Haces un cambio inocente en tu código, todo compila sin errores, pero de repente el programa corre más lento. Sin mensajes, sin pistas. Solo una regresión de rendimiento que no sabes por dónde empezar a buscar. Eso le pasó a Andreas Kling, el creador de SerenityOS y Ladybird.
Después de darle vueltas sin éxito, decidió pasarle el problema a GPT-5.6, el modelo más reciente de OpenAI lanzado el 9 de julio de 2026 con las variantes Sol, Terra y Luna. La respuesta lo dejó sorprendido: la IA identificó que la lentitud venía de un workaround de microcódigo de Intel, específicamente el JCC erratum.
Este bug lo documentó Intel desde 2019. Afecta a procesadores desde la sexta generación (Skylake) hasta la décima (Comet Lake), además de los Xeon Scalable.
El problema es técnico pero se entiende rápido: los saltos condicionales que cruzan o terminan en un límite de 32 bytes no pueden usar el Decoded ICache, la memoria caché rápida donde la CPU guarda instrucciones descodificadas. En lugar de eso, caen al pipeline legacy decode, que es más lento.
Intel lanzó una actualización de microcódigo para corregir el bug original, pero el workaround introdujo una degradación que, según la documentación oficial de Intel, puede ir del 0 al 4% en benchmarks estándar y ser mayor en cargas de trabajo específicas.
Lo interesante no es el bug, sino cómo se encontró. Una IA rastreó un problema de rendimiento hasta el microcódigo de la CPU, algo que normalmente requiere años de experiencia en arquitectura de procesadores y herramientas especializadas como Intel VTune.
Kling aplicó la solución que GPT-5.6 recomendó: compilar con -mbranches-within-32B-boundaries. Esa flag existe en GCC y Clang desde 2020 y alinea las instrucciones de salto para que no crucen los 32 bytes de límite. Al usarla, la regresión desapareció por completo. Lo que ningún humano había diagnosticado en horas de debugging, la IA lo resolvió en segundos.
Esto es más grande que un bug de Intel. Marca el momento en que la IA generativa pasa de ser una herramienta para escribir código a operar al nivel del hardware. Los modelos de lenguaje ya pueden depurar kernels, optimizar compiladores y ahora analizar la microarquitectura de procesadores.
Como dijo el propio Kling: el futuro es increíble. Si una IA puede encontrar un bug que lleva años escondido en el microcódigo de tu CPU, ese futuro ya está aquí.
