Pocos debates han generado tanta fascinación en el mundo del ajedrez como el enfrentamiento entre Stockfish y AlphaZero. Uno es el producto de décadas de ingeniería colaborativa y código abierto; el otro, una red neuronal creada por Google DeepMind que aprendió a jugar desde cero sin ningún conocimiento humano previo. El choque entre ambos no es solo una batalla técnica: es una colisión filosófica entre dos visiones radicalmente distintas sobre qué significa “pensar” en el tablero.
El Origen de Cada Motor
Para entender la rivalidad, hay que comprender de dónde viene cada uno.
Stockfish nació en 2008 como proyecto de código abierto, heredero del motor Glaurung creado por el noruego Tord Romstad. Desde entonces, más de 400 desarrolladores de todo el mundo han contribuido a su mejora de forma continua y gratuita. Su arquitectura original se basaba en la búsqueda alfa-beta, un algoritmo clásico que explora el árbol de posibilidades podando las ramas que no llevan a ningún resultado útil. En sus mejores versiones pre-neuronales, Stockfish llegaba a calcular más de 70 millones de posiciones por segundo, compensando con velocidad lo que le faltaba en comprensión posicional profunda.
AlphaZero, en cambio, fue desarrollado por Google DeepMind y presentado al mundo en diciembre de 2017. No tiene historia de décadas ni comunidad de contribuidores: fue diseñado, entrenado y lanzado por un equipo de investigadores de élite con acceso a infraestructura computacional de primer nivel. Su base es el aprendizaje por refuerzo: partiendo únicamente de las reglas del juego, se enfrentó a sí mismo millones de veces hasta desarrollar su propia comprensión del ajedrez, sin jamás estudiar una partida humana ni recibir indicaciones estratégicas previas. Tardó solo cuatro horas en superar a Stockfish 8 y nueve horas en dominarle con amplitud.
El Match de 2017–2018: El Terremoto
El 5 de diciembre de 2017, DeepMind publicó un paper con resultados que sacudieron al mundo ajedrecístico: AlphaZero había derrotado a Stockfish 8 en un match de 100 partidas con un marcador de 28 victorias, 72 tablas y 0 derrotas. El resultado fue tan aplastante que generó inmediata controversia.
En diciembre de 2018, DeepMind publicó una versión más rigurosa del experimento en la revista Science, esta vez con 1.000 partidas y condiciones más equilibradas. AlphaZero volvió a ganar de forma contundente, aunque el margen fue algo menor. Los críticos señalaron que Stockfish corría en hardware convencional sin las tablas de finales Syzygy activadas en todas las pruebas iniciales, y que AlphaZero disponía de cuatro TPUs de Google —aceleradores de hardware diseñados específicamente para redes neuronales— frente a los 44 núcleos de CPU de Stockfish.
La polémica era legítima, pero los grandes maestros que analizaron las partidas se olvidaron de ella rápidamente. Lo que veían era demasiado extraordinario: AlphaZero sacrificaba piezas con desparpajo, dominaba el centro con piezas en lugar de peones, y mantenía presiones posicionales durante decenas de jugadas que eventualmente cristalizaban en victoria. Jugaba, en palabras del propio Garry Kasparov, “como un ser de otro mundo”.
La Revolución NNUE: Stockfish Contraataca
La historia podría haber terminado ahí, con AlphaZero coronado como el mejor motor de todos los tiempos. Pero el ajedrez computacional no se detuvo.
En agosto de 2020, el proyecto Stockfish integró una tecnología llamada NNUE (Efficiently Updatable Neural Network), que cambió el juego por completo. La idea fue elegante en su diseño: en lugar de reemplazar el poderoso motor de búsqueda alfa-beta de Stockfish, se sustituyó únicamente su función de evaluación —la parte que determina si una posición es buena o mala— por una red neuronal entrenada con millones de partidas de alto nivel.
El resultado fue explosivo. De la noche a la mañana, Stockfish+NNUE registró más de 100 puntos de ELO de mejora respecto a Stockfish 11, un salto equivalente a aproximadamente dos años de desarrollo tradicional comprimidos en un mes. Stockfish había absorbido la lección de AlphaZero sin abandonar su capacidad de calcular 50 millones de posiciones por segundo.
Desde entonces, cada nueva versión ha continuado avanzando. Stockfish 17 alcanzó un ELO estimado de aproximadamente 3.620, y el 31 de enero de 2026 llegó Stockfish 18, con una nueva arquitectura de red neuronal llamada SFNNv10 que añade entradas de amenazas (threat inputs) y memoria compartida, logrando un salto adicional de +46 ELO para situarse alrededor de los 3.650 puntos. La relación de victorias de Stockfish 18 frente a Stockfish 17 en pruebas directas es de 4 a 1.
¿Qué Tan Fuerte Es AlphaZero Hoy?
Aquí está el problema central del debate: AlphaZero no ha sido actualizado desde 2018. DeepMind lo publicó como proyecto de investigación, no como producto en desarrollo continuo. Su ELO estimado en el momento de su publicación era de aproximadamente 3.400 puntos, y no existe razón técnica para asumir que ha mejorado desde entonces.
