A los 17 años, muchos jóvenes siguen respondiendo a la pregunta de qué quieren hacer en el futuro. Chen Guangyu ya había participado en la investigación de la arquitectura interna de grandes modelos de IA. El artículo «Attention Residuals», presentado el 16 de marzo de 2026, lo incluye junto a Yu Zhang y Jianlin Su como los tres primeros autores con igual contribución.[2]
El 15 de octubre anunció en X que había dejado Kimi recientemente. Repasó su trabajo en kernels de cómputo, residuos de atención y optimizadores, y agradeció especialmente a Yulun Du que hubiera confiado en él y lo hubiera contratado cuando tenía 16 años. Esa publicación de despedida no revelaba quién sería su próximo empleador.[1]
Podemos llamar a esto, por supuesto, la historia de un «niño prodigio». Pero, al seguir las huellas de su aprendizaje y su trabajo, aparece una cuestión que merece más atención: ¿cómo puede un joven pasar en tan poco tiempo de recibir conocimientos a participar en problemas de frontera? ¿Y cómo ha amplificado la IA esa transformación?
Ilustración conceptual sobre la conexión entre aprendizaje y colaboración; no es una fotografía de Chen Guangyu.
Su trayectoria y los registros públicos
| Aspecto | Información pública |
|---|---|
| Nombre | Chen Guangyu (陈广宇), Nathan Chen; firma sus artículos como Guangyu Chen.[2] |
| Edad y lugar de crianza | Nació en 2009 y creció en Shenzhen; tenía 17 años cuando se publicaron los reportajes de 2026.[6] |
| Estudios | BASIS International School Park Lane Harbour; cursaba el 12.º grado cuando se hizo pública la investigación en marzo de 2026.[13] |
| Experiencia inicial | Programación algorítmica, un blog técnico personal, proyectos de código abierto y pequeños experimentos de aprendizaje automático.[9][12][15] |
| Experiencia investigadora | Prácticas en Tilde Research y posterior incorporación al equipo de Kimi de Moonshot AI.[5][6] |
| Trabajos públicos destacados | Uno de los autores de MoMoE; autor con igual contribución en Attention Residuals y participante en la propuesta de Block AttnRes.[2][4][7] |
| Última novedad pública | El 15 de octubre de 2026 anunció que había dejado Kimi recientemente; el mensaje de despedida no revelaba su siguiente lugar de trabajo.[1] |
Describir su evolución como «empezar de cero y triunfar en unos meses» dejaría fuera una preparación importante. Su web personal incluye un artículo fechado en 2024 sobre un proyecto con árboles de decisión: organizó observaciones de la vida cotidiana en un conjunto de datos, intentó entrenar un modelo predictivo y señaló por iniciativa propia que la selección de variables y el proceso de inferencia carecían de suficiente rigor. Este pequeño experimento muestra el hábito de pasar de una observación a una pregunta, a los datos y a la comprobación.[12]
Su perfil de GitHub también enlaza su cuenta de Codeforces y presenta gestureX, un proyecto de reconocimiento de gestos. La práctica de algoritmos, la creación de proyectos y la posterior investigación de grandes modelos son actividades distintas, pero estas huellas públicas bastan para recordar que entrar rápidamente en un campo nuevo suele apoyarse también en capacidades prácticas adquiridas con anterioridad.[15]
Los registros públicos más antiguos se remontan incluso a 2023. Su página de proyectos describe OpenTeens como una comunidad de código abierto para adolescentes y lo identifica como cofundador; el programa de un evento de código abierto de ese año también presentó a Chen Guangyu con ese papel. La página incluye, además, experimentos de reconocimiento de gestos y detección de residuos en playas. Son muestras de una participación continuada en proyectos y comunidades, y no pueden resumirse diciendo que tuvo su primer contacto con la IA en 2025.[17][18]
El hackatón para estudiantes de secundaria de febrero de 2025 fue otro hito. Participó con ideas relacionadas con ThirdArm, conoció a Dong Kehan y después empezó a entrar en contacto con investigadores y problemas más cercanos a la frontera del campo. Ese verano hizo prácticas en Tilde Research y en noviembre se incorporó a Kimi; en marzo de 2026, el artículo de AttnRes ya se había hecho público.[2][5][6][23]
Cronología elaborada a partir de artículos personales, investigaciones, registros institucionales y su propio mensaje de despedida. El contacto inicial con el aprendizaje automático y la posterior dedicación intensiva a Transformer corresponden a etapas diferentes.[1][2][5][11][12][14][18][23]
