¿Qué es ShinkaEvolve?
ShinkaEvolve es un framework de código abierto de Sakana AI para mejorar código mediante evolución. Tú aportas un programa de partida y un evaluador que lo puntúa; un conjunto de LLM propone ediciones, el evaluador puntúa cada candidato y los mejores sobreviven a lo largo de las generaciones y en islas separadas de programas. Un bandit elige a qué modelo llamar en cada mutación, y un filtro de novedad evita pagar por evaluar casi duplicados. Se inspira en AlphaEvolve de Google DeepMind, que no es de código abierto, y en AI Scientist y Darwin Gödel Machine, de la propia Sakana.
Los resultados de lanzamiento de Sakana incluyen un nuevo récord de empaquetado de 26 círculos encontrado en 150 muestras, un andamiaje de agente para AIME evolucionado en 75 generaciones, una mejora media del 2,3 % en tareas de programación de ALE-Bench y una función de pérdida de equilibrio de carga para mixture-of-experts que superó a la de DeepSeek tras 30 generaciones. El artículo fue aceptado en ICLR 2026, y el framework apoyó al equipo que ganó el ICFP 2025 Programming Contest.
El código es Apache 2.0 y está en PyPI como shinka-evolve; la última versión es la v0.0.7 del 2 de junio de 2026 y el último commit fue el 5 de octubre de 2026. Tiene unas 1.480 estrellas en GitHub.
¿Merece la pena ShinkaEvolve?
ShinkaEvolve es la opción de código abierto más sólida para la búsqueda de programas guiada por LLM, y su argumento de venta es la eficiencia en muestras. Los enfoques evolutivos anteriores solían necesitar miles de llamadas a LLM por problema; el resultado estrella de Sakana es un nuevo récord de empaquetado de 26 círculos en 150 muestras, logrado con muestreo por rechazo de candidatos casi duplicados, un bandit que desplaza las llamadas hacia el modelo que esté mejorando e islas que comparten un archivo de buenas soluciones. Son experimentos de la propia Sakana, pero la aceptación en ICLR 2026 y la victoria en el concurso ICFP 2025 les dan más respaldo externo del que reciben la mayoría de las afirmaciones sobre frameworks.
Encaja con un tipo de problema estrecho y valioso: un programa con un verificador automático y un número que mejorar. Los ejemplos incluidos cubren empaquetado de círculos, una política para 2048, solvers en Julia, Fortran y Wolfram, y diseños Verilog puntuados por consumo, rendimiento y área. No es un agente de programación generalista y no hace nada útil sin un evaluador de confianza; un evaluador débil acabará engañado.
El proyecto ha madurado rápido en 2026: un ShinkaEvolveRunner unificado en marzo (que sustituyó a las antiguas clases de runner, así que el código de 2025 necesita cambios), paquetes en PyPI, un sitio de documentación en abril, skills de agente para Claude Code y Codex y, en mayo, soporte de Headless CLI para enviar las mutaciones a través de una suscripción a Claude o ChatGPT en lugar de facturación por API. Las versiones siguen siendo 0.0.x, así que cabe esperar más cambios incompatibles.
La seguridad queda en tus manos. Cada candidato es código escrito por un LLM que tu evaluador ejecuta, por defecto directamente en el host o en un clúster Slurm, y la guía de inicio no dice nada sobre sandboxes. Los trabajos Docker de Slurm dan aislamiento en un clúster; en una estación de trabajo, ejecútalo en un contenedor. El modelo de embeddings por defecto es text-embedding-3-small de OpenAI, así que los embeddings del código salen de tu máquina salvo que lo apuntes a un endpoint local.
Dónde se gana su sitio
Un ingeniero de investigación operativa con una heurística de planificación
Mejorar la puntuación de la heurística en un conjunto de benchmarks fijo
Envolver el benchmark como evaluate.py, fijar max_api_costs para limitar el gasto y ejecutar unas cuantas decenas de generaciones. Las ejecuciones de Sakana en ALE-Bench lograron de media una mejora del 2,3 % sobre líneas base sólidas.
Un equipo de hardware que optimiza bloques Verilog
Buscar RTL que reduzca consumo y área con una especificación fija
Partir del ejemplo RTLLM, que necesita iverilog, yosys y OpenSTA, y dejar que los candidatos se puntúen por consumo, rendimiento y área. Ejecutar las evaluaciones en trabajos Docker de Slurm para contener el código generado.
Una investigadora de ML con suscripción a Claude y sin presupuesto de API
Evolucionar una variante de función de pérdida de entrenamiento sin facturación por token
Usar cadenas de modelo headless/claude para que las mutaciones pasen por la suscripción, como muestra el ejemplo sine_approx_headless de Sakana. El resultado de Sakana con la pérdida MoE llegó tras 30 generaciones.
