Algoritmos de Repetición Espaciada Explicados
Un análisis a fondo de FSRS, SM-2 y Leitner — los algoritmos que impulsan las apps de flashcards modernas. Descubre cómo funciona cada uno y qué apps (Anki, RemNote, StudyGlen, Brainscape) los implementan mejor.
En 1885, Hermann Ebbinghaus descubrió que olvidamos el 70% de la información nueva en 24 horas — a menos que la repasemos en intervalos científicamente optimizados. La repetición espaciada es hoy el método de estudio nº1 basado en evidencia, pero el algoritmo importa: FSRS puede programar un 20-30% menos de repasos que SM-2 con la misma retención. Explicamos cómo funciona cada algoritmo y qué apps de flashcards los implementan.
Por qué importa el algoritmo detrás de tus flashcards
La repetición espaciada funciona mostrándote una flashcard justo antes de que se prediga que la vas a olvidar. La parte de "justo antes" es todo el juego — y lo decide un algoritmo.
Durante la mayor parte de la historia digital de la repetición espaciada, ese algoritmo fue SM-2 (SuperMemo 2), una fórmula que Piotr Wożniak publicó en 1987. Impulsó el SuperMemo original, a todos los usuarios de Anki antes de 2023, y sigue siendo el planificador por defecto en RemNote. SM-2 está probado en el terreno — pero también es rígido: cada estudiante recibe las mismas curvas de programación independientemente de cómo se comporte su memoria específica.
En 2022, un proyecto open-source llamado FSRS (Free Spaced Repetition Scheduler) cambió eso. FSRS ajusta un modelo estadístico a tu historial real de repasos y programa cada tarjeta según su probabilidad prevista de recuerdo. Los benchmarks sobre más de 500 millones de repasos de Anki muestran que FSRS necesita un 20-30% menos de repasos que SM-2 para la misma tasa de retención. Anki adoptó FSRS como el planificador por defecto en la versión 23.10 (noviembre de 2023).
Esta guía explica cómo funcionan FSRS, SM-2 y el clásico sistema de cajas de Leitner — y qué apps de flashcards implementan cada uno. Si estás eligiendo una herramienta de estudio en 2026, el algoritmo es el mayor diferenciador.
FSRS — el Free Spaced Repetition Scheduler
FSRS es un algoritmo de programación moderno y open-source desarrollado desde 2022 por Jarrett Ye y la comunidad open-spaced-repetition. Se diseñó para superar a SM-2 en precisión y eficiencia tratando la memoria como un modelo estadístico que se adapta a cada estudiante individual. Anki, RemNote y StudyGlen lo implementan hoy.
Cómo funciona FSRS — el modelo de memoria DSR
FSRS modela la memoria de una sola flashcard usando tres valores, actualizados tras cada repaso:
- Dificultad (D): Lo difícil que es una tarjeta específica para ti. Va de 1 a 10. Se calibra según si pulsas Otra vez, Difícil, Bien o Fácil.
- Estabilidad (S): Cuántos días hacen falta para que tu probabilidad de recordar esta tarjeta baje hasta tu objetivo de retención (por defecto 90%). Crece tras repasos correctos, se reinicia tras fallos.
- Recuperabilidad (R): Tu probabilidad prevista de recordar esta tarjeta ahora mismo — una función de D, S y los días desde tu último repaso.
Con estos tres valores, FSRS responde a una pregunta para cada tarjeta: dado tu objetivo de retención, ¿cuál es el momento más tardío en que puedo programar este repaso y aun así esperar que lo recuerdes?
Qué hace a FSRS diferente de SM-2
SM-2 usa multiplicadores fijos — todos reciben las mismas curvas de crecimiento de intervalos de serie. FSRS ajusta tus parámetros personales a tu historial real de repasos usando gradient descent, normalmente tras ~1.000 repasos. Una vez entrenado, tiene en cuenta qué tipos de tarjetas te resultan más difíciles, con qué rapidez olvidas y cómo afectan los fallos a la estabilidad a largo plazo.
También estableces un objetivo de "Retención Deseada" — normalmente entre 0,80 y 0,97, la mayoría de usuarios se sitúan alrededor de 0,85-0,90. Una retención más alta significa más repasos; más baja significa menos. SM-2 no tiene un control equivalente.
