¿Qué es OPAL?
OPAL (OPtimizer with an Agent in the Loop) envuelve un optimizador de torch.optim existente en una línea. Cada cierto tiempo durante el entrenamiento, un agente de programación, Claude Code por defecto, lee las pérdidas, las estadísticas de los gradientes y sus propios informes de análisis, y decide si reescribe dos pequeños programas de Python: la regla de actualización que convierte los gradientes en actualizaciones de parámetros y el código de análisis que mide lo que quiere observar. Puede cambiar tasas de aprendizaje, calendarios, momento, precondicionamiento y recorte por grupo de parámetros, pero se le indica que no toque el modelo, los datos, la pérdida ni la evaluación.
Es el código de investigación detrás del artículo Reactive Optimizers de Xingjian Bai, Jia-Hao Liang, Jayden Teoh y Vincent Sitzmann (arXiv 2610.33826), publicado como un paquete utilizable: pip install opal-optimizer, con una CLI para ensayos en seco, estimaciones de coste, seguimiento en vivo y un informe HTML de cada decisión y cada diff de código. Incluye un backend experimental de Codex.
El repositorio se creó el 21 de octubre de 2026, tiene licencia MIT y unas 440 estrellas, y la v0.3.10 salió el 3 de noviembre de 2026.
¿Merece la pena OPAL?
OPAL merece una mirada si pagas entrenamientos que se miden en horas, y sirve de poco por debajo de eso. La idea es que una receta de optimizador fija se elige antes de entrenar y nunca se revisa; OPAL deja que un agente observe la ejecución y reescriba la regla de actualización a mitad de camino. Hasta que el agente cambia algo, una ejecución envuelta es idéntica bit a bit a la normal, y el ensayo en seco backend="keep" lo demuestra sin coste, que es la primera prueba adecuada para un ingeniero escéptico.
Los resultados de los autores son alentadores y escasos. En SiT-B/2 con ImageNet 256 el FID-50K bajó de 35.7 a 23.6, y en LightningDiT-B/1 de 3.22 a 2.31 con guía, pero cada cifra es una sola ejecución por configuración, publicada por los propios autores, y el README señala que una ejecución de modded-nanogpt con la versión 0.2.0 terminó peor que el récord del que partía. Como el agente decide de forma distinta cada vez, tus números variarán.
El coste en tiempo es fijo por decisión, no por paso. Una decisión tarda unos 40 s de media en las ejecuciones de los autores, lo que añadió 0.49 h a una ejecución de RAEv2-B de 3.75 h, pero convirtió scripts de una GPU de 1 a 3 minutos en 27 a 31 minutos. blocking=False deja que el entrenamiento siga mientras el agente piensa, a cambio de un comportamiento más ruidoso.
La seguridad merece una frase clara. La shell del agente se ejecuta en un sandbox del sistema operativo sin red, pero el código de optimizador que escribe se ejecuta dentro de tu proceso de entrenamiento con tus permisos y no está aislado. Por defecto también lee copias de tu script de entrenamiento y del código del modelo, que van a Anthropic; share_code=False las deja fuera. Cada versión del programa se guarda en disco, así que el optimizador final es Python que puedes leer y reutilizar sin el agente.
Los límites son los de un paquete de investigación de tres semanas: un solo nodo, sin FSDP, DeepSpeed ni varios nodos, sin vuelta atrás del propio entrenamiento y sin tope de gasto salvo que fijes max_cost_usd. Como forma de encontrar una receta de optimizador mejor para una familia de modelos que vas a entrenar muchas veces, resulta más interesante que como un botón que pulsar en cada trabajo.
Dónde se gana su sitio
Un doctorando que entrena modelos de difusión en un nodo de 8x H100
Encontrar un calendario de tasa de aprendizaje y optimizador mejor sin un barrido completo
Envuelve AdamW, haz el ensayo en seco keep gratuito y después una ejecución con agente y con tope de unas horas. La ejecución de RAEv2-B de los autores costó $13.30 en uso del agente y añadió 0.49 h de espera; el programa final en programs/ se puede reutilizar en ejecuciones posteriores.
Un responsable de ML en una startup de 15 personas que preentrena modelos de lenguaje pequeños
Juzgar si merece la pena adoptar un optimizador ajustado por un agente antes de comprometer cómputo
Ejecuta primero opal estimate para ver el tiempo de espera y el coste, y compara una ejecución envuelta con una normal mediante opal compare. Cuenta con variación entre ejecuciones, así que presupuesta al menos dos ejecuciones con agente antes de sacar conclusiones.
Una asignatura universitaria de optimización para aprendizaje profundo
Mostrar a los alumnos cómo influyen las decisiones de optimizador durante una ejecución real
El ejemplo de MNIST en CPU tarda unos 15 s por ejecución normal; la versión con agente tardó 862 s y costó $2.70 en la prueba de los autores. El informe HTML muestra cada decisión, su razonamiento y el diff.