El anuncio del seminario de la Clase Yao de la Universidad de Tsinghua del 11 de abril de 2026 lo incluía junto a Yu Zhang como ponente y los presentaba como investigadores del equipo de Scaling de Moonshot AI y autores principales de AttnRes. Es un registro concreto de intercambio investigador que ayuda a entender que su trabajo ya ofrecía contenido que sus pares podían discutir.[14]
De hacer preguntas a la IA a hacerse visible entre sus pares
Chen Guangyu es de Shenzhen y utiliza el nombre inglés Nathan Chen. Cuando se publicó el artículo en marzo de 2026, todavía era estudiante de secundaria. En el verano de 2025 hizo prácticas en Tilde Research y, en noviembre de ese mismo año, se incorporó a Kimi. Su trayectoria ya había atravesado etapas que suelen llegar durante la universidad o los estudios de posgrado.[6][23]
En un relato personal contó que, después de participar en un hackatón para estudiantes de secundaria en 2025, conoció a Dong Kehan, quien le presentó al investigador de DeepSeek Yuan Jingyang. Al comenzar, partía de artículos científicos: enviaba a Gemini capturas de los pasajes que no entendía, le pedía explicaciones y seguía preguntando, mientras leía código en GitHub y blogs de investigadores. Para las decisiones importantes, seguía recurriendo a mentores humanos.[5]
El valor de este método consiste en obtener respuestas más rápidas a las dudas. Una fórmula, un concepto o un fragmento de código no tienen por qué esperar hasta la siguiente clase para encontrar una explicación. Quien aprende puede recorrer una y otra vez los aspectos del problema que tiene delante, hasta poder continuar razonando, construir algo y comprobarlo.
Las explicaciones que ofrece la IA pueden seguir siendo incorrectas. La comprensión debe resistir, en última instancia, la comprobación mediante artículos, código y experimentos. Los tutoriales de Triton y FlashAttention que Chen publicó más adelante abordan de forma concreta el acceso a la memoria de la GPU y la implementación de kernels. Los lectores pueden seguir el código para evaluar lo que comprende, en lugar de limitarse a escuchar su relato sobre lo rápido que aprendió.[8]
En sus registros públicos también aparecen desvíos y errores. En una entrada de mayo de 2025 sobre una tarea de optimizadores, contó que recurrió a la IA para comprender conceptos y buscar información, desarrolló sus razonamientos y ejecutó experimentos, pero al terminar el entrenamiento descubrió que había entendido mal el enunciado. Aun así, escribió sobre el proceso y el problema. Este detalle muestra que aprender más rápido y equivocarse pueden ocurrir al mismo tiempo, y que detectar y explicar los errores también forma parte de la capacidad.[21]
Su aprendizaje también dejó puntos de entrada para que otros investigadores lo encontraran. Según su propio relato, compartir públicamente sus reflexiones técnicas permitió que el responsable de una empresa emergente de IA de Silicon Valley descubriera su trabajo, lo que dio lugar a conversaciones y a una oportunidad de prácticas. Más tarde, el proyecto de código abierto MoMoE de Tilde incluyó a Nathan Chen entre sus autores, dejando constancia de un resultado concreto de colaboración.[5][7]
MoMoE se centra en la implementación de modelos de mezcla de expertos, especialmente en la eficiencia de memoria y el rendimiento de cómputo durante el entrenamiento y el ajuste fino. Su objeto es distinto de la combinación de información entre capas que abordaría después AttnRes, pero revela una orientación similar: comprender los algoritmos y lograr que se ejecuten eficazmente en el hardware. La lista de autores confirma su participación en el proyecto, pero no permite, por sí sola, atribuir a cada persona partes concretas del código.[7]
Este aspecto resulta especialmente útil para otros jóvenes. Entender bien un problema, construir algo que funcione y explicar por escrito el proceso permite que personas desconocidas evalúen directamente el trabajo. Una web personal, un blog técnico y las contribuciones al código abierto pueden aportar pruebas que complementen el currículum.
Qué aportó como coautor principal
Attention Residuals, la investigación en la que participó Chen Guangyu, estudia cómo se transmite y se agrega la información entre las distintas capas de un gran modelo de IA.
