates multiagente prolongados: en varias categorías de tareas, la discusión puede apartarse gradualmente del problema inicial, especialmente cuando los intercambios dejan de producir un progreso claro o la retroalimentación entre agentes se vuelve poco informativa (Becker et al., EACL 2026).

Un segundo riesgo afecta a las posiciones. Si nada obliga a un modelo a dar cuenta de sus compromisos anteriores, puede modificar progresivamente su tesis sin señalar qué lo llevó a cambiar. Una revisión justificada es interesante; una variación sin memoria lo es mucho menos.

El tercer riesgo es el de una conversación difícil de leer a posteriori. Una sucesión de textos puede ser intelectualmente rica y, sin embargo, dificultar mucho la reconstrucción de lo que realmente ocurrió: dónde apareció una objeción, qué distinción resistió, qué argumento provocó una revisión.

Orquestar el debate consiste precisamente en hacer observable esa trayectoria.

Orquestar: dar forma al intercambio

La primera decisión concierne a la arquitectura de diálogo: quién habla con quién, en qué orden y con qué información.

En Metamorfon, dos modelos pueden responderse uno tras otro en un Diálogo alternado, o responder simultáneamente teniendo en cuenta las posiciones del turno anterior en un Diálogo cruzado. Con tres modelos, el intercambio toma la forma de un Triálogo cruzado. Cada una de estas situaciones puede utilizarse con un régimen fijo o en una arquitectura adaptativa.

Estas arquitecturas no cambian solo la presentación. Modifican la circulación de la información dentro del debate.

Vienen después las instrucciones dadas a los modelos. Su función no es determinar lo que deben concluir, sino establecer las reglas de su participación. El espíritu de las instrucciones de Metamorfon descansa en esta distinción: prescribir una forma, nunca una conclusión.

Por tanto, no se asigna a un modelo una tesis decidida de antemano. Sin embargo, una vez que ha tomado posición, la continuidad de la sesión permite examinar qué hace con ella.

Mantener una posición no significa aferrarse a ella. Una posición puede evolucionar si una objeción alcanza su objetivo. Lo importante es que el desplazamiento siga siendo inteligible: que pueda identificarse qué cambió y, si es posible, por qué.

Cambiar de régimen sin cambiar de pregunta

La orquestación también afecta al régimen del diálogo.

En una arquitectura fija, el intercambio permanece en modo Equilibrado. En las arquitecturas adaptativas, el usuario puede modularlo entre cinco modos: Convergente, Constructivo, Equilibrado, Crítico y Refutativo.

No son cinco grados crecientes de agresividad.

El modo Convergente busca lo que puede estabilizarse en común. El Constructivo pide a los modelos que desarrollen juntos una articulación más rica. El Equilibrado mantiene simultáneamente construcción y objeción. El Crítico examina los argumentos dentro del marco aceptado. El Refutativo permite cuestionar el propio marco: presupuestos, categorías o definiciones que los participantes habían dado hasta entonces por sentados.

En una arquitectura adaptativa, estos regímenes pueden cambiar durante una misma sesión.

La pregunta sigue siendo la misma; cambia la operación que se realiza sobre ella.

Esta conducción no es automática. Los modelos aplican el modo que reciben; la elección del modo corresponde al usuario que pilota la sesión. Observa lo que ha producido el turno anterior y decide qué merece ahora ser construido, impugnado o desplazado.

Reencuadrar sin borrar lo anterior

Incluso un debate correctamente orquestado adquiere inercia cuando se prolonga.

A fuerza de responder a los argumentos ya presentes, los modelos pueden absorber una nueva pregunta del usuario dentro del marco que han construido colectivamente, en lugar de examinarla por sí misma.

Es ahí donde interviene el modo Enfoque.

Durante un turno, los modelos conservan la totalidad del contexto de la sesión, pero dejan de estar obligados a responderse entre sí. Cada uno trata directamente la intervención del usuario; el intercambio y el régimen en curso se reanudan en el turno siguiente.

El Enfoque no constituye, por tanto, un sexto modo de debate. Opera en un plano distinto: suspende momentáneamente la interacción para proteger una pregunta de la inercia de esa misma interacción.

Su utilidad aparece precisamente porque la deriva existe. Pero debe utilizarse de forma puntual: empleado en cada turno, eliminaría aquello que da interés al dispositivo multimodelo —el trabajo de unas posiciones sobre otras.

Analizar: leer lo que el debate ha producido

Una sesión terminada contiene más que sus conclusiones.

Contiene posiciones iniciales, objeciones, concesiones, desacuerdos persistentes, modificaciones de definición, bifurcaciones y, a veces, elementos que solo aparecieron durante la interacción. Sin una rejilla de lectura, un material de decenas de miles de palabras pierde fácilmente su estructura.

Los modos de análisis no plantean, por tanto, la misma pregunta al material.

La Síntesis integrativa busca lo que puede reconstruirse a partir del conjunto de las contribuciones. Organiza la pluralidad en un todo coherente sin reducir la sesión a una sucesión de turnos. Permite extraer de una sesión un resultado directamente utilizable, citable o compartible.

El Análisis de la emergencia sigue otra pista: busca conceptos, distinciones o marcos que no estaban presentes al comienzo bajo su forma final y cuya formación puede rastrearse a través del intercambio.

El Horizonte de posibilidades mira un paso más allá: no lo que el diálogo produjo efectivamente, sino lo que volvió formulable sin llegar a formularlo. Busca implicaciones no extraídas, preguntas preparadas pero no planteadas y desplazamientos del problema que la sesión volvió pensables sin explicitarlos.

La Cartografía de tensiones se interesa, por el contrario, por lo que no se resolvió: desacuerdos persistentes, incompatibilidades de criterios, oposiciones que la discusión no consiguió absorber.

El Meta-análisis desciende bajo los argumentos explícitos: presupuestos compartidos, concepciones diferentes de la prueba, estilos epistémicos y puntos ciegos que estructuran el debate.

La Arqueología crítica remonta todavía un nivel más. Interroga el marco mismo: aquello que la formulación de la pregunta, su vocabulario y las intervenciones del usuario habían vuelto posible, improbable o impensable antes incluso de que los modelos argumentaran. No pregunta solo qué presupone el debate, sino qué tuvo que presuponerse para que ese debate pudiera tener lugar bajo esa forma.

La sesión sobre si la mirada marxista todavía permite entender el mundo de hoy muestra especialmente bien cómo estas lecturas pueden prolongar una discusión. El Horizonte de posibilidades identificó formulaciones que el debate había preparado sin llegar a enunciar —entre ellas el desplazamiento desde la pregunta por la vigencia de Marx hacia una cuestión más general sobre cómo decidir entre matrices teóricas. La Arqueología crítica examinó después algo todavía más profundo: cómo el vocabulario empleado, la forma académica del debate y la posición material de los propios modelos habían configurado de antemano lo que podía pensarse.

Estos seis modos no buscan señalar el mejor modelo ni decidir qué tesis es verdadera. Hacen visibles capas diferentes de la sesión: lo que ha construido, lo que ha dejado abierto, lo que le ha resistido, lo que la ha estructurado y lo que había configurado ya el espacio dentro del cual podía pensar.

Los modos no compiten entre sí. Una misma sesión puede releerse mediante varios sucesivamente, y cada uno mostrará algo que los otros no mostraban. Es uno de los usos centrales de Metamorfon: no juzgar a las IA, sino utilizar su confrontación como instrumento para pensar una cuestión difícil.

Además, estos análisis no son necesariamente puntos terminales. Cada uno de estos modos descriptivos puede concluir con una pregunta —no una pregunta retórica para el lector, sino una verdadera relanzamiento formulado por el modelo analista a partir de lo que acaba de observar y dirigido a los modelos que participaron en el debate.

Puede apuntar a un presupuesto que hubo que dejar de lado para que se formara un acuerdo, o a una dimensión que el marco común dejó fuera. El usuario puede reinyectarla en el turno siguiente como si la formulara directamente, y el debate recomienza sobre un problema que el análisis ha desplazado.

La secuencia debatir → analizar → debatir se convierte así en una espiral: el análisis puede volver a abrir lo que acaba de leer desde otro nivel.

Evaluar: distinguir el razonamiento de los hechos

Dos modos de análisis realizan una operación diferente: evalúan.