Qué apps de flashcards usan FSRS
- Anki: Planificador por defecto desde v23.10 (noviembre de 2023) en escritorio, AnkiDroid y AnkiMobile. SM-2 sigue disponible como alternativa.
- RemNote: Disponible como planificador opcional junto a SM-2.
- StudyGlen: Algoritmo por defecto para todos los mazos de flashcards generados por IA — no requiere configuración manual.
Cuándo gana FSRS con claridad
Mazos grandes (2.000+ tarjetas), objetivos de retención a largo plazo y dificultad heterogénea (algunas tarjetas fáciles, otras difíciles). Cuanto más historial de repasos acumulas, más supera FSRS a SM-2.
Cuándo FSRS no importa
Por debajo de ~1.000 repasos, FSRS aún no puede ajustar un modelo personal significativo — recurre a los parámetros por defecto y rinde de forma similar a SM-2. Para estudio casual o cramming a corto plazo, la elección del algoritmo es en gran medida cosmética.
SM-2 — el algoritmo clásico de Anki
SM-2 fue publicado por Piotr Wożniak en 1987 como parte de SuperMemo — la primera aplicación comercial de repetición espaciada. Impulsó el planificador por defecto de Anki desde su lanzamiento en 2006 hasta finales de 2023, y sigue siendo el predeterminado en RemNote. Cuatro décadas de uso en el mundo real lo han convertido en la referencia con la que se compara cualquier otro algoritmo de SRS.
Cómo funciona SM-2
SM-2 sigue dos números por tarjeta:
- Factor de facilidad (EF): Un multiplicador, inicializado en 2,5, que controla la rapidez con que crecen los intervalos.
- Intervalo: Días entre repasos.
Tras cada repaso:
- Si fallaste la tarjeta, reinicia el intervalo a 1 día y conserva el EF.
- Si acertaste, multiplica el intervalo actual por el EF (subiendo ligeramente el EF en Fácil, bajándolo en Difícil).
Una secuencia típica de SM-2 podría ser: 1 día → acierto → 6 días → acierto → 15 días → acierto → 37 días → acierto → 92 días...
Fortalezas
SM-2 es simple, transparente y no necesita datos de entrenamiento. Funciona desde el primer repaso. Su comportamiento es predecible a mano — puedes mirar el EF y el intervalo de una tarjeta y explicar exactamente por qué se programó donde lo hizo. 35+ años de uso real lo han convertido en el valor por defecto más seguro para cualquier SRS.
Limitaciones
Los multiplicadores de SM-2 son universales — el algoritmo no se adapta a estudiantes individuales. Si tu memoria para datos geográficos decae más rápido que para ecuaciones, SM-2 los trata igual. Tampoco tiene un objetivo de retención explícito: no puedes pedir un 95% de retención en lugar del ~85% implícito que producen los multiplicadores.
Qué apps usan SM-2
- Anki: Disponible como planificador alternativo. Era el predeterminado hasta que v23.10 cambió a FSRS.
- RemNote: Planificador por defecto.
- SuperMemo: La app original de Piotr Wożniak. Sigue en desarrollo activo — el SuperMemo moderno usa SM-18, un descendiente de SM-2.
El sistema Leitner — repetición espaciada en papel
El sistema Leitner, inventado por el periodista científico alemán Sebastian Leitner en 1972, es anterior a todos los algoritmos de SRS digitales. Es un método de tarjetas físicas que inspiró toda la categoría — y vale la pena entenderlo porque algunas apps (incluido el modo Learn de Quizlet) aún usan una versión simplificada.
Cómo funciona Leitner
Tienes un conjunto de cajas numeradas (clásicamente 5). Todas las tarjetas nuevas empiezan en la Caja 1.
- • Respuesta correcta — mueve la tarjeta a la siguiente caja superior.
- • Respuesta incorrecta — devuelve la tarjeta a la Caja 1.
Cada caja tiene su propia frecuencia de repaso: Caja 1 cada día, Caja 2 cada dos días, Caja 3 cada cuatro días, y así sucesivamente. Las tarjetas que recuerdas de forma constante se desplazan hacia las cajas superiores; las que olvidas vuelven a repaso frecuente.