Las conexiones residuales habituales van sumando las salidas de las capas anteriores. AttnRes introduce atención a lo largo de la profundidad del modelo, de modo que las capas posteriores puedan agregar selectivamente las representaciones previas mediante ponderaciones. Se ocupa de cómo se combina la información entre capas; no puede entenderse simplemente como que un chatbot «recuerde una frase anterior».[2][3]
Llevar este diseño al entrenamiento a gran escala también plantea costes de memoria de GPU y de comunicación. En su relato de la investigación, Jianlin Su explica que él inició la idea original y los experimentos a pequeña escala; Chen Guangyu y Yu Zhang se sumaron después a las validaciones a mayor escala y propusieron conjuntamente Block AttnRes, un diseño que agrupa las capas en bloques para reducir los costes de implementación.[4]
Esquema explicativo elaborado por la redacción: los residuos estándar acumulan salidas; Full AttnRes selecciona representaciones de capas anteriores; Block AttnRes selecciona entre bloques. No se representa la estructura completa de la red.[2][3]
Esto muestra que su contribución abarcó la comprensión de los principios, el diseño de una solución y el trabajo con las limitaciones de ingeniería. Para que una idea eficaz llegue a un sistema real, necesita pasar por experimentos e implementación. Un investigador joven puede asumir tareas decisivas en ese proceso y compartir el reconocimiento de los resultados con investigadores experimentados.
Los materiales oficiales del proyecto indican que, en sus experimentos de escalado, Block AttnRes alcanza un nivel de pérdida para el que el modelo de referencia necesita 1,25 veces el cómputo de entrenamiento. Expresado de otra forma, requiere aproximadamente un 20 % menos de cómputo para alcanzar ese nivel de pérdida. La cifra corresponde a unas condiciones experimentales concretas; no significa que todos los modelos, o la factura total de Kimi, ahorren un 20 %.[3]
Block AttnRes, en cuyo diseño participó, se incorporó después a Kimi K3, cuyo informe técnico describe expresamente esta solución. Así se abre una vía para seguir amplificando la contribución: una mejora interna se reutiliza con el sistema del modelo, y el trabajo de una persona en una parte concreta puede, a través del equipo y del software, tener un alcance muy superior al de sus propias horas de trabajo. El rendimiento global de K3 procede de la combinación de diversas tecnologías y labores de entrenamiento; no puede atribuirse por completo a un diseño o a una persona.[11]
Su trabajo también abarca kernels de cómputo y optimizadores
En su mensaje de despedida, Chen Guangyu incluyó la optimización de los kernels de KDA entre sus primeros trabajos y mencionó que había probado numerosos diseños junto a Yu Zhang. Los kernels permiten ejecutar los algoritmos en la GPU, y su eficiencia suele depender de cómo se accede a los datos y cómo se reutilizan. Su trabajo, por tanto, ha abarcado tanto el diseño de modelos como la implementación de sistemas.[1]
El código abierto deja un registro más detallado. En septiembre de 2025, el proyecto FLA incorporó la implementación del modelo DeltaFormer que había presentado; en diciembre del mismo año incorporó también una modificación en la que participó para fusionar kernels del cálculo de retropropagación de KDA. Estos registros incluyen el código, la revisión y el proceso de integración, lo que permite examinar los trabajos de ingeniería concretos en los que intervino.[19][20]
También señaló que investigar optimizadores fue lo que más le enseñó sobre la dinámica del entrenamiento. Los optimizadores determinan cómo se actualizan los parámetros durante el entrenamiento, una cuestión distinta de las conexiones residuales. El índice de su blog personal incluye análisis de optimizadores y tutoriales de implementación de multiplicación de matrices, FlashAttention y Triton. Estos materiales muestran la amplitud de su aprendizaje continuado; no pueden contarse automáticamente como resultados originales ya adoptados por modelos en producción.[1][8][16]
A la luz de estos trabajos concretos, su nombre no llegó a la lista de autores únicamente por una idea afortunada. Leer artículos, entender implementaciones, ensayar diseños, ejecutar experimentos y afrontar limitaciones son actividades que, juntas, construyen los resultados de investigación. La IA puede ayudar en algunas de esas etapas, pero la autoría de una investigación y sus resultados técnicos siguen exigiendo responsabilidad por el trabajo específico.
Cómo la IA acerca a los jóvenes a los problemas reales
La experiencia de Chen Guangyu permite observar varios cambios conectados entre sí.
El primero es una respuesta más frecuente durante el aprendizaje. La IA puede explicar términos desconocidos en cualquier momento y ayudar a descomponer problemas complejos, para que quien aprende identifique antes los conocimientos que necesita adquirir a continuación. Esto ofrece más oportunidades de práctica a las personas con iniciativa; que esa práctica se convierta en capacidad depende de que sigan comprobando, razonando y experimentando.