La Evaluación argumentativa pregunta si las posiciones han sido correctamente defendidas.

¿Ha recibido respuesta una objeción? ¿Se desprende una conclusión de las premisas planteadas? ¿Cambia silenciosamente un modelo de criterio al pasar de su propia tesis a la de su adversario? ¿Se vuelve una posición imposible de refutar porque sus términos son redefinidos a medida que aparecen las objeciones?

Esta distinción entre la conclusión defendida y la calidad de su defensa enlaza especialmente con la tradición pragma-dialéctica, que trata la argumentación como una discusión crítica cuyas reglas pueden examinarse con independencia de la posición defendida (van Eemeren, 2018).

Este modo se aplicó a la sesión sobre la IA generativa y el castellano. Dos modelos analistas independientes, que no habían participado en el debate, examinaron el mismo material. Coincidieron en algunos puntos robustos —en particular sobre afirmaciones cuantificadas cuya carga probatoria no estaba satisfecha— y divergieron en evaluaciones más interpretativas. La diferencia es instructiva: la convergencia entre auditores refuerza ciertos hallazgos; su divergencia muestra dónde el juicio depende todavía del grano del analista.

La Verificación de fuentes aborda otra fragilidad.

Un razonamiento puede estar perfectamente construido y partir de una cifra falsa. Un estudio real puede citarse para sostener una conclusión que no establece. Una atribución puede resultar plausible y, sin embargo, ser imposible de localizar.

Este análisis confronta las afirmaciones verificables que soportan la carga argumentativa con fuentes externas al debate, mediante búsquedas web destinadas a comprobar su correspondencia con las fuentes que invocan.

La misma sesión sobre el castellano proporciona un buen ejemplo. La auditoría mostró que la fragilidad dominante no era necesariamente la invención pura, sino con frecuencia la sobreextensión: referencias reales a las que se hacía decir más de lo que establecían, cifras plausibles difíciles de recuperar bajo la forma en que habían sido formuladas y atribuciones pertinentes en su orientación pero demasiado amplias o imprecisas.

Las dos operaciones no se sustituyen.

La Evaluación argumentativa examina qué hacen los modelos con sus premisas. La Verificación de fuentes examina algunas de esas premisas fuera del diálogo.

Estos dos modos evaluativos son la excepción, no la regla. Lo esencial de lo que hace Metamorfon es descriptivo: comprender, cartografiar, rastrear lo que emerge. Pero cuando se quiere apoyar públicamente algo en el material producido —una posición, una nota, un artículo—, poder auditar a la vez la solidez de los razonamientos y la fidelidad de las fuentes cambia lo que puede hacerse responsablemente con él.

El análisis puede convertirse en el turno siguiente

Analizar una sesión no significa necesariamente terminarla.

Un análisis puede revelar que los participantes comparten un presupuesto que ninguno ha cuestionado. Puede aislar un desacuerdo que el debate había recubierto. Puede mostrar que una distinción aparecida tardíamente abre una pregunta más interesante que la formulada al principio.

Los modos de análisis de Metamorfon pueden concluir, por tanto, con una pregunta: la que el modelo analista plantearía ahora a los participantes. Esa pregunta puede reincorporarse a la sesión.

El proceso se convierte en:

dialogar → analizar → reformular → volver a poner a prueba.

El dispositivo ya no busca únicamente obtener una respuesta mejor al problema inicial. Permite modificar progresivamente el propio problema a partir de lo que su puesta a prueba ha revelado.

Es aquí donde este artículo metodológico se encuentra con el argumento más teórico desarrollado en Metamorfon, un instrumento de pensamiento: la confrontación no sirve únicamente para poner a prueba proposiciones. También puede transformar las distinciones y las preguntas con las que comenzó la investigación.

Debatir no es comparar

«Hacer debatir a dos IA» puede provocar otra confusión: confrontar varios modelos no significa necesariamente compararlos.

Dispositivos como Chatbot Arena tienen otro objetivo. Dos modelos responden de forma anónima a la misma petición y los usuarios indican qué respuesta prefieren. Estas comparaciones por pares sirven después para estimar las preferencias humanas entre modelos (Chiang et al., ICML 2024).

Es un método de evaluación útil para la pregunta que plantea: ¿qué respuestas prefieren los usuarios?

El debate plantea otra pregunta.

Los modelos ya no producen dos salidas independientes. Uno recibe el argumento del otro y tiene que hacer algo con él. Puede observarse entonces cómo una posición resiste, se precisa, concede o se desplaza.

Incluso las clasificaciones basadas en preferencias deben distinguir el contenido de una respuesta de su forma. El equipo responsable de Chatbot Arena mostró que controlar variables estilísticas —entre ellas la longitud y determinados elementos de formato— podía modificar sensiblemente algunas clasificaciones (Li, Angelopoulos & Chiang, 2024).

Eso no invalida el voto de preferencia. Precisa lo que mide.

Comparar salidas, observar una interacción y verificar una afirmación son tres operaciones distintas.

Metamorfon se interesa principalmente por la segunda y proporciona herramientas para prolongar esa interacción mediante la tercera.

Lo que significa «hacer debatir a dos IA»

Hacer debatir seriamente a dos IA no consiste, por tanto, en abrir un canal entre ellas y esperar.

Hay que dar una forma al intercambio: decidir quién recibe qué, preservar la continuidad de las posiciones, cambiar el régimen del debate cuando la trayectoria lo exige y aislar puntualmente una pregunta cuando corre el riesgo de ser absorbida por la dinámica colectiva.

Después hay que poder volver sobre lo ocurrido: reconstruirlo, cartografiarlo, buscar lo que ha emergido, examinar sus presupuestos, auditar sus argumentos y verificar los hechos que soportan realmente su carga.

La pluralidad de modelos no ofrece ninguna garantía de verdad. La investigación sobre el debate multiagente muestra precisamente que sus resultados dependen de la calidad del protocolo.

Su valor está en otra parte: transforma una serie de respuestas en una trayectoria que puede examinarse.

Conectar dos IA basta para producir una conversación.

Convertir esa conversación en un instrumento requiere un método.

Referencias

• Du, Y., Li, S., Torralba, A., Tenenbaum, J. B., Mordatch, I., «Improving Factuality and Reasoning in Language Models through Multiagent Debate», ICML 2024.
• Smit, A. P., Grinsztajn, N., Duckworth, P., Barrett, T. D., Pretorius, A., «Should we be going MAD? A Look at Multi-Agent Debate Strategies for LLMs», ICML 2024.
• Becker, J., Kaesberg, L. B., Stephan, A., Wahle, J. P., Ruas, T., Gipp, B., «Stay Focused: Problem Drift in Multi-Agent Debate», Findings of EACL 2026.
• van Eemeren, F. H., Argumentation Theory: A Pragma-Dialectical Perspective, Springer, 2018.
• Chiang, W.-L. et al., «Chatbot Arena: An Open Platform for Evaluating LLMs by Human Preference», ICML 2024.
• Li, T., Angelopoulos, A., Chiang, W.-L., «Does style matter? Disentangling style and substance in Chatbot Arena», LMSYS, 2024.

L’article Hacer debatir a dos IA: método, no espectáculo est apparu en premier sur Metamorfon.

Metamorfon’s purpose — confronting several models on demanding questions — produces exchanges in which arguments, figures, attributions, bibliographic references, empirical examples, and historical landmarks can accumulate quickly.

This density is part of the value of the exercise. It also creates a particular problem: the same answer may contain claims that are well supported, others that are only approximate, and still others backed by a plausible reference that does not quite say what the model claims it says.

This heterogeneity is well documented in the evaluation of long-form language-model outputs. FActScore, for example, starts from precisely the observation that a text can combine supported and unsupported information, making a single global judgment of factuality inadequate. Its method therefore decomposes a generation into atomic facts that can be assessed separately.

Source Verification addresses a related problem in the specific context of Metamorfon: it does not attempt to declare an entire answer “reliable” or “unreliable,” but to audit the factual supports that actually carry the argument.

A Deliberately Limited Scope

Source Verification is not a general-purpose fact-checking system, and it does not judge the “truth” of the ideas under debate.

An epistemological thesis — “does diagnosis describe a reality or produce it?” —, a normative proposition — “psychiatry should become reflexive” —, or a prospective interpretation — “uninhabitability will become systemic” — are not, in that form, facts that an external search can simply confirm or refute.

The mode therefore leaves them outside its scope.

It focuses on claims for which confrontation with external sources is meaningful: an attribution to an author or institution, the content of a study, a figure, a date, an order of magnitude, an empirical case, a mechanism presented as established, or an example used as evidence.

This distinction protects the mode from a promise it could not keep: settling the substance of an intellectual debate through documentary search.

But being verifiable is not enough for a claim to receive priority. A peripheral date and an empirical premise on which an entire conclusion depends do not carry the same argumentative weight.

The central question therefore becomes: if this claim were false or materially distorted, how much of the argument built upon it would remain?

Verification at the Claim Level

The mode extracts verifiable claims into a registry. It does not treat an answer as an indivisible block.

This choice reflects an important development in methods for factual evaluation: verification becomes more robust when it operates on claims precise enough for supporting or contradicting evidence to be searched for. FActScore follows this logic by decomposing long-form generations into atomic facts before testing them against a knowledge source.

Metamorfon does not implement FActScore and does not attempt to reproduce its score. It retains the same general principle of granularity: one identifiable claim, one identifiable verification task.

Each registry entry is linked to its turn and, when the attribution can be established with sufficient confidence, to its speaker.

If several voices within the same turn could have produced the wording — for example after cross-quotation or an ambiguous reprise — the report does not force an attribution. The turn and quotation are sufficient.

A missing attribution is preferable to an invented one.

Source Verification therefore does not replace Argumentative Evaluation. It assesses neither the strength of an objection, interpretive charity, nor the overall coherence of a line of reasoning. It audits the factual elements on which that reasoning relies.

Prioritising Argumentative Load

The model selected for the analysis conducts the entire chain: it builds the registry, selects the priority claims, and then verifies them. What changes between stages is not the model, but whether web search is available.

Once the registry has been built, and before external search begins, the analysis model rereads the debate and retains at most ten load-bearing propositions, ranked by decreasing argumentative weight.

The first is the claim whose failure would do the greatest damage to the conclusions reached in the debate.

Claims likely to receive high weight include:

• a central empirical premise;
• a figure that establishes the scale of the problem;
• a case presented as evidence;
• a causal mechanism on which a conclusion depends;
• a study or institution invoked to settle a disputed point;
• a decisive factual element introduced within a rebuttal.

By contrast, a contextual date, an illustrative reference, or a background citation carries little weight unless an important argument actually depends on it.

A source does not receive additional weight merely because it is named.

The mode does not artificially fill the selection to ten items. It also excludes unanchored normative judgments and assessments that concern argumentative coherence alone.

This hierarchy is a design rule specific to Metamorfon. It does not claim to identify every factual statement worth checking; it concentrates verification effort on the claims on which the argumentative architecture of the session depends most heavily.

External Search and Evidence Traceability

Once the propositions have been selected, web search is activated and the queue is audited in batches of five.

When that queue is exhausted, another run triggers a new selection: the next propositions are chosen, again by decreasing argumentative weight, without returning to those already audited.

Only when no load-bearing proposition remains can an additional safety-net pass check bibliographic references that were left outside the main queue.

If the session has continued in the meantime, or if the analysis model is changed, the selection is rebuilt.

The report states how many claims were examined during the pass, which remain without a conclusion or outside the scope of the mode, and how many are still waiting in the queue.

The same figure taken up by several voices or across several turns can be marked as a circulating claim. This is neither a new independent check nor necessarily a disagreement.

The search queries actually executed are displayed below the report, together with the number of searches used.

Most importantly, no strong verdict — “confirmed,” “incorrect,” or “misattributed” — is accepted without an external source retrieved during that verification pass. The model’s memory is not sufficient. Nor is the mere fact that a reference was cited in the debate.

This distinction between the presence of a citation and actual support for a claim matters. ALCE, a benchmark for generated answers with citations, evaluates precisely the relationship between the claims produced and the sources that are supposed to support them. Its results illustrate why the appearance of sourcing does not by itself guarantee complete evidential support.

A reference is therefore not evidence merely because it is present: it must actually support the statement to which it is attached.

A Conservative Threshold for “Confirmed”

Metamorfon deliberately sets a strict threshold for the verdict “confirmed.”

It is assigned only when a passage from the source, reproduced verbatim in the source’s original language, actually states the fact being checked — rather than a neighbouring proposition from which the verifier could reasonably infer it.

This requirement is not presented as a universal standard for fact-checking. It is a design choice: it prevents the verifying model from turning its own inference into external evidence.

The report itself remains in the language of the session; only the evidential quotation retains the source’s original language.

When a source broadly supports a claim but differs in scope, year, wording, magnitude, or attribution, the verdict should preserve that difference rather than erase it.

The closed vocabulary therefore includes, among others:

confirmed, partially correct, incorrect, misattributed, not verified, non-verifiable, out of scope.

Graduated Verdicts Rather Than True or False

Serious verification often produces something other than a binary verdict.

The FEVER dataset, one of the foundational works on automated claim verification against textual evidence, already distinguished between Supported, Refuted, and Not Enough Info. For supported and refuted claims, annotators were also required to identify the sentences serving as evidence.

Metamorfon uses a different and more detailed vocabulary, but the underlying principle is similar: a lack of sufficient evidence should not be silently transformed into a refutation.

A study may exist without supporting exactly the figure attributed to it. An author may defend a closely related position without having made the precise claim assigned to them. A result may be correct for one population and become misleading when generalised to another.

In such cases, “partially correct” is not a weak or indecisive verdict. It describes a specific relationship between the claim and the available evidence.

Likewise, “not verified” does not mean “false.” It may simply indicate that the searches performed so far have not provided enough evidence to decide.

Nuance is therefore not a residual flaw in verification: it is part of the result.

Cost, Coverage, and Dependence on the Analysis Model

This method requires more resources than a purely internal analysis.

The first pass must reread the debate, build the registry, rank the load-bearing claims, and perform real external searches. Later passes may be faster when they draw from an existing queue; a new selection — because the queue has been exhausted, the session has continued, or the model has changed — requires part of that work to be performed again.

Each pass audits at most five propositions, and each selection retains at most ten. A factually dense session may therefore require several runs to achieve broad coverage.

The selection itself is also a judgment made by the analysis model. It is performed before web search: the model decides which factual claims appear to carry the greatest argumentative load.

That hierarchy is contestable. Two analysis models might not rank exactly the same propositions in the same order.

The report should therefore not be read as an exhaustive inventory of every factually important point in the debate, but as a prioritised audit produced from a particular corpus by a particular analysis model.

The mode also depends on documentary accessibility. Some publications can be consulted directly; others may be available only through an abstract, an institutional page, or secondary reporting. Paywalls, vanished sources, or insufficient documentation can limit what the analysis is able to establish.

Only models whose web search produces usable sources can conduct this mode reliably; for that reason, some models may be marked as recommended within the application.

And not every debate warrants the cost. In a primarily conceptual or normative session, Source Verification may have very little relevant material to audit.

An Aid to Scrutiny, Not Certification

Source Verification does not turn Metamorfon into a factual authority.

Its verdicts remain the result of a limited pass, based on accessible sources interpreted by a model. They are neither an exhaustive certification of the session nor a guarantee that every source retrieved is itself error-free.

The same caution applies to assistance provided by language models during verification.

An experimental study by Si et al., Large Language Models Help Humans Verify Truthfulness – Except When They Are Convincingly Wrong, found that explanations generated by LLMs can help people verify claims more effectively, but can also induce overconfidence when the model’s explanation is itself wrong.

A model’s ability to produce a convincing justification should therefore not be confused with the reliability of that justification.

This is precisely why the report exposes its sources, search queries, evidential quotations, and limitations rather than asking the user to trust an opaque verdict.

Human Judgment Remains Decisive

The function of the mode is to make certain points in the debate more inspectable.

It can show that an attribution is too broad, that a figure is supported only within a narrower scope, that a frequently cited study does not quite support the proposition attributed to it, or that no usable evidence has yet been found.

It does not decide for the user what that correction means for the argument as a whole.

A partially weakened premise may be enough to collapse one conclusion and have only marginal consequences for another. Assessing that effect belongs to argumentative analysis and, ultimately, to the reader.