Fortalezas y límites
Leitner es el SRS más simple posible — no necesita matemáticas y funciona con tarjetas de papel y una caja de zapatos. Su programación es mucho más tosca que la de SM-2 o FSRS, y los intervalos no se adaptan a la memoria individual ni a la dificultad de la tarjeta. Para aprendizaje a corto plazo o entornos de estudio que rechazan herramientas digitales, sigue siendo válido. Para la mayoría de usos modernos, cualquier SRS digital con SM-2 — y especialmente con FSRS — programará los repasos con más eficiencia.
FSRS vs SM-2: ¿qué algoritmo rinde mejor?
El equipo de Anki ejecutó benchmarks sobre más de 500 millones de registros de repaso comparando FSRS con SM-2. El resultado principal: para la misma tasa de retención, FSRS necesita aproximadamente un 20-30% menos de repasos. En un mazo de 2.000 tarjetas con repasos diarios, eso se traduce en horas ahorradas por semana.
Dónde gana claramente FSRS
- Retención a largo plazo (intervalos de 30+ días): el seguimiento adaptativo de estabilidad de FSRS programa intervalos largos con más precisión que los multiplicadores fijos de SM-2.
- Mazos de dificultad mixta: FSRS aprende la dificultad por tarjeta; los multiplicadores universales de SM-2 sobreprograman las tarjetas fáciles e infraprograman las difíciles.
- Usuarios con 1.000+ repasos: FSRS necesita datos de entrenamiento para personalizar. Una vez que los tiene, la diferencia con SM-2 se amplía con cada repaso adicional.
Dónde SM-2 aún aguanta
- Mazos pequeños (menos de 500 tarjetas): FSRS aún no puede ajustar un modelo personal; los valores por defecto de SM-2 son competitivos.
- Estudiantes recién empezados: SM-2 funciona desde el primer día sin configuración. FSRS con parámetros por defecto también está bien, pero la ventaja real solo aparece cuando has acumulado datos.
- Interpretabilidad: la programación de SM-2 es predecible a partir de (EF, intervalo). El modelo ajustado de FSRS es efectivamente una pequeña red neuronal — más difícil de razonar a mano.
Si tu app de flashcards ofrece FSRS, actívalo. Para la mayoría de usuarios, la reducción del 20-30% en repasos es la mayor mejora ergonómica disponible — por eso el equipo de Anki lo hizo el predeterminado en v23.10. Las únicas razones para quedarte con SM-2 son un mazo muy pequeño, un historial de repasos escaso o una migración a mitad de mazo que no quieres reoptimizar.
¿Qué algoritmo deberías usar?
Un marco rápido de decisión:
- 1.
Mazo grande (1.000+ tarjetas) y objetivo de retención a largo plazo → FSRS. Anki, RemNote o StudyGlen lo implementan.
- 2.
Mazo pequeño y estudio a corto plazo (un solo examen, un diccionario de viaje) → cualquier algoritmo vale, incluido Leitner puro. No lo pienses demasiado.
- 3.
Quieres cero configuración y tarjetas generadas por IA → StudyGlen (FSRS por defecto, la IA genera tarjetas desde PDFs, notas o imágenes).
- 4.
Quieres control máximo y acceso a mazos de la comunidad → Anki (FSRS por defecto desde v23.10, SM-2 disponible como alternativa).
- 5.
Tomas notas largas y quieres flashcards integradas → RemNote (SM-2 por defecto, FSRS disponible).
- 6.
Quieres sets de flashcards curados por expertos con un repaso simple basado en confianza → Brainscape (usa CBR, un planificador propietario que no es FSRS).
- 7.
Necesitas la mayor biblioteca existente de flashcards y no necesitas SRS real → Quizlet (estilo Leitner, no SRS real).
Para la mayoría de estudiantes en 2026, una app con FSRS es el valor por defecto correcto. El algoritmo ha reemplazado a SM-2 como el estado del arte por una razón — y la infraestructura para entrenarlo ya está incorporada en todas las grandes herramientas de flashcards.
Apps que implementan estos algoritmos
Aquí tienes las cinco apps de flashcards más usadas para repetición espaciada, agrupadas por el algoritmo que ejecutan por debajo. Los veredictos y pros/contras de abajo te ayudan a compararlas — pero si aún estás decidiendo entre algoritmos, vuelve a la sección Qué algoritmo deberías usar.