El segundo es que los resultados resultan más fáciles de examinar y descubrir. El código abierto, los artículos públicos y las discusiones técnicas desplazan parte de la evaluación hacia el trabajo concreto. Un análisis claro o una modificación bien fundamentada pueden llegar a quienes realmente se interesan por un problema antes que los títulos académicos o el cargo de su autor.
El tercero es que la colaboración permite integrar las contribuciones individuales en sistemas mayores. La investigación de frontera sigue necesitando cómputo, experiencia de equipo y una validación rigurosa. Cuando los jóvenes tienen acceso a ese trabajo, pueden convertir un aprendizaje rápido en resultados técnicos reutilizables.
Estas tres piezas, juntas, constituyen la amplificación de la que hablamos: la IA ayuda a aprender, las obras públicas conectan con otros investigadores y los equipos llevan las contribuciones verificadas a modelos reales. La tecnología, la acción individual y las oportunidades que ofrecen las organizaciones actúan aquí conjuntamente.
Esquema de cómo una contribución individual entra en un sistema mayor; no representa un multiplicador uniforme de eficiencia o impacto medido experimentalmente.
Por eso, al evaluar talento, las limitaciones de usar la edad o los años de trayectoria como indicadores de capacidad serán cada vez más evidentes. El tiempo que alguien lleva trabajando aporta parte del contexto; qué ha comprendido, qué ha resuelto y si puede explicar y reproducir sus resultados ofrecen una base más directa.
El valor de la experiencia se demuestra en la colaboración
Cuestionar las jerarquías basadas en la antigüedad también exige tomar en serio la experiencia. En el desarrollo de Chen Guangyu intervinieron la orientación de investigadores, el conocimiento acumulado por las comunidades de código abierto y la disposición de un equipo a confiarle problemas reales. AttnRes es, en sí mismo, un trabajo conjunto de investigadores con distintas trayectorias.[4][5]
El criterio de quienes tienen experiencia sobre caminos que ya han fracasado, diseño experimental y limitaciones de los sistemas puede ayudar a los jóvenes a evitar rodeos. La dedicación, las preguntas y la exploración de los jóvenes también pueden aportar nuevas soluciones al equipo. Cuando estas capacidades colaboran en torno a un problema, el valor de la experiencia se hace visible en los resultados.
También debemos reconocer las condiciones que requiere este camino. El entorno de una escuela internacional, las redes de mentores, las oportunidades de prácticas en el extranjero y los recursos de un equipo de investigación forman parte de la trayectoria de Chen. La IA facilita el acceso a las explicaciones, pero no concede automáticamente a todos el mismo tiempo, apoyo y condiciones para experimentar.[6]
Para escuelas y empresas, una respuesta más constructiva consiste en crear más oportunidades de mostrar la capacidad: ofrecer preguntas de investigación acotadas y claras, aceptar trabajos que puedan examinarse, proporcionar comentarios profesionales oportunos y registrar con precisión las contribuciones. Así, más personas que aún no han acumulado títulos o cargos pueden encontrar una vía para demostrar lo que saben hacer.
Dar espacio a los jóvenes también es permitirles explorar su siguiente paso
En su web personal, Chen Guangyu ha escrito que la iniciativa es un superpoder y que el criterio puede aprenderse. También dedicó un artículo a reflexionar sobre cómo las metas de audiencia en las redes sociales pueden restar atención a la investigación original, y expresó su deseo de dedicar más energía a intercambios con contenido.[9][10]
Estas reflexiones hacen más concreta su trayectoria: está buscando problemas en los que merezca la pena invertir esfuerzo y ajustando su relación con las oportunidades, la atención y el trabajo. La decisión de dejar una empresa a los 17 años es solo una etapa de esa exploración.
Podemos confiar en el potencial de un joven y, al mismo tiempo, darle espacio para seguir aprendiendo, cambiar de dirección y equivocarse. Un resultado científico merece una evaluación seria, sin convertirse en una carga que le exija producir milagros una y otra vez.
Un cambio por el que merece la pena trabajar en la era de la IA es que más jóvenes puedan empezar a explorar en cuanto planteen buenas preguntas y reciban una respuesta seria cuando hagan un buen trabajo. Una mejora verificada puede difundirse y amplificarse rápidamente a través de las comunidades de código abierto, los equipos de investigación y los sistemas de modelos.
Cuanto más directamente podamos examinar la contribución de una persona, menos razones habrá para ordenar las oportunidades por antigüedad. La historia de Chen Guangyu nos recuerda que debemos dar oportunidades a quienes pueden resolver problemas y abrir a quienes todavía están creciendo una puerta para participar antes en el mundo.