IplanRIO de Río de Janeiro lanzó Rio 3.5 el 13 de junio. La agencia de TI de la ciudad lo calificó como un modelo de clase de vanguardia: 397 mil millones de parámetros, con una licencia permisiva de código abierto, construido por el gobierno municipal de una ciudad en el Sur Global.

El momento del lanzamiento de Rio 3.5 fue perfecto: Brasil estaba jugando su partido inaugural del Mundial y las redes sociales ya estaban en llamas. Los comentarios al respecto se extendieron rápidamente de Brasil más allá.

Pero tan rápido como atrajo la atención, hubo una disputa sobre quién creó exactamente el modelo.

La ficha original del modelo describía Rio 3.5 como un post-entrenamiento de Qwen 3.5 397B, el modelo de base abierta de Alibaba, con una nueva capa de razonamiento llamada SwiReasoning añadida. El costo de desarrollo fue de R$500.000 (Río no confirmó esto), o casi $100.000 USD, aproximadamente 30 veces más barato que los sistemas de IA equivalentes listos para usar.

La arquitectura es Mixture-of-Experts (Mezcla de Expertos), lo que significa que solo alrededor de 17 mil millones de los 397 mil millones de parámetros se activan en cualquier token dado. Esto hace que la inferencia sea más barata de lo que sugiere el tamaño nominal. El modelo también soporta visión y texto, maneja más de una docena de idiomas y se distribuye bajo una licencia MIT totalmente abierta.

SwiReasoning es la pieza central técnica. Es un marco de inferencia sin entrenamiento que cambia dinámicamente entre dos modos. Cuando el modelo confía en la siguiente palabra —baja entropía en la distribución de probabilidad— razona en lenguaje sencillo. Cuando no está seguro, cambia a un razonamiento latente, pensando en estados internos ocultos sin emitir tokens. IplanRIO dijo que Rio 3.5 fue entrenado específicamente para explotar esto, y que las mejoras se reflejan en los números de referencia.

Los números auto-reportados fueron llamativos. Terminal-Bench 2.1 —que mide la ejecución autónoma de comandos de terminal, calificada como porcentaje de tareas aprobadas— registró un 70.8% para Rio 3.5, superando a Qwen 3.7 Plus con un 70.3% y al potente DeepSeek v4 Pro con un 67.9%.

En IMOAnswerBench, un punto de referencia de olimpiadas de matemáticas puntuado como porcentaje de aciertos, Rio 3.5 alcanzó el 89.5%. En HLE —Humanity's Last Exam (El Último Examen de la Humanidad), una batería de expertos de múltiples dominios casi irresoluble puntuado como un porcentaje— Rio 3.5 obtuvo el 36.5%, por delante del 34.7% de Qwen 3.7 Plus.

Un gobierno municipal superando a los modelos insignia más importantes en los puntos de referencia de calidad más significativos: ese fue el titular que se extendió, especialmente después de que el alcalde de Río de Janeiro tuiteara al respecto.

“Un modelo de IA abierta entrenado en Río y financiado públicamente durante el último año por [la Municipalidad de Río] acaba de superar a todos los demás modelos”, escribió Eduardo Cavaliere. “Hoy, el mundo está hablando de un modelo de IA abierta entrenado en Río”.

Entonces apareció Nex

“Entrenado en Río” resultó no ser del todo exacto.

Nex-AGI, una alianza de IA de código abierto con sede en Shanghái, publicó en X días después del lanzamiento. El inicio: "El modelo Rio 3.5 rompió internet esta semana. ¿El giro? Es esencialmente nuestro modelo de código abierto, Nex N2 Pro, con un sombrero diferente."

Habían analizado los pesos. Las matemáticas eran exactas: Rio 3.5 ≈ 0.6 × Nex N2 Pro + 0.4 × Qwen 3.5. Le siguieron un script de verificación y un informe completo de GitHub.

La evidencia llegó en dos partes.

Primero, la conductual. Nex eliminó el prompt de sistema "Tú eres Rio" codificado del modelo desplegado y le envió 120 preguntas de identidad. Sin la máscara, Nex informa que el modelo se llamó a sí mismo "Nex, de Nex-AGI" el 79.2% de las veces. Se llamó a sí mismo "Rio" exactamente el 0% de las veces. Nex dijo que el modelo también recitó la historia específica de la compañía palabra por palabra, mencionando el "Shanghai Innovation Institute" y "una alianza de ecosistemas de modelos grandes". Esos son los propios datos de entrenamiento de Nex, apareciendo en el modelo de otra persona.

Segundo, la matemática. En una fusión de pesos genuina, cada parámetro del nuevo modelo se encuentra en una línea recta entre los dos modelos de origen. Nex midió esta colinealidad a través de las 60 capas. El resultado fue de 0.993. Dos modelos no relacionados en el mismo espacio de parámetros obtuvieron una puntuación cercana a cero por casualidad. Obtener un 0.993 en cada capa no es una coincidencia. La relación de mezcla se mantuvo en α ≈ 0.571, estable con tres decimales.