Pros
- El algoritmo FSRS se adapta a tus patrones personales de memoria para tiempos de repaso óptimos
- La IA genera tarjetas desde PDF, texto e imágenes (sin necesidad de creación manual de tarjetas)
- Establece tu tasa de retención objetivo y FSRS programa los repasos matemáticamente
- También genera quizzes, cómics educativos y sesiones de quiz en vivo
- 37 idiomas con detección automática
- Nivel gratuito disponible con precios basados en créditos (sin suscripción)
- Imágenes educativas generadas por IA en las tarjetas para ayudas de memoria visual
Cons
- Plataforma más nueva, comunidad en crecimiento
- Sin app móvil aún (web responsiva)
- Sin biblioteca de mazos compartidos prediseñados
Pros
- Gratuito y de código abierto (escritorio y Android)
- Soporta algoritmos FSRS y SM-2 (FSRS es predeterminado para nuevos usuarios)
- Plantillas de tarjetas, tipos de notas y parámetros de programación altamente personalizables
- Comunidad masiva con miles de mazos compartidos (AnKing para medicina, etc.)
- Funciona completamente sin conexión en todas las plataformas
- Poderoso ecosistema de complementos que extiende la funcionalidad
Cons
- Curva de aprendizaje empinada — intimidante para principiantes
- Sin generación de tarjetas con IA integrada (requiere creación manual o complementos)
- La app de iOS cuesta $24.99 (único pago)
- Diseño de interfaz anticuado
Pros
- La Repetición Basada en Confianza (CBR) adapta la frecuencia de repaso a tu confianza autocalificada (escala 1-5)
- Gran mercado de clases de tarjetas certificadas creadas por expertos
- Apps móviles nativas pulidas (iOS y Android)
- Seguimiento detallado del progreso y panel de análisis
- Herramientas para profesores y aulas integradas
Cons
- Sin generación de tarjetas con IA desde contenido subido
- CBR es propietario — menos transparente y respaldado por investigación que FSRS
- Suscripción Pro requerida para acceso completo a la biblioteca ($9.99/mes)
- Personalización de tarjetas limitada comparada con Anki
Pros
- Repetición espaciada SM-2 integrada directamente en el flujo de toma de notas
- La IA genera tarjetas desde tus notas automáticamente
- La vinculación bidireccional crea un grafo de conocimiento de conceptos conectados
- Anotación e importación de PDF para materiales de estudio
- Combina toma de notas, tarjetas y repaso en un solo espacio de trabajo
Cons
- El algoritmo SM-2 es menos eficiente que FSRS (requiere ~20-30% más repasos para la misma retención)
- Curva de aprendizaje más empinada que una app simple de tarjetas
- El nivel gratuito limita funciones de IA y almacenamiento
- Comunidad más pequeña y menos mazos prediseñados que Anki
Pros
- Biblioteca masiva de más de 800M de conjuntos de tarjetas creados por usuarios
- Magic Notes con IA convierte notas en tarjetas
- Apps móviles pulidas con acceso sin conexión
- Múltiples modos de estudio (Aprender, Test, juego de emparejar)
- Interfaz familiar con incorporación fácil
Cons
- Sin verdadero algoritmo de repetición espaciada — usa sistema básico tipo Leitner
- Las funciones de IA requieren suscripción Quizlet Plus ($7.99/mes)
- Nivel gratuito con muchos anuncios
- Optimizado para repaso intensivo a corto plazo, no retención a largo plazo
- Sin entrada de imágenes con OCR
Tabla Comparativa de Funciones
| Función | StudyGlen | Anki | Brainscape | RemNote | Quizlet |
|---|---|---|---|---|---|
| Algoritmo SR | FSRS | FSRS/SM-2 | CBR | SM-2 | Básico |
| Generación de Tarjetas con IA | Sí | Complementos | No | Sí | Sí |
| Subida de PDF | Sí | Complementos | No | Sí | No |
| Tipos de Tarjetas | Básica, Cloze, Imagen | Básica, Cloze, Personalizada | Solo básica | Básica, Cloze | Básica, