Respuesta rápida: El optimizador de FSRS puede mejorar drásticamente tu programador... o empeorarlo de forma silenciosa. Te contamos cuándo ejecutarlo y cuándo dejarlo como está. Esta guía te ofrece el contexto práctico, las ventajas y desventajas, y los siguientes pasos para que decidas cómo aplicarlo en tu propio sistema de estudio.
Una de las mayores ventajas de FSRS frente a los algoritmos más antiguos es que sus parámetros se pueden reajustar a tu historial de repaso personal. La optimización es el proceso de tomar todo lo que has hecho en la aplicación y preguntar: dados los patrones de olvido reales de este estudiante, ¿qué pesos habrían predicho mejor esos resultados?
Si se hace bien, puede reducir de forma tangible tu carga de trabajo de repaso para el mismo nivel de retención. Si se hace mal, empeora tu programador. Aquí te explicamos cómo notar la diferencia.
Cuándo ayuda la optimización
Tienes suficiente historial de repasos. La guía oficial publicada por el equipo de FSRS sugiere un mínimo de unos 1,000 repasos totales y al menos unos cientos de tarjetas antes de que la optimización genere parámetros significativamente mejores que los predeterminados. Por debajo de ese umbral, estarás ajustando "ruido". Las versiones actuales de FSRS presentan entre 17 y 21 pesos entrenables (la cantidad exacta depende de la versión de FSRS que incluya tu aplicación); esto es más que suficiente para sobreadaptar una muestra de 100 repasos.
Tu material es razonablemente constante. La optimización adapta un único conjunto de parámetros a tu comportamiento general de olvido. Si tienes un mazo de datos médicos y otro de letras de canciones, se trata de tareas cognitivas muy diferentes, y el ajuste será un compromiso intermedio. La optimización por mazo ayuda, y FSRS la admite.
Tus hábitos de estudio son estables. Si alternas de forma errática entre semanas de estudio intensas y ligeras, al modelo le costará separar la señal real del ruido de la programación.
Cuándo perjudica la optimización
Es demasiado pronto. Ejecutar el optimizador con solo 100 repasos te dará parámetros que parecen precisos, pero que en realidad están sobreadaptados a una muestra diminuta. Notarás el impacto durante el siguiente mes, ya que el programador predecirá mal el olvido en las tarjetas que aún no has visto.
Tu historial de repasos está dominado por un solo tipo de respuesta. Si pulsas "Bien" (Good) en el 95% de tus repasos (algo común con material fácil), el optimizador casi no tendrá señal para distinguir la estabilidad de la dificultad.
Tus hábitos de calificación son inconsistentes. FSRS asume que tus calificaciones significan algo. Si pulsas "Fácil" (Easy) cuando quieres decir "Bien" (Good), o "Difícil" (Hard) cuando quieres decir "De nuevo" (Again), el optimizador se adaptará a esa inconsistencia y la integrará en el sistema.
¿Con qué frecuencia deberías volver a optimizar?
Para la mayoría de los estudiantes, cada 2 o 3 meses es más que suficiente. Hacerlo más a menudo es solo añadir ruido. Hacerlo con menos frecuencia está bien, siempre y cuando tus hábitos de estudio no hayan cambiado drásticamente.
¿La optimización reescribe mi programación actual?
No. La optimización cambia los pesos que FSRS utiliza para las predicciones futuras. Las tarjetas que ya has repasado se quedan donde están hasta su próximo repaso, momento en el que los nuevos parámetros toman el control. Es una transición gradual, no un reinicio.
Un flujo de trabajo práctico
- Usa los valores predeterminados durante tu primer mes.
- Supera el umbral de unos 1,000 repasos.
- Ejecuta el optimizador.
- Revisa los nuevos parámetros: si se ven extremadamente diferentes de los predeterminados, es una señal de que algo inusual ocurre con tu patrón de repasos (posiblemente con tus calificaciones).
- Dales a los nuevos parámetros dos semanas de margen antes de evaluarlos.
- A partir de ahí, vuelve a optimizar cada par de meses.
El punto clave
La optimización es una herramienta avanzada, no un botón mágico. Recompensa a los estudiantes que tienen suficientes datos de repaso y hábitos constantes, y penaliza a quienes la ejecutan con demasiada prisa. El optimizador de Neurako está diseñado para usarse, pero, a partir de esta actualización de agosto de 2026, también está programado para negarse a funcionar si no hay suficientes datos para darte un resultado útil. Si el botón está desactivado, ese es el comportamiento correcto: sigue calificando con honestidad usando los valores predeterminados hasta que superes la línea de los 1,000 repasos.
Fuentes
- Wiki de FSRS4Anki: github.com/open-spaced-repetition/fsrs4anki/wiki
- FSRS benchmark: fsrs-benchmark