Antes de decidirte
- Puesta en marcha
- pip install shinka-evolve (Python 3.10 o posterior, se recomienda 3.11), añade las claves de los proveedores a .env y después ejecuta shinka_launch variant=circle_packing_example; la tarea de empaquetado de círculos es la primera ejecución documentada.
- Integraciones
- Modelos de OpenAI, Anthropic, Gemini y OpenRouter, cualquier endpoint local compatible con OpenAI (como un servidor Ollama local), Headless CLI para suscripciones a Claude y Codex, Slurm (Conda o Docker), una WebUI, Weights & Biases y skills de agente para Claude Code y Codex.
- Datos y privacidad
- El código y los prompts van a los proveedores de LLM que configures, y a OpenAI para los embeddings por defecto. Las ejecuciones se guardan en una base de datos SQLite local. El registro en W&B, si se activa, sube un conjunto de métricas de una lista permitida, no código. Apache 2.0 no pone límites al uso comercial.
- Coste a escala
- El coste son tus llamadas a LLM más el cómputo del evaluador; Sakana no publica cifras en dólares. El runner asíncrono, que según Sakana es de 5 a 10 veces más rápido, aumenta a la vez el rendimiento y el gasto, así que fija max_api_costs en ejecuciones largas.
- Límites
- Solo es útil donde existe un evaluador automático. Sin sandbox para el código evaluado en ejecuciones locales. Versión 0.0.7, con 14 issues y pull requests abiertos y cambios de API durante 2026.
Lo bueno
- Eficiente en muestras: nuevo récord de empaquetado de 26 círculos en 150 muestras, según Sakana
- Conjunto de modelos con selección por bandit y ponderación según el coste
- Funciona en local o en Slurm, con una WebUI y registro en W&B
- Tope de presupuesto estricto en USD mediante max_api_costs
- Apache 2.0, en PyPI, artículo en ICLR 2026
Lo malo
- Ejecuta código escrito por LLM sin sandbox integrado
- Necesita un evaluador automático fiable para ser útil
- Anterior a la 1.0; la refactorización del runner de marzo de 2026 rompió el código antiguo
- Los embeddings usan OpenAI por defecto salvo que se configure otra cosa
- Descarga precios de modelos en vivo de models.dev al arrancar salvo que se configure sin conexión
Ideal para
Investigadores e ingenieros de rendimiento que tienen un programa puntuado, como una heurística, un kernel o un solver, y quieren que los LLM busquen versiones mejores con un presupuesto fijo.
Alternativas a ShinkaEvolve
ShinkaEvolve: preguntas frecuentes
- ¿Merece la pena ShinkaEvolve?
- Para quien tenga un programa y una puntuación que subir, es la alternativa abierta a AlphaEvolve por la que empezar, siempre que aísle en un sandbox el código que escribe. Le damos un 4.1 sobre 5.
- ¿Cuánto cuesta ShinkaEvolve?
- Gratuito con licencia Apache 2.0. Pagas las llamadas a los LLM (o una suscripción a Claude o ChatGPT a través de Headless) y el cómputo que ejecuta tu evaluador.
- ¿Qué inconvenientes tiene ShinkaEvolve?
- Ejecuta código escrito por LLM sin sandbox integrado; necesita un evaluador automático fiable para ser útil; anterior a la 1.0; la refactorización del runner de marzo de 2026 rompió el código antiguo; los embeddings usan OpenAI por defecto salvo que se configure otra cosa; descarga precios de modelos en vivo de models.dev al arrancar salvo que se configure sin conexión.
- ¿Para quién es ShinkaEvolve?
- Investigadores e ingenieros de rendimiento que tienen un programa puntuado, como una heurística, un kernel o un solver, y quieren que los LLM busquen versiones mejores con un presupuesto fijo.
- ¿Cuánto cuesta ShinkaEvolve para un equipo o en producción?
- El coste son tus llamadas a LLM más el cómputo del evaluador; Sakana no publica cifras en dólares. El runner asíncrono, que según Sakana es de 5 a 10 veces más rápido, aumenta a la vez el rendimiento y el gasto, así que fija max_api_costs en ejecuciones largas.
- ¿Es ShinkaEvolve seguro para los datos de la empresa?
- El código y los prompts van a los proveedores de LLM que configures, y a OpenAI para los embeddings por defecto. Las ejecuciones se guardan en una base de datos SQLite local. El registro en W&B, si se activa, sube un conjunto de métricas de una lista permitida, no código. Apache 2.0 no pone límites al uso comercial.
- ¿Cuáles son las mejores alternativas a ShinkaEvolve?
- Las alternativas más cercanas que hemos analizado son The AI Scientist (v1, v2 and v3), TreeQuest, OpenHands y mini-swe-agent.
Respuestas comprobadas el 26 oct 2026.