Saltar al contenido
Lexicamp

Guía

FSRS vs SM-2, sin el marketing

Última actualización

Si usas una aplicación de tarjetas de memoria, es casi seguro que tus repasos se programan con SM-2, un algoritmo de 1987, o con FSRS, un modelo más reciente entrenado con cientos de millones de repasos reales. Casi todo lo que se ha escrito sobre cuál es mejor recicla una misma frase de wiki a la que le quitaron la salvedad. Esto es lo que hace realmente cada uno y lo que muestra realmente la evidencia.

SM-2 es más antiguo que la mayoría de quienes lo usan

Piotr Woźniak implementó SM-2 en diciembre de 1987 para SuperMemo en DOS y lo describió en su tesis de maestría de 1990. Cabe en la cabeza: cada tarjeta lleva un solo número, un E-Factor que empieza en 2,5. Los intervalos van de 1 día, 6 días, y luego intervalo anterior × EF. Te calificas a ti mismo de 0 a 5; las calificaciones buenas suben el EF, las malas lo empujan hacia un piso de 1,3. Fallar reinicia los intervalos de la tarjeta pero, en un detalle que las explicaciones de segunda mano suelen invertir, no cambia el E-Factor. Un trabajo elegante para una máquina de 640K, con un límite estructural: un único número tiene que cargar con todo, lo difícil que es el material, lo bien que lo sabes y cuánto tiempo ha pasado.

Una nota que invalida la mitad de lo que vas a leer por ahí: Anki no implementa SM-2. Cuatro botones en lugar de seis calificaciones, una sola opción de fallo en lugar de tres, pasos de aprendizaje configurables, una bonificación por repasos tardíos. “FSRS le gana a SM-2” casi siempre significa que FSRS le ganó a la variante de Anki: la comparación que le importa a la mayoría, pero no el algoritmo de Woźniak de 1990, y ambas cosas se confunden todo el tiempo.

Lo que FSRS modela en cambio

FSRS, desarrollado por Jarrett Ye, hace seguimiento de tres magnitudes por cada tarjeta: la recuperabilidad, la probabilidad de que pudieras recordarla ahora mismo; la estabilidad, los días que tarda la recuperabilidad en caer del 100% al 90%, que es lo que aumenta cuando recuerdas con éxito; y la dificultad, lo difícil que resulta estabilizar ese material. La versión en producción, FSRS-6, ajusta 21 parámetros a tu propio historial de repasos. (FSRS-7, con 35, es solo de investigación a mediados de 2026.)

La ventaja práctica es un control que SM-2 no puede ofrecer: la retención deseada. Eliges la probabilidad de recordar una tarjeta cuando vence (90% por defecto) y el programador calcula los intervalos que la logran. 97% significa recordar más a costa de una carga de trabajo que crece muy rápido; 80% significa mucho menos trabajo y más olvido. El intercambio es tuyo, explícitamente, que es algo muy distinto de ajustar un multiplicador y esperar lo mejor.

Lo que realmente dice la evidencia

El proyecto de código abierto srs-benchmark pone a prueba los programadores de repasos contra unos 727 millones de repasos de 10.000 usuarios de Anki (unos 350 millones tras excluir las repeticiones del mismo día), entrenando con el pasado de cada usuario y evaluando sobre su futuro. Mide la precisión predictiva: cuando el modelo decía que había un 73% de probabilidad de recordar, ¿acertaba el 73% de las veces?

Algoritmo Parámetros Pérdida logarítmica RMSE (bins) AUC
RWKV-P 2.762.884 0,2773 0,0250 0,8329
FSRS-6 21 0,3460 0,0653 0,7034
FSRS-5 19 0,3560 0,0741 0,7011
FSRS v1 7 0,4913 0,1316 0,6295

Hay tres salvedades que importan más que la tabla. SM-2 no aparece en ella; nunca se diseñó para producir probabilidades, y quienes mantienen el proyecto dicen sin rodeos que no existe una comparación verdaderamente justa; la cifra que sí se publica, que FSRS-6 supera al SM-2 de Anki en pérdida logarítmica para el 99,6% de los usuarios, es real con esa salvedad puesta. La famosa cifra de “20-30% menos repasos” es una simulación; quienes mantienen el proyecto corrigieron la afirmación en febrero de 2026 para aclararlo, y todas las entradas de blog que la citaban como una medición se olvidaron de mencionar esa aclaración. Y FSRS no es el algoritmo más preciso que se conoce: RWKV-P, con 2,76 millones de parámetros, le gana en todas las métricas. FSRS es el mejor algoritmo que realmente se puede usar en producción: 21 parámetros que caben en un teléfono y se optimizan en segundos. Esa es una afirmación más interesante, y más honesta. Conviene también tener presente el techo: el AUC del mejor modelo es de 0,83 y FSRS ronda el 0,70, así que predecir si tú recordarás esta tarjeta en concreto sigue siendo difícil para todos.

Algunos corolarios prácticos, en breve: en Anki, FSRS sigue siendo opcional (desde la versión 23.10; el issue para convertirlo en la opción predeterminada sigue abierto). Ignora el tiempo que tardas en responder; solo usa intervalos y calificaciones. Pulsar “Difícil” cuando en realidad fallaste lo va a arruinar, porque FSRS cuenta “Difícil” como un acierto. Y nunca edites ni copies los parámetros a mano: los números de un desconocido describen la memoria de un desconocido.

Entonces, ¿cuál debería importarte?

Menos de lo que sugiere el marketing. FSRS es mejor, la evidencia es real, y el margen es más pequeño que la diferencia entre repasar de forma constante y no hacerlo, que es la razón por la que pensamos que el programador es lo menos interesante de una app de vocabulario. Si usas Anki, activa FSRS; toma un minuto.

Lexicamp programa sus repasos con FSRS. No construimos el nuestro: una implementación abierta y mantenida activamente, ajustada con más datos de los que nosotros veremos jamás, le gana a cualquier cosa que pudiéramos armar a mano, y el lugar honesto para competir es en todo lo demás. Para la ciencia de la memoria que hay detrás, mira cómo funciona realmente la repetición espaciada.

References