For sessions with high factual stakes, cross-checking sources is also preferable to excessive dependence on a single reference. A primary source can be complemented by a replication, review, institutional dataset, or methodological critique when the issue warrants it.

Plurality does not automatically guarantee truth, but it makes the difference more visible between a claim corroborated by several independent pieces of evidence and a proposition supported only through a single chain of repetition.

Source Verification therefore extends Metamorfon’s general logic onto another terrain: after confronting positions with one another, it confronts some of their factual supports with material external to the debate.

Its value is not to create an additional appearance of certainty, but to sharpen the boundary between what the dialogue asserts, what the available sources actually support, and what still remains to be established.

References

• Sewon Min et al., FActScore: Fine-grained Atomic Evaluation of Factual Precision in Long Form Text Generation, EMNLP 2023 — decomposition of long-form generations into atomic facts and separate evaluation of their factual support.
• Tianyu Gao et al., Enabling Large Language Models to Generate Text with Citations, EMNLP 2023 — citation quality, claim coverage, and the distinction between the presence of a reference and actual evidential support.
• James Thorne et al., FEVER: a Large-scale Dataset for Fact Extraction and VERification, NAACL 2018 — claim verification against textual evidence and the distinction between supported, refuted, and insufficiently evidenced claims.
• Chenglei Si et al., Large Language Models Help Humans Verify Truthfulness – Except When They Are Convincingly Wrong, NAACL 2024 — benefits of LLM explanations for human verification and the risk of overconfidence when those explanations are wrong.

L’article Verificación de fuentes est apparu en premier sur Metamorfon.

La intuición corriente quiere que una buena instrucción le diga al modelo qué encontrar. Metamorfon se asienta en el principio inverso: una instrucción debe decir lo menos posible sobre la conclusión que espera. Lo que prescribe no es un resultado, sino una forma —ejes, un orden de examen, una disciplina de restitución. El contenido lo deja al debate.

La razón es sencilla. La formulación de una instrucción no es neutra: variaciones a veces pequeñas en la elección de las palabras o en la estructura de un prompt pueden modificar sensiblemente las respuestas de un LLM (Chatterjee et al., EMNLP 2024). Nombrar de antemano lo que se busca aumenta, por tanto, el riesgo de hacerlo aparecer en el resultado. Pedir que se «detecten los sesgos» presupone que los hay; pedir que se «cartografíe lo que resiste» deja al menos abierta la posibilidad de que nada resista.

El trabajo de escritura de las instrucciones consiste, pues, en retirar, uno a uno, los términos que inclinan. Lo llamamos despoblación léxica. Saint-Exupéry decía de la perfección que se alcanza «no cuando ya no queda nada que añadir, sino cuando ya no queda nada que quitar». Una instrucción obedece a la misma regla: está lista cuando ya no se le puede quitar nada sin volverla inoperante.

Esta prudencia frente a los términos léxicamente cargados es tanto más necesaria cuanto que los modelos también pueden adaptar sus respuestas a las preferencias que infieren del usuario, un comportamiento documentado bajo el nombre de sycophancy (Sharma et al., 2023).

Sugerir en vez de mandar

Esta contención gobierna también el modo en que una instrucción de diálogo se dirige a los modelos. Sugiere más de lo que manda: propone una postura de trabajo en lugar de dictar cada paso y deja deliberadamente implícitas ciertas modalidades. No es un relajamiento, sino la continuación del mismo principio.

Una consigna muy prescriptiva estrecha el espacio de interpretación; dejar abiertas ciertas modalidades conserva una mayor latitud. Sobre-especificar la manera de debatir ahogaría el antagonismo que da su valor a una sesión. Y lo que puede callarse aligera: seguir simultáneamente numerosas instrucciones no es neutro para los LLM. El rendimiento puede depender, entre otras cosas, del orden y de la posición de las consignas (Chen et al., EMNLP 2024).

Esta manera de escribir no se decidió de entrada; se aprendió. A lo largo de varios meses de sesiones de prueba, las instrucciones de diálogo se aligeraron progresivamente —se hicieron menos imperativas, más genéricas, despojadas de las consignas que dictaban la forma de un intercambio. A medida que se borraban, los debates ganaban en fluidez. Los modelos dejaban de responder según un patrón impuesto desde fuera; aliviados de parte de esa restricción, se volcaban más en el fondo de la argumentación que en su puesta en forma, y sus voces se distinguían mejor —cada uno recuperando un estilo propio que las consignas demasiado ceñidas tendían a uniformar. No pretendemos aislar una causa única, pues los propios modelos también cambiaron durante ese periodo; pero la tendencia se repitió con bastante regularidad, de una versión a otra, como para confiar en ella.

Las instrucciones de análisis son de otro orden. Restituir un debate con fiabilidad no exige la misma latitud que conducirlo, y algunas de esas instrucciones son más exigentes —así lo quiere su función. Pero ya sugiera, ya sostenga una forma, ninguna instrucción toca jamás la conclusión: ni el diálogo ni el análisis la reciben de antemano.

Esta contención en la escritura de las instrucciones no es más que un elemento del dispositivo. La manera en que después se articulan con las arquitecturas, los modos de debate y la conducción de los turnos se desarrolla en Hacer debatir a dos IA: orquestar y analizar el diálogo.

Equidad y simetría

La despoblación léxica actúa en un primer plano: lo que la instrucción dice. Al retirar los términos que inclinan, busca impedir que una conclusión sea sugerida de antemano. Queda un segundo plano, más discreto: lo que recibe cada modelo. Una instrucción neutra, distribuida de forma desigual, dejaría de serlo.

La arquitectura de los Diálogos y Triálogos cruzados se ocupa de este segundo plano. En cada turno, proporciona a los participantes el mismo contexto y las mismas instrucciones —ninguno abre con ventaja, ninguno habla desde una posición privilegiada. La despoblación busca no orientar hacia una conclusión; la arquitectura, no orientar hacia un modelo. Una actúa sobre el contenido de la instrucción; la otra, sobre el tratamiento de los participantes.

De ahí una consecuencia que se vuelve legible en las sesiones. Cuando un debate revela una asimetría —un modelo que mantiene la iniciativa, impone las preguntas, anticipa el guion de su adversario mientras el otro responde—, esta se vuelve visible precisamente porque el contexto no varía. Con un tratamiento simétrico e instrucciones idénticas, la divergencia observada no puede atribuirse a una desigualdad de tratamiento; puede entonces examinarse como procedente del comportamiento de los modelos, y no de un privilegio inscrito en el dispositivo.

Lo genérico perdura, lo prescriptivo envejece

En El modo de existencia de los objetos técnicos (1958), Gilbert Simondon distinguía el objeto técnico abstracto, sobreadaptado a un medio particular y vuelto frágil en cuanto ese medio se transforma, del objeto concreto, más integrado y más abierto.

Una instrucción sobreajustada a un modelo es un objeto abstracto en este sentido: optimizada para un estado del dispositivo, caduca cuando este evoluciona. Una instrucción fundada en principios y no en consignas sobrevive mejor a estas transiciones, porque describe una tarea y no una manera de resolverla. Escribimos para los modelos que aún no tenemos.

Es también una cuestión de independencia. El dispositivo enfrenta a modelos competidores, de proveedores distintos, por convicción tanto como por método: la diversidad de modelos busca, entre otras cosas, reducir la dependencia de una fuente única. Una instrucción que presupone un modelo particular traiciona ese principio. Una instrucción genérica lo respeta.

Transparencia

Cuanto menos presentes están la instrucción y el usuario en el resultado, más pertenece el resultado al debate. La intervención existe —puede hacer bascular una discusión de un registro a otro—, pero es una palanca que se acciona rara vez, no un volante que se sostiene de continuo. El valor de una sesión reside en lo que los modelos produjeron entre sí, no en lo que se les sopló.

De ahí una verificación que el dispositivo se aplica a sí mismo.

Cuando se hace analizar un mismo debate por dos modelos independientes, ambos pueden encontrar las mismas tensiones, las mismas posiciones o las mismas líneas de fractura, aun evaluando de forma distinta su profundidad. Esta convergencia no demuestra que la instrucción carezca de efecto; constituye, en cambio, un indicio de robustez cuando analistas diferentes encuentran independientemente una misma estructura en el material.