Leela Chess Zero (Lc0), el proyecto de código abierto que intentó replicar la arquitectura de AlphaZero, ha servido como el mejor indicador del potencial del enfoque de red neuronal pura. En 2025–2026, Lc0 alcanza alrededor de 3.580 puntos de ELO —superior al AlphaZero original, pero aún por debajo de Stockfish 18. Esto sugiere que, incluso con la misma filosofía de diseño y años adicionales de entrenamiento, el enfoque de red neuronal pura tiene dificultades para superar la combinación híbrida que representa Stockfish moderno.
La comparación directa entre versiones actualizadas es difícil porque no existen matches oficiales recientes entre el verdadero AlphaZero (congelado en 2018) y Stockfish 18. Sin embargo, la aritmética del ELO es clara: con una diferencia de más de 250 puntos, Stockfish 18 ganaría estadísticamente alrededor del 80% de las partidas contra el AlphaZero de 2018 en condiciones neutrales de hardware.
Filosofías Distintas, Fortalezas Distintas
Más allá de los números, los dos motores representan filosofías de cálculo radicalmente opuestas que producen estilos de juego observablemente distintos.
| Característica | Stockfish 18 | AlphaZero (2018) |
|---|---|---|
| ELO estimado | ~3.650 | ~3.400 |
| Tipo de arquitectura | Híbrida (alfa-beta + NNUE) | Red neuronal + MCTS |
| Posiciones evaluadas/seg | ~50 millones | ~60.000–80.000 |
| Última actualización | Enero 2026 | 2018 |
| Disponibilidad | Gratuito, código abierto | Propiedad de Google/DeepMind |
| Hardware requerido | CPU convencional | TPUs de Google |
| Estilo de juego | Preciso, táctico, calculador | Posicional, creativo, agresivo |
| Transparencia | Total (código público) | Limitada (caja negra) |
Stockfish juega con una precisión casi quirúrgica: calcula variantes hasta profundidades que ningún humano puede verificar y rara vez comete errores materiales. Su evolución en 18 años representa una mejora de más de 1.250 puntos de ELO, impulsada por innovaciones en la función de evaluación y optimizaciones de búsqueda.
AlphaZero, en cambio, jugó con una audacia posicional que los grandes maestros describieron como “humana, pero mejorada”. Sus sacrificios de material no eran errores de cálculo, sino inversiones estratégicas que pagaban dividendos 20 o 30 jugadas más tarde. Examinaba 60.000 posiciones por segundo —casi 1.000 veces menos que Stockfish— pero elegía cuáles explorar con una intuición entrenada que los motores clásicos no podían replicar. Era, en palabras de DeepMind, más eficiente que potente.
El Impacto en el Ajedrez Humano
Independientemente de cuál motor sea “mejor” en sentido estricto, el legado de AlphaZero en el ajedrez humano es incalculable. Sus partidas contra Stockfish 8 inspiraron a generaciones de grandes maestros a repensar conceptos fundamentales: el valor relativo de las piezas, la importancia de la actividad sobre el material, la eficacia del control dinámico del centro.
Magnus Carlsen, Hikaru Nakamura y otros supergrandes maestros han citado el estudio de las partidas de AlphaZero como una experiencia transformadora en su desarrollo. Ideas que antes eran consideradas arriesgadas o poco ortodoxas —como mantener un alfil atrapado durante 15 jugadas porque eventualmente se activará— se volvieron parte del repertorio moderno gracias a la validación que AlphaZero les dio.
Stockfish, por su parte, democratizó el análisis de alto nivel. Al ser gratuito y correr en cualquier computadora, permitió que millones de jugadores aficionados y semiprofesionales tuvieran acceso a la misma potencia de análisis que los grandes maestros usan en su preparación. Esta accesibilidad transformó el aprendizaje del ajedrez a escala global y es, quizás, la contribución más práctica de toda la historia del ajedrez computacional.
El Veredicto: ¿Cuál Es Mejor?
La respuesta depende de qué se entienda por “mejor”.
Si la pregunta es ¿cuál gana más partidas hoy?, la respuesta es clara: Stockfish 18. Con un ELO de ~3.650 frente a los ~3.400 del AlphaZero original —que lleva ocho años sin actualizarse— la superioridad numérica es inapelable. Incluso Leela Chess Zero, el sucesor espiritual de AlphaZero con años adicionales de entrenamiento, no logra alcanzar a Stockfish en los rankings independientes.
Si la pregunta es ¿cuál tuvo mayor impacto en la historia del ajedrez?, la respuesta es igualmente clara: AlphaZero. Demostró que una IA podía reinventar el ajedrez desde cero, sin conocimiento humano, y producir un juego que los mejores del mundo encontraban a la vez incomprensible e inspirador. Su influencia en la estrategia, la pedagogía y el diseño de motores posteriores —incluyendo el propio Stockfish con NNUE— es profunda y duradera.
El debate entre Stockfish y AlphaZero es, en el fondo, el mismo debate eterno del ajedrez: ¿es mejor el cálculo preciso o la comprensión profunda? La respuesta que nos dan estos dos colosos es que el futuro pertenece a quien logre combinar ambas cosas. Y por ahora, con Stockfish 18 integrando redes neuronales dentro de un motor de búsqueda de clase mundial, esa síntesis ya existe, y se llama Stockfish.