Básicamente, era casi 60% Nex, siendo el resto el modelo base de Qwen.

"Cada tensor de peso en Rio es, con miles de desviaciones estándar, la misma mezcla 0.6/0.4 de Nex y Qwen, a través de las 60 capas y cada componente de la red", escribió Nex. "No hay una explicación inocente".

Los números también contaban una historia más silenciosa. Nex N2 Pro, lanzado solo días antes de Rio 3.5, obtuvo un 75.3% en Terminal-Bench 2.1, más alto que el 70.8% de Rio. En GDPval, un punto de referencia de pronóstico económico puntuado como una calificación estilo Elo, Nex se sitúa en 1.585 frente a los 1.533 de Rio. Si Rio es 60% Nex, entonces se esperaría que puntuara por debajo de Nex en los propios puntos de referencia de Nex. Y así es.

IplanRIO responde

IplanRIO actualizó la ficha del modelo de Hugging Face: se eliminó la tabla de puntos de referencia y se cambió la atribución.

"El modelo se construye mediante una fusión de nex-agi/Nex-N2-Pro y Qwen/Qwen3.5-397B-A17B, precedida por una Destilación On-Policy a partir de un modelo más potente", dice el Readme actualizado. "Detectamos una carga incorrecta en la versión anterior, donde se subió la versión base fusionada en lugar del modelo destilado final. Lamentamos la confusión y nos disculpamos profusamente".

No se ha emitido ninguna otra declaración pública de IplanRIO. Ahora se da crédito a Nex.

La explicación de la "carga incorrecta" es la afirmación clave. IplanRIO dice que el lanzamiento previsto era una versión destilada de la base fusionada, no la fusión bruta en sí. La destilación on-policy significa que un modelo profesor más potente genera salidas, y el alumno se entrena con ellas mientras también genera las suyas propias. Es más cara que una fusión bruta, pero aun así más barata que entrenar desde cero. Si ese paso fue real, entonces representaría al menos algo de trabajo original además de la fusión.

Lo que realmente se envió, según IplanRIO, fue la base fusionada sin nada más.

Los observadores de la comunidad se dividieron sobre lo que eso significa. El comentarista de tecnología Rafael Quintanilha dio una lectura caritativa: dado que Nex N2 Pro se basa en Qwen, el equipo podría haber atribuido la arquitectura subyacente y dejarlo ahí. También señaló que el modelo se hizo viral durante un partido de la Copa del Mundo, "no necesariamente 'listo para el consumo público'".

El desarrollador y YouTuber de IA Lucas Montano señaló que "fusionar dos modelos de clase de ~400B y luego aplicar destilación de políticas no es trivial", al tiempo que reconoció tanto un error técnico como un fallo de comunicación.

El investigador de IA Diego Ambrosio fue menos generoso. El lanzamiento original describía Rio 3.5 como el resultado de "post-entrenamiento autónomo y ajuste fino propietario", un encuadre que implicaba investigación original, no una fusión.

¿Legal? Sí. ¿Ético? Bueno...

La fusión de modelos es completamente legal. Nex N2 Pro tiene licencia Apache 2.0; se puede usar, modificar y redistribuir, siempre que se le dé crédito. Qwen 3.5 también tiene licencia abierta. Nadie irá a los tribunales por esto.

El problema fue presentar el resultado como un trabajo desarrollado de forma independiente sin nombrar *todos* los modelos de origen. La comunidad de código abierto ha visto esto antes. A principios de este año, se descubrió que Composer 2 de Cursor se basaba en Kimi K2.5 de Moonshot sin revelación. La reacción fue rápida y de reputación: sin abogados, solo capturas de pantalla.

Construir sobre modelos abiertos existentes es normal. Como ha cubierto Decrypt, apilar y fusionar pesos abiertos es prácticamente una subcultura propia. La norma no es "no construir sobre el trabajo de otros". La norma es: di lo que usaste.

Lo que hizo que esto fuera más ruidoso que una típica omisión de atribución fue el envoltorio institucional. Que un desarrollador pseudónimo lance una frankenfusión bajo su propio nombre es una cosa. Que un gobierno municipal lo use para reclamar soberanía de IA en el sector público —durante el Mundial— es otra. “Fue un desperdicio de recursos”, escribió un comentarista brasileño.

Nex no lo convirtió en una guerra. "Nos sentimos halagados de que la Ciudad de Río utilizara nuestro trabajo para lograr un rendimiento SOTA (State-Of-The-Art)", escribió la compañía en X. "Pero en el mundo del código abierto, la atribución importa".

IplanRIO está trabajando para subir el modelo corregido y destilado con la atribución completa. Cuando eso ocurra, se volverán a realizar las mismas comprobaciones, y la comunidad descubrirá si la destilación realmente cambió algo, o si sigue siendo en su mayor parte Nex con un prompt de sistema diferente.