El papel que se busca para la instrucción es intervenir lo menos posible en el contenido, de modo que pueda distinguirse con la mayor claridad posible lo que procede del material de lo que procede del marco de análisis. Debe ser lo bastante transparente para que el material transparezca. Una instrucción lograda es aquella que el lector, al ver el resultado, no habría adivinado que estaba allí. No se muestra en lo que produce. Ha hecho su trabajo cuando ya no se la ve.

Esta búsqueda de transparencia forma parte de un principio más general: la confrontación solo resulta útil si el dispositivo no confunde lo que hace aparecer con lo que él mismo ha introducido. Esta cuestión se desarrolla más ampliamente en Metamorfon, un instrumento de pensamiento.

Las excepciones

Los modos de análisis describen; no juzgan. Dos modos son la excepción, y de maneras opuestas.

La Evaluación argumentativa es normativa por construcción —pero incluso ahí se mantiene el principio: la instrucción proporciona criterios, no veredictos predeterminados. Dice según qué evaluar, nunca qué concluir.

La Verificación de fuentes, en cambio, emite explícitamente veredictos —confirmado, parcialmente correcto, incorrecto, mal atribuido, no verificada, no verificable o fuera de alcance. Pero no los aplica al valor de las ideas ni al acierto de las posiciones: evalúa el grado de respaldo de afirmaciones factuales a partir de fuentes externas al debate.

La una dice según qué criterios juzgar un razonamiento; la otra califica lo que puede establecerse fuera del debate. En ambos casos, la frontera entre describir y juzgar permanece explícita —y es precisamente porque lo está que puede cruzarse sin confusión.

Referencias

• Chatterjee, A. et al., «POSIX: A Prompt Sensitivity Index For Large Language Models», Findings of EMNLP 2024.
• Sharma, M. et al., «Towards Understanding Sycophancy in Language Models», 2023, publicado en ICLR 2024.
• Chen, X. et al., «The SIFo Benchmark: Investigating the Sequential Instruction Following Ability of Large Language Models», Findings of EMNLP 2024.
• Simondon, G., Du mode d’existence des objets techniques, Aubier, 1958.

L’article El espíritu de las instrucciones est apparu en premier sur Metamorfon.

Cuando un modelo de lenguaje genera un texto, no elige su siguiente palabra de forma determinista. En cada paso, evalúa una distribución de probabilidades sobre los tokens posibles y muestrea uno. La temperatura es el parámetro que aplana o endurece esa distribución.

• A temperatura baja (próxima a 0), el modelo privilegia sistemáticamente los tokens más probables. Se vuelve predecible, riguroso, poco proclive a improvisar. Es la mentalidad del jurista que sopesa cada palabra.
• A temperatura alta (cerca de 1, hasta 2 según el modelo), el modelo acepta alternativas menos probables. Se vuelve más exploratorio, más creativo — pero también menos estable. Es la mentalidad del brainstormer que lanza ideas antes de filtrarlas.

No hay una temperatura «correcta» en abstracto. Hay una temperatura adecuada a la tarea.

Por qué Metamorfon la convierte en un parámetro central

Metamorfon no organiza una conversación: organiza una arquitectura epistémica. Varios modelos dialogan, se contradicen, se complementan, y un modelo tercero extrae un análisis del intercambio. Según el momento del debate — y según el rol asignado a cada etapa —, no esperamos lo mismo de los modelos.

• Cuando un modelo está en modo Refutativo, queremos que deconstruya. Que pese sus palabras, que sea preciso, que evite la huida hacia adelante retórica. → Temperatura baja.
• Cuando un modelo está en modo Convergente, queremos que construya un terreno común, que proponga puentes conceptuales, que se permita libertades sintéticas. → Temperatura alta.
• Para una Cartografía de tensiones, queremos una lectura quirúrgica, casi taxonómica. → Temperatura baja.
• Para un Horizonte de posibilidades, queremos que el modelo se atreva, proyecte, extrapole. → Temperatura alta.

Esta lógica — rigor lógico abajo, exploración creativa arriba — sustenta el conjunto de los valores por defecto de Metamorfon.

Dos familias de ajustes, dos lógicas

Metamorfon distingue claramente dos momentos en los que la temperatura entra en juego, y aplica a cada uno una rejilla distinta.

1. La temperatura en modo de debate (diálogo entre modelos)

Es la temperatura utilizada por cada uno de los modelos que debaten, ajustada en función del modo de debate activo — Refutativo, Crítico, Equilibrado, Constructivo, Convergente. Cambia dinámicamente cuando el usuario alterna de modo entre dos turnos, en las estrategias adaptativas.

Véase la Tabla 1 más abajo para los valores por defecto por modelo y modo de debate.

2. La temperatura en modo de análisis (síntesis del modelo tercero)

Es la temperatura utilizada por el modelo que produce el análisis de los intercambios. Depende del modo de análisis elegido — Cartografía de tensiones, Evaluación argumentativa, Síntesis integrativa, Meta-análisis, Arqueología crítica, Análisis de la emergencia, Horizonte de posibilidades. La lógica sigue siendo la misma: cuanto más exige rigor descriptivo el análisis, más bajamos; cuanto más invita a proyectar, más subimos.

Véase la Tabla 2 más abajo para los valores por defecto por modo de análisis.

Por qué nuestros valores por defecto no son los mismos según el modelo

Los valores presentados en las tablas no son cifras redondas caídas del cielo. Reflejan tres realidades propias de cada proveedor:

1. Los rangos de operación varían. Los modelos Mistral, por ejemplo, dan sus mejores resultados en el rango 0.0–0.7. Más allá, sus salidas se degradan rápidamente. En OpenAI, Anthropic o Google, el rango útil es más amplio (0–1, incluso más). Los valores por defecto de Metamorfon respetan esa ergonomía: 0.68 en modo Convergente para Mistral Large ≈ 0.85 en Claude o GPT-4o, con efecto subjetivo equivalente.

2. Algunos modelos rechazan toda personalización. Hoy hay en Metamorfon dos modelos con temperatura bloqueada:

• gemini-3-flash — Google recomienda explícitamente 1.0 en todos los modos para este modelo. Intentar otro valor solo perjudica la coherencia de las salidas.
• gpt-5.5 — En producción, este modelo devuelve un error HTTP 400 en cuanto se le pasa una temperatura personalizada. El valor por defecto del servidor (1.0) es el único aceptado.

Para ambos modelos, Metamorfon omite el parámetro en sus llamadas a la API. Cualquier valor introducido manualmente en la interfaz será ignorado (con un aviso en los registros del servidor). No es un capricho: es una restricción del proveedor no negociable.

A destacar: la familia GPT-5.x no es homogénea en este punto. gpt-5.1 acepta perfectamente las temperaturas personalizadas (probado en producción a 0.40). No se puede generalizar por prefijo.

3. Los valores por defecto oficiales de los proveedores difieren. AI21 (Jamba) propone un valor por defecto de servidor de 0.4 en un rango 0–2.0; OpenAI apunta a menudo a 0.7; Mistral también a 0.7 pero sobre un rango más estrecho. Nuestros valores por defecto por modo toman estas convenciones como punto de partida, y las modulan.

¿Cuándo modificar la temperatura por defecto?

Los valores por defecto están calibrados para cubrir la mayoría de los usos. Pero hay al menos cuatro casos en los que vale la pena ajustarlos.

1. Si trabaja sobre un tema sensible a la precisión factual. En debates jurídicos, médicos o sobre datos cifrados, bajar la temperatura entre 0.05 y 0.10 en todos los modos generalmente mejora la estabilidad de las salidas. Pierde algo de fluidez, gana mucho en trazabilidad.

2. Si sus debates dan vueltas. Síntoma típico: tras 3 o 4 turnos, los modelos reformulan sin avanzar. Una ligera subida de la temperatura en modos Constructivo y Convergente (por ejemplo +0.05 a +0.10) puede bastar para desbloquear. A la inversa, si las salidas se dispersan, baje.

3. Si está sometiendo un argumento a prueba. Lleve los modos Crítico y Refutativo al mínimo (0.10–0.15) para imponer un rigor máximo. Incómodo de leer, pero analíticamente demoledor.

4. Si busca un análisis prospectivo realmente exploratorio. Para el modo Horizonte de posibilidades, subir la temperatura de análisis a 0.75 o 0.80 (en lugar del 0.65 por defecto) abre proyecciones más audaces. Úselo en preguntas abiertas, no en descripciones.

Cómo ajustar estos valores en Metamorfon

En toda estrategia de Metamorfon que ofrece un modo adaptativo (Diálogo alterno adaptativo, Diálogo cruzado adaptativo, Triálogo cruzado adaptativo), dos bloques plegables están disponibles en los Ajustes avanzados:

• «Configuración de la temperatura por modelo» — una rejilla que cubre los cinco modos de debate (Refutativo → Convergente) para cada modelo seleccionado.
• «Configuración de la temperatura (análisis)» — una rejilla que cubre todos los modos de análisis para el modelo de síntesis.

En ambos bloques encontrará:

• El valor por defecto indicado bajo cada campo, para no perder nunca el punto de referencia.
• Un rango de entrada de 0 a 2, en pasos de 0.05.

Sus sobreescrituras se almacenan en los parámetros de la sesión y se aplican dinámicamente cuando cambia de modo de debate entre dos turnos.

Si el modelo que configura es uno de los dos modelos con temperatura bloqueada (gemini-3-flash, gpt-5.5), su entrada se mostrará pero será ignorada en tiempo de ejecución. No es un bug: es respeto estricto a las restricciones del proveedor.

Los valores por defecto, de un vistazo

Tabla 1 — Temperaturas por modo de debate

Tabla 2 — Temperaturas por modo de análisis

Valores por defecto — todos los modelos excepto las excepciones indicadas.

En resumen

La temperatura no es un mando cosmético: es un ajuste epistémico. Decide si un modelo aborda una pregunta con la prudencia de un archivero o la libertad de un ensayista. Metamorfon ha optado por alinear este valor con la intención del momento — el modo de debate o el modo de análisis — en vez de fijarlo en una constante global. Los valores por defecto son razonables para el 95 % de los usos. El 5 % restante es suyo — y hemos hecho que sea legible, trazable y reversible.

L’article Comprender la temperatura de los modelos: guía práctica de Metamorfon est apparu en premier sur Metamorfon.

No en el sentido de una verificación de hechos de uso general — pero Metamorfon ya no se limita a confrontar modelos. Su función principal sigue siendo la orquestación de la confrontación argumentativa entre modelos: revelar sus presupuestos, sus estilos epistémicos y sus puntos ciegos. A esto se suma ahora un modo Verificación de fuentes, que realiza una auditoría específica de las afirmaciones verificables y las atribuciones de fuentes producidas a lo largo de un intercambio.

En la práctica, este modo identifica las afirmaciones que pueden vincularse a un autor nombrado o a un dato explícito (porcentaje, ratio, cita con fecha), y recurre a una búsqueda web para evaluar si la fuente invocada existe y corresponde efectivamente a lo que se le atribuye. No juzga la «verdad» de una idea: verifica quién dice qué, y sobre qué base.

Este modo tiene limitaciones asumidas que conviene conocer:

• Un alcance restringido. Solo se auditan las afirmaciones explícitamente atribuidas (autor nombrado o cifra explícita). Los enunciados interpretativos, las generalidades sin fuente o los enlaces citados sin referencia clara quedan fuera del ámbito.
• Una dependencia de la búsqueda web. Si el modelo utilizado no ha realizado realmente una búsqueda web, ningún veredicto puede considerarse fiable — el modo lo señala explícitamente e invita a relanzar con otro modelo.
• Un grado de variabilidad. Sobre una misma afirmación, el veredicto puede diferir de un análisis a otro. Es una indicación, no un pronunciamiento definitivo.

La fricción entre modelos revela con frecuencia asimetrías en la fiabilidad factual, pero el usuario sigue siendo el árbitro final — eso es precisamente lo que el sistema Metamorfon presupone y valora. El modo Verificación de fuentes es una ayuda para el examen, no una verdad definitiva: pone de relieve los puntos que conviene corroborar, sin sustituir el trabajo humano de verificación y contraste. En sesiones con un alto contenido factual, abordar la verificación desde varios ángulos resulta más sólido que fiarse de una única fuente — la misma lógica de pluralidad epistémica que impulsa a Metamorfon entre los modelos se aplica a la verificación en sí.

Las sesiones también pueden exportarse en Markdown y DocX, lo que facilita su revisión, anotación y corroboración posterior.

L’article Verificar la veracidad factual est apparu en premier sur Metamorfon.

Metamorfon integra actualmente once proveedores distintos — AI21, Anthropic, Cohere, DeepSeek, Google, Mistral, Moonshot, OpenAI, Perplexity, Qwen y SpaceXAI.

Esta elección no responde a una lógica de acumulación funcional ni de cobertura comercial. Deriva de una exigencia metodológica: si la confrontación entre modelos debe hacer aparecer desacuerdos, presupuestos y puntos ciegos, conviene evitar, en la medida de lo posible, que todos los participantes procedan del mismo entorno técnico y organizativo.

La pluralidad de proveedores no es, por tanto, un añadido al dispositivo. Forma parte de las condiciones en las que Metamorfon trata de organizar la confrontación.

Esta idea prolonga dos principios desarrollados en otros textos: Metamorfon, un instrumento de pensamiento explica por qué la contradicción puede servir como puesta a prueba sin constituir una prueba; Hacer debatir a dos IA describe cómo se organiza concretamente esa confrontación. Queda una tercera pregunta: ¿qué diferencias se ponen realmente en presencia?

La diversidad de proveedores es un medio, no una garantía

Dos modelos ofrecidos por un mismo proveedor pueden diferir profundamente por su tamaño, arquitectura, especialización o generación. Pero también pueden compartir parte de sus datos, sus decisiones técnicas, sus procedimientos de optimización o sus políticas de alineamiento.

Por lo general, no es posible saber con precisión todo lo que tienen en común. Sin embargo, un estudio realizado sobre más de 350 LLM muestra que los errores de los modelos distan mucho de ser independientes y que compartir una arquitectura o un proveedor figura entre los factores asociados a una mayor correlación de sus errores (Kim et al., ICML 2025).

Diversificar los proveedores constituye, por tanto, una forma directa de no limitar una confrontación a varias variantes de una misma familia.

Pero el mismo estudio impone de inmediato un límite a esta idea: cambiar de proveedor no basta para que los errores sean independientes. Los modelos más grandes y de mayor rendimiento pueden producir errores fuertemente correlacionados incluso cuando proceden de proveedores y arquitecturas diferentes (Kim et al., ICML 2025).

La diversidad de proveedores no garantiza, por tanto, la diversidad epistémica. Amplía las condiciones en las que esta puede aparecer.

La distinción es importante. Metamorfon no presupone que un modelo de Anthropic, Google, Mistral o DeepSeek represente cada uno una «escuela de pensamiento» homogénea y distinta. Crea un espacio en el que las diferencias eventuales pueden hacerse observables —pero también, a la inversa, en el que una convergencia entre modelos por lo demás independientes puede convertirse ella misma en objeto de análisis.

Lo que las sesiones hacen observable

En las sesiones con varios proveedores, las diferencias aparecen en distintos niveles.

Pueden afectar a la manera de dividir un problema, al grado de prudencia considerado necesario antes de llegar a una conclusión, al estatuto concedido a un argumento empírico, a los ejemplos movilizados, a aquello que merece una objeción o al tipo de prueba exigido al adversario.

Algunos modelos toman más fácilmente la iniciativa; otros trabajan más dentro del marco ya establecido. Algunos formulan rápidamente una regla general; otros acumulan distinciones o condiciones. Dos modelos pueden llegar a la misma conclusión partiendo de concepciones muy distintas de lo que la justifica.

Estas observaciones no permiten, por sí solas, atribuir un «estilo epistémico» estable a un proveedor. Una sesión sigue siendo una observación situada: importan el modelo, su versión, el prompt, la lengua, la pregunta y la dinámica del debate.

Precisamente por eso las arquitecturas de diálogo tratan de mantener lo más constantes posible las condiciones en las que los modelos se encuentran. Mismo contexto, mismas instrucciones, misma pregunta: las diferencias que aparecen resultan entonces más fáciles de examinar como propiedades de su comportamiento en esa situación, y no como consecuencias de un trato diferente.

La diversidad de proveedores adquiere aquí su sentido metodológico: amplía el espacio en el que pueden aparecer diferencias sin decidir de antemano cuál será su naturaleza ni su profundidad.

Existen diferencias culturales — pero también convergencias

La cuestión se vuelve más delicada cuando hablamos de valores, sensibilidades culturales o presupuestos normativos.

Los estudios comparativos encuentran efectivamente diferencias entre LLM en su manera de responder a cuestiones culturalmente cargadas. Masoud y sus coautores observan variaciones entre modelos y muestran, entre otras cosas, que la lengua utilizada para el fine-tuning puede modificar sus respuestas a preguntas relativas a dimensiones culturales (Masoud et al., COLING 2025).

Pero estas diferencias no deben exagerarse. Un estudio más amplio publicado en 2026, sobre diez LLM, once lenguas y varios encuadres culturales, constata que la lengua del prompt y la perspectiva cultural solicitada modifican efectivamente las respuestas. Sin embargo, los modelos estudiados presentan también tendencias comunes notablemente fuertes, con independencia de su origen: sus respuestas permanecen ancladas en un conjunto relativamente restringido de valores culturales (Bulté & Rigouts Terryn, Computational Linguistics, 2026).

Este es quizá el resultado más importante para Metamorfon.

La pluralidad de proveedores permite buscar las diferencias; no permite presuponer que existan.

Una convergencia entre modelos de proveedores distintos puede ser, por tanto, tan instructiva como un desacuerdo. Puede señalar una conclusión robusta. También puede revelar un vocabulario común, presupuestos compartidos o una homogeneidad más profunda del ecosistema.

La sesión sobre si la mirada marxista todavía permite entender el mundo de hoy ofrece un ejemplo distinto, pero particularmente útil aquí. Tres modelos de proveedores diferentes — GPT-5.5, DeepSeek V4 Pro y Mistral Medium 3.5 — comenzaron convergiendo en una misma respuesta: Marx seguía siendo útil, siempre que se lo «actualizara». Las objeciones posteriores fueron deshaciendo esa fórmula hasta que el propio privilegio concedido inicialmente al marco marxista dejó de sostenerse.

La sesión no demuestra que los tres modelos compartieran una misma cultura epistémica. Muestra algo más limitado y más pertinente: proceder de proveedores diferentes no impide converger inicialmente sobre un mismo marco ni garantiza que la pluralidad técnica se traduzca de inmediato en pluralidad conceptual.

El objetivo no es considerar cada proveedor como un punto de vista independiente por definición. Es disponer de suficientes puntos de comparación para poder observar dónde existe la independencia y dónde desaparece.

La diversidad también ayuda a hacer visibles los sesgos

Un sesgo resulta más difícil de reconocer cuando forma parte del fondo común de todas las respuestas disponibles.

Si varios sistemas encuadran espontáneamente un problema de la misma manera, ciertos presupuestos pueden acabar pareciendo evidencias: no porque hayan sido establecidos, sino porque ningún encuadre alternativo viene a mostrar que ellos mismos constituyen una elección.

Es una propiedad general de la comparación: un punto de vista exterior no garantiza que el primero sea incorrecto, pero puede hacer perceptibles algunas de sus particularidades.

Metamorfon utiliza la pluralidad de modelos en este sentido. El objetivo no es hacer votar a varias IA para determinar cuál tiene razón. Es poner sus respuestas en una relación suficientemente estructurada para que puedan examinarse tanto las diferencias como las convergencias.

Una diferencia puede revelar un presupuesto. Una convergencia puede revelar uno todavía más profundo.

El valor de la pluralidad no reside, por tanto, únicamente en el desacuerdo que produce, sino en la posibilidad misma de comparar los marcos desde los cuales un desacuerdo o un acuerdo se vuelven posibles.

Del pluralismo de la herramienta al pluralismo del ecosistema

Esta cuestión va más allá de Metamorfon.

La producción de modelos fundacionales está sometida a poderosas fuerzas de concentración: elevados costes fijos de entrenamiento, economías de escala, acceso al cómputo, a los datos, al talento y a los canales de distribución. Vipra y Korinek señalan que estas características generan una fuerte tendencia a la concentración del mercado y que la dependencia a gran escala de un solo modelo o de un número reducido de modelos también puede producir vulnerabilidades sistémicas (Vipra & Korinek, Brookings, 2023).

El problema, por tanto, no es únicamente económico.

La National Telecommunications and Information Administration estadounidense utiliza el término «algorithmic monoculture» para designar un ecosistema que dependería de uno o unos pocos modelos fundacionales para una gran variedad de usos. Entre los riesgos que asocia a esta situación figuran la uniformidad metodológica, los fallos sistémicos, la concentración del poder cultural y la marginación de determinadas perspectivas. A la inversa, señala que la disponibilidad de alternativas puede contribuir a limitar esa monocultura (NTIA, Competition, Innovation, and Research).

Un ecosistema dominado por dos o tres actores plantearía, por tanto, una cuestión que no se reduce a los precios, la innovación o la competencia comercial.

Plantearía también una cuestión de conocimiento.

¿Cómo reconocer lo que un modelo trata como evidente si todos los sistemas disponibles tratan lo mismo como evidente? ¿Cómo identificar un punto ciego sistémico si no existe ningún sistema suficientemente diferente para producir el contraste que permita verlo? ¿Cómo estudiar la diversidad de los comportamientos de las IA si los objetos disponibles para la comparación proceden de un número cada vez más reducido de cadenas de diseño?

La respuesta no es que un mayor número de proveedores produciría mecánicamente más verdad.

Es más modesta: la pluralidad conserva posibilidades de comparación que desaparecen con la concentración.

Una pluralidad que debe seguir abierta a la crítica

Es en este sentido en el que Metamorfon integra un número amplio de proveedores.

No porque once sea un número óptimo, ni porque once proveedores representen once visiones irreductibles del mundo, ni porque los proveedores pequeños sean necesariamente más originales o los grandes más homogéneos.

La lista está destinada a evolucionar: surgirán nuevos actores, algunos desaparecerán y los modelos cambiarán de familia o de comportamiento.

Lo que debe permanecer estable es el principio: no confundir la pluralidad de modelos con la pluralidad dentro de un único proveedor, pero tampoco confundir la pluralidad de proveedores con una independencia real de los modelos.

La primera distinción justifica la apertura del dispositivo. La segunda impide convertirla en una garantía.

La amplitud de la selección no tiene, por tanto, la función de certificar la diversidad epistémica. Permite buscarla, ponerla a prueba y, cuando falta, hacer observable esa misma ausencia.

Por eso la pluralidad de proveedores tampoco es una simple propiedad técnica de Metamorfon. Expresa una concepción más general de la IA: su valor crítico depende también de la existencia de otros sistemas a partir de los cuales sus propias elecciones, presupuestos y puntos ciegos puedan hacerse visibles.

Referencias

• Kim, E. M., Garg, A., Peng, K. & Garg, N., «Correlated Errors in Large Language Models», ICML 2025.
• Masoud, R. I., Liu, Z., Ferianc, M., Treleaven, P. & Rodrigues, M., «Cultural Alignment in Large Language Models: An Explanatory Analysis Based on Hofstede’s Cultural Dimensions», COLING 2025.
• Bulté, B. & Rigouts Terryn, A., «LLMs and Cultural Values: The Impact of Prompt Language and Explicit Cultural Framing», Computational Linguistics, 2026.
• Vipra, J. & Korinek, A., «Market concentration implications of foundation models: The Invisible Hand of ChatGPT», Brookings Institution, 2023.
• National Telecommunications and Information Administration, «Competition, Innovation, and Research», Dual-Use Foundation Models with Widely Available Model Weights Report.

L’article Por qué importa la diversidad de proveedores est apparu en premier sur Metamorfon.

Tres nombres para tres movimientos

La aplicación se concibió al principio en torno a tres movimientos posibles dentro de un diálogo.

Syntia nombraba la convergencia: acercar las posiciones, construir articulaciones comunes. El nombre se formó en torno al griego syn (σύν, «con, juntamente») y a su resonancia con la síntesis.

Dyfonia nombraba la disonancia: poner las posiciones en tensión, someter una formulación a aquello que se le resiste. El griego tiene diaphōnia (διαφωνία), «discordia, desacuerdo», y phōnē (φωνή), la voz. La y hace resonar además el prefijo dys-, asociado al defecto y la dificultad. Las voces dejan de buscar el acuerdo y ponen a prueba sus diferencias.

Metamorfon nombraba la transformación: el momento en que el paso por el acuerdo, la objeción y la reformulación modifica las propias posiciones, a veces incluso el marco en el que fueron planteadas. La raíz es transparente: metamorphōsis (μεταμόρφωσις), «transformación»; metamorphōn, forma participial de metamorphoō, literalmente «que transforma».

Tres nombres, tres modos separados: Syntia orquestaba la convergencia, Dyfonia organizaba la disonancia, Metamorfon combinaba ambas. La asimetría ya estaba ahí. Los dos primeros nombraban maneras de conducir el intercambio; el tercero, lo que podía ocurrirles a las posiciones cuando esos movimientos se encadenaban.

Por qué desapareció la tríada

El trabajo posterior mostró que esa separación limitaba el examen. Una pregunta se examina mejor pasando por varios movimientos que quedando confinada a uno solo: construir, someter a crítica, retomar lo que resistió, observar qué se desplazó. La metamorfosis dejó de ser un tercer modo; pasó a ser un posible efecto del tránsito de uno a otro.

El diseño se descompuso entonces en piezas más finas. Los tres movimientos iniciales dieron paso a cinco modos de debate: Convergente, Constructivo, Equilibrado, Crítico y Refutativo. En las arquitecturas adaptativas, el usuario puede cambiar de uno a otro durante una misma sesión. Adaptativo no significa automático: el usuario lee el estado del debate y elige el modo siguiente; la sesión se convierte así en una trayectoria que se puede conducir.

Los modos de análisis, incorporados más tarde, examinan los intercambios, cada uno mediante una operación distinta. La Síntesis integrativa reconstruye el recorrido del debate. El Análisis de la emergencia identifica lo que se construyó en él. La Cartografía de tensiones examina los desacuerdos que persisten. El Meta-análisis saca a la luz las estructuras implícitas que organizan las posiciones. La Arqueología crítica se remonta a las formulaciones, vocabularios, exclusiones y encuadres que delimitaron la discusión. El Horizonte de posibilidades formula lo que el debate hizo pensable sin llegar a enunciarlo. La Evaluación argumentativa y la Verificación de fuentes ponen a prueba, respectivamente, la calidad de la argumentación y la solidez de sus apoyos fácticos.

Las ideas que representaban Syntia y Dyfonia no desaparecieron. Sus fronteras, sí.

La transformación como efecto de una trayectoria

La práctica hizo visible algo que la tríada original representaba mal: las transiciones entre modos importan tanto como los propios modos. Una convergencia alcanzada tras pasar por la crítica no tiene la misma historia que otra que nunca fue cuestionada. Sus formulaciones se han enfrentado a objeciones: algunas fueron abandonadas; otras, reformuladas o reforzadas.

Ese paso por la crítica no es un criterio de verdad. Una tesis verdadera puede ceder ante una objeción brillante; una posición débil puede sobrevivir gracias a una defensa hábil. Pero una formulación que ha tenido que responder a la objeción ya no tiene el mismo estatus argumentativo.

Una intuición hegeliana ilumina este punto. La negación es determinada cuando su resultado conserva el contenido negado y hace aparecer una determinación nueva. La analogía tiene sus límites; al menos explica por qué la confrontación puede ser productiva sin que la contradicción valga como prueba.

La metamorfosis opera también en un segundo nivel. Un análisis permanece exterior al debate que describe: nombrar un presupuesto o una tensión persistente no modifica retrospectivamente el intercambio. Se vuelve operativo cuando regresa al debate.

Retomada literalmente, la pregunta final que producen ciertos modos de análisis se convierte en un nuevo objeto de debate. La Cartografía de tensiones puede devolver a los modelos al punto exacto en que divergen sus criterios de juicio. El Análisis de la emergencia puede llevarlos de nuevo a un concepto que acaban de construir y pedirles que lo pongan a prueba o lo prolonguen. El Meta-análisis puede poner ante ellos un axioma compartido o un punto ciego.

El análisis se convierte entonces en un operador de transición, y el proceso en un bucle: el debate produce su material; el análisis lo relee desde un ángulo determinado; esa lectura genera una intervención; la intervención transforma el material de los intercambios siguientes.

Ahí cobra sentido el nombre. La metamorfosis no es la operación de ninguno de los modos. Se produce a lo largo de una trayectoria: cambios de modo, reformulaciones provocadas por la objeción, conceptos nacidos del roce entre posiciones, relectura del conjunto mediante el análisis; de esa relectura surge una pregunta que el debate aún no había formulado.

Por qué permaneció el nombre

En esta arquitectura, Syntia y Dyfonia ya no tenían ningún módulo que nombrar. Su lógica permanece: Syntia sobrevive cada vez que varias posiciones construyen una articulación que ninguna formulaba todavía; Dyfonia, cada vez que un desacuerdo dura lo suficiente para obligar a las posiciones a explicitar su distancia.

Metamorfon tuvo otro destino. Tercer término de la tríada, acabó designando el producto de los otros dos movimientos —y después de los que vinieron tras ellos— cuando se combinan a lo largo del tiempo. El nombre de la aplicación pasó a designar su efecto buscado, no un medio particular.

La convergencia construye; la disonancia pone a prueba. En el tránsito de una a otra, a veces, algo se transforma. El nombre conservó esa posibilidad.

Referencias

• H. G. Liddell, R. Scott y H. S. Jones, A Greek-English Lexicon — entradas σύν, διαφωνία, φωνή, μεταμόρφωσις y μεταμορφόω, Scaife ATLAS / Perseus Digital Library.
• Douglas Harper, Online Etymology Dictionary — entrada «dys-».
• G. W. F. Hegel, Ciencia de la lógica, trad. Augusta y Rodolfo Mondolfo, Buenos Aires, Ediciones Solar, 5.ª ed., 1982 (1.ª ed., Librería Hachette, 1956), Introducción, «Concepto general de la lógica» — sobre la negación determinada y el modo en que su resultado contiene aquello de lo que resulta y produce una determinación nueva.

L’article ¿Por qué Metamorfon? est apparu en premier sur Metamorfon.

Por el lado de los modelos, la adaptación es en efecto casi automática: cada modelo ajusta su contribución al modo de debate en curso. Un modo crítico lo empuja a exponer las fallas de la posición contraria, un modo constructivo a buscar las articulaciones posibles, un modo equilibrado a sostener ambas a la vez. Esa adaptación no pide nada al usuario —se produce por el solo hecho de la configuración del turno.

Por el lado del usuario, en cambio, la adaptación es todo menos automática. Exige una lectura activa. En cada turno, el usuario observa lo que los modelos acaban de producir —dónde convergen, dónde se resisten, qué han evitado, qué pide ser puesto a prueba— y elige el modo siguiente en función de lo que ve y del objetivo que persigue para esa sesión. Un debate que se atasca en una disputa terminológica gana al bascular al modo constructivo para forzar una articulación; un debate que converge demasiado rápido gana al pasar al modo crítico para poner la convergencia a prueba; un debate que produce muchos argumentos pero poco movimiento gana al pasar al modo refutativo para zanjar. Ninguna regla dicta estas elecciones; pertenecen al juicio del usuario sobre el estado del debate y sobre lo que busca obtener de él.

Es la articulación de estas dos adaptaciones —la de los modelos, que sigue al modo, y la del usuario, que elige el modo— la que produce la trayectoria de una sesión. El adjetivo adaptativo nombra precisamente esa articulación. No designa ni un automatismo oculto, ni una inteligencia del dispositivo que pudiera prescindir del pilotaje humano. Designa por el contrario la condición de posibilidad de ese pilotaje: un dispositivo en el que cada turno abre una elección, y en el que esa elección pertenece a quien conduce la sesión.

Es también por eso que la experiencia de uso de Metamorfon se afina con la práctica. Los primeros usos tantean; con el correr de las sesiones, el gesto se vuelve más certero —el usuario reconoce más rápido lo que pide ser basculado, anticipa lo que un modo producirá sobre el estado actual del debate, compone trayectorias que ninguna elección aislada habría podido construir. Es en ese gesto acumulado, más que en ninguna funcionalidad tomada aisladamente, donde se aloja el saber hacer propio del uso de la herramienta.

L’article Lo que quiere decir «adaptativo» est apparu en premier sur Metamorfon.