FSRS-5 vs SM-2: comparativa técnica de algoritmos de repetición espaciada
¿SM-2 o FSRS-5? Comparativa técnica completa: modelo de memoria, ease hell, personalización, benchmark Expertium 700M repasos. FSRS-5 reduce los repasos un 25% con retención idéntica.
1. SM-2 vs FSRS-5: el veredicto en 30 segundos
SM-2 (Wozniak, 1987) dominó la repetición espaciada durante 35 años. FSRS-5 (Anderson & Ye, 2022-2024) lo ha dejado obsoleto en casi todos los criterios medibles.
SM-2 (SuperMemo, 1987)
Algoritmo de reglas estáticas, parámetros globales, factor de facilidad fijo.
- E-factor global (sin modelo dinámico por tarjeta)
- Intervalos calculados por reglas fijas
- Ease hell: mínimo de e-factor a 1,3 irreversible
- Sin personalización automática
- Precisión de retención ±15% en los benchmarks
FSRS-5 (2022-2024)
Modelo neuronal diferenciable, 3 parámetros por tarjeta, aprendizaje del historial.
- Estabilidad + Dificultad + Recuperabilidad por tarjeta
- Función de pérdida minimizada sobre tu historial real
- Cero ease hell: estabilidad recalculada dinámicamente
- Optimización personalizada a partir de 1000+ repasos
- Precisión de retención ±5% en los benchmarks
Veredicto: FSRS-5 reduce el número de repasos diarios en ~25% para una retención idéntica al 90%. Si todavía usas SM-2 hoy, estás haciendo más repasos de los necesarios.
2. Cómo funciona SM-2 (y por qué falla)
Piotr Wozniak publicó SM-2 en 1987 en un contexto donde los ordenadores personales tenían 640 KB de RAM. El algoritmo debía ser ligero, calculable a mano y funcionar sin historial detallado.
El principio es sencillo: cada tarjeta tiene un e-factor (factor de facilidad), inicializado a 2,5. Después de cada repaso, puntúas tu respuesta de 0 a 5. El intervalo siguiente se calcula así:
- Repaso 1 → 1 día
- Repaso 2 → 6 días
- Repaso n →
intervalo(n-1) × e-factor
El e-factor se actualiza según la puntuación: si pulsas "difícil" (puntuación < 3), el e-factor baja. Si llega a 1,3 (mínimo), la tarjeta vuelve cada pocos días para siempre, sin importar cuántas veces la repases correctamente.
Eso es el ease hell. Un término acuñado por la comunidad Anki para referirse al fenómeno donde un mazo "difícil" acumula cientos de tarjetas atascadas en e-factor 1,3, que saturan las sesiones de repaso sin progresar nunca hacia intervalos largos.
SM-2 tiene otro defecto estructural: sus parámetros son globales. El algoritmo aplica las mismas reglas a todas tus tarjetas, independientemente de tu perfil memorístico personal. Un estudiante de medicina que repasa 500 tarjetas al día y un alumno de bachillerato que repasa 20 reciben los mismos intervalos calculados con las mismas fórmulas.
Las 3 variables clave de la memoria (modelo DSR)
FSRS se basa en el modelo DSR (Difficulty-Stability-Retrievability), formalizado por Averell & Heathcote (2011) e implementado por Jarrett Ye (2022):
- Estabilidad (S): tiempo durante el cual tu memoria permanece por encima del umbral de recuperación. Una tarjeta estable = intervalos largos posibles.
- Dificultad (D): propiedad intrínseca de la tarjeta, independiente del momento del repaso. Se modifica lentamente con el tiempo.
- Recuperabilidad (R): probabilidad de recordar la tarjeta ahora, en función del tiempo transcurrido desde el último repaso y de S.
SM-2 no implementa ninguno de estos tres conceptos de forma explícita. El e-factor es una aproximación burda de D, y los intervalos son una aproximación de S. R no existe en SM-2.
3. Por qué FSRS-5 supera a SM-2: 4 razones técnicas
1. Modelo de memoria basado en ciencia
FSRS-5 implementa las ecuaciones de decadencia de la memoria basadas en el modelo DSR. Cada tarjeta tiene su propia Estabilidad, Dificultad y Recuperabilidad calculadas con precisión. SM-2 usa un e-factor único por tarjeta sin base teórica rigurosa.
2. Personalización sobre tu historial
FSRS-5 optimiza sus 17 parámetros internos sobre tu historial personal mediante descenso de gradiente. El algoritmo aprende literalmente cómo funciona tu memoria. SM-2 usa las mismas constantes para todos, definidas por Wozniak en 1987.
3. Cero ease hell
En FSRS-5, la Estabilidad se recalcula en cada repaso según tu resultado real. Una tarjeta difícil no se queda atascada indefinidamente: si la aprendes correctamente, su Estabilidad crece y su intervalo se alarga. El mínimo de e-factor de SM-2 no existe.
4. Optimización por función de pérdida
FSRS-5 minimiza una función de pérdida que mide la diferencia entre la recuperabilidad predicha y el resultado observado (recuerdo / olvido). Es un enfoque clásico de machine learning. SM-2 ajusta sus parámetros con reglas if/then definidas manualmente hace 37 años.
El punto 4 merece desarrollo. SM-2 es fundamentalmente un sistema experto de reglas: si la puntuación es ≥ 4, aumenta el e-factor 0,1. Si la puntuación es < 3, disminuye el e-factor en (0,8 - 0,28 × q + 0,02 × q²). Estas reglas fueron calibradas por Wozniak sobre sus propios datos personales.
FSRS-5 aborda el problema de otro modo: define una arquitectura de red diferenciable, inicializa parámetros por defecto entrenados sobre millones de repasos anónimos, luego los afina sobre tus datos personales. Por eso FSRS mejora con el tiempo mientras SM-2 se estanca.
4. El benchmark Expertium: 700 millones de repasos
Expertium publicó en 2023-2024 un análisis comparativo de algoritmos de repetición espaciada sobre un dataset de 700 millones de repasos Anki anonimizados. Es el benchmark público más riguroso disponible a día de hoy.
Las métricas usadas son:
- Log-loss: hasta qué punto el algoritmo predice correctamente si vas a recordar u olvidar una tarjeta
- RMSE (Root Mean Square Error) sobre la retención predicha vs observada
Resultados principales del benchmark:
| Algoritmo | Log-loss | RMSE retención | |---|---|---| | SM-2 | 0,354 | 16,2% | | FSRS-4.5 | 0,298 | 6,1% | | FSRS-5 | 0,291 | 5,3% |
Lo que significa en concreto: para mantener una retención objetivo del 90%, FSRS-5 programa los repasos correctos en el momento adecuado con una precisión de ±5,3%. SM-2 se desvía ±16,2%. Esa imprecisión se traduce en repasos demasiado frecuentes en las tarjetas fáciles (pérdida de tiempo) y olvidos en las tarjetas cuyo intervalo se subestima.
El autor de Expertium también calculó el impacto sobre el volumen de repasos: con FSRS-5 optimizado, se observa de media ~25% menos de repasos al día para una retención idéntica al 90%. En un mazo de 2000 tarjetas con 100 repasos diarios bajo SM-2, eso representa ~25 repasos ahorrados cada día — unos 15 minutos.
Lo que dice Anki oficialmente
Desde la versión 23.10, Anki recomienda FSRS como algoritmo por defecto e indica en su documentación oficial: "FSRS can improve memory efficiency, allowing you to remember more with fewer reviews." La migración es automática para los nuevos perfiles.
“Esta aplicación me ahorra muchísimo tiempo en los repasos y además los hace concretos y activos. Las fichas que crea son sintéticas sin olvidar nada, las flashcards son relevantes.”
tinitoumasun, App Store FR · 5★ · enero 2026 (traducido)
5. ¿Qué algoritmo elegir según tu caso?
La respuesta es casi siempre FSRS-5. Aquí están las pocas excepciones reales:
Te quedas con SM-2 si:
- Usas software legacy (SuperMemo < v16, o plugins Anki muy antiguos) que no soporta FSRS
- Tienes un historial de repasos SM-2 de varios años que no quieres perturbar — en ese caso, migra progresivamente
Pasas a FSRS-5 si:
- Empiezas un mazo nuevo (no hay ningún motivo para empezar con SM-2 en 2026)
- Sufres ease hell (tarjetas atascadas en e-factor 1,3 que ya no progresan)
- Tus sesiones de repaso duran más de lo previsto sin progreso perceptible
- Quieres intervalos adaptados a tu perfil memorístico personal
Diane AI te simplifica la elección: FSRS-5 está activo por defecto, sin configuración necesaria. La optimización de parámetros se lanza automáticamente en segundo plano a medida que avanzas con tus repasos. No tienes que elegir entre el algoritmo y el uso de la app — está gestionado.
Para ir más lejos en los fundamentos teóricos, consulta nuestra guía sobre la repetición espaciada, nuestra página dedicada al método FSRS, o la comparativa de alternativas a Anki si todavía dudas entre herramientas.
Y si quieres entender por qué la recuperación activa junto a FSRS es lo que realmente marca la diferencia, lee también nuestra guía sobre el active recall.
6. Preguntas frecuentes
Repasa de forma más inteligente con FSRS-5
Diane AI usa FSRS-5 por defecto. Crea tus flashcards en segundos y deja que el algoritmo optimice tus repasos automáticamente.
Probar Diane AI gratis