Antes de decidirte
- Puesta en marcha
- pip install opal-optimizer en tu entorno de entrenamiento (Python 3.10+, PyTorch 2.5+), ejecuta opal doctor y envuelve tu optimizador con opal.wrap y un objetivo de una frase. Claude Code debe estar instalado y con sesión iniciada en la máquina del rank 0; un broker de buzón cubre los nodos GPU sin internet.
- Integraciones
- Cualquier optimizador y planificador de torch.optim; Hugging Face Trainer mediante opal.hf.OpalTrainer; Accelerate después de accelerator.prepare, con límites. Claude Code es el backend por defecto (claude-opus-5-5, esfuerzo alto); Codex es experimental.
- Datos y privacidad
- El agente ve tu objetivo, los nombres y formas de los parámetros, las pérdidas, sus propios informes y, por defecto, copias de solo lectura de tu script de entrenamiento y del código del modelo, todo enviado al proveedor del modelo. Las métricas que registras se quedan en local salvo con show_agent=True. El código de optimizador escrito por el agente se ejecuta en tu proceso sin aislar.
- Coste a escala
- El coste del agente fue de $9.71 a $17.25 por ejecución de varias horas en los ejemplos publicados por los autores, más el tiempo extra de GPU mientras el entrenamiento espera, por ejemplo 0.66 h en una ejecución de LightningDiT de 6.13 h. max_cost_usd limita el gasto en Claude; no limita Codex.
- Límites
- Solo un nodo; sin FSDP, DeepSpeed ni varios nodos. No puede deshacer el entrenamiento, solo corregir sus programas en la siguiente decisión. En ejecuciones cortas domina la espera del agente. Versión 0.3.x y en desarrollo activo.
Lo bueno
- La ejecución envuelta es idéntica bit a bit hasta que el agente actúa
- Ensayo en seco y estimación de coste gratis antes de llamar al agente
- Informe HTML con cada razonamiento y cada diff de código
- Funciona en CPU, una GPU o DDP dentro de un nodo
- Shell del agente aislada y sin red
Lo malo
- Los resultados son ejecuciones únicas publicadas por los autores
- El código de optimizador del agente se ejecuta sin aislar en tu proceso
- Sin tope de coste salvo que fijes uno
- Sin soporte para varios nodos, FSDP ni DeepSpeed
Ideal para
Investigadores de ML y laboratorios pequeños que hacen trabajos de PyTorch de varias horas en un nodo y quieren explorar cambios de optimizador que no habrían probado a mano.
Alternativas a OPAL
OPAL: preguntas frecuentes
- ¿Merece la pena OPAL?
- Una forma ingeniosa y bien instrumentada de dejar que un agente ajuste un entrenamiento largo sobre la marcha, pero las mejoras son ejecuciones únicas publicadas por los autores y puede empeorar una ejecución. Le damos un 3.6 sobre 5.
- ¿Cuánto cuesta OPAL?
- Gratis con licencia MIT. Las llamadas del agente se cobran a tu cuenta de Claude; las ejecuciones de varias horas de los autores costaron entre $9.71 y $17.25 en uso del agente.
- ¿Qué inconvenientes tiene OPAL?
- Los resultados son ejecuciones únicas publicadas por los autores; el código de optimizador del agente se ejecuta sin aislar en tu proceso; sin tope de coste salvo que fijes uno; sin soporte para varios nodos, FSDP ni DeepSpeed.
- ¿Para quién es OPAL?
- Investigadores de ML y laboratorios pequeños que hacen trabajos de PyTorch de varias horas en un nodo y quieren explorar cambios de optimizador que no habrían probado a mano.
- ¿Cuánto cuesta OPAL para un equipo o en producción?
- El coste del agente fue de $9.71 a $17.25 por ejecución de varias horas en los ejemplos publicados por los autores, más el tiempo extra de GPU mientras el entrenamiento espera, por ejemplo 0.66 h en una ejecución de LightningDiT de 6.13 h. max_cost_usd limita el gasto en Claude; no limita Codex.
- ¿Es OPAL seguro para los datos de la empresa?
- El agente ve tu objetivo, los nombres y formas de los parámetros, las pérdidas, sus propios informes y, por defecto, copias de solo lectura de tu script de entrenamiento y del código del modelo, todo enviado al proveedor del modelo. Las métricas que registras se quedan en local salvo con show_agent=True. El código de optimizador escrito por el agente se ejecuta en tu proceso sin aislar.
- ¿Cuáles son las mejores alternativas a OPAL?
- Las alternativas más cercanas que hemos analizado son The AI Scientist (v1, v2 and v3) y PyTorch.
Respuestas comprobadas el 11 nov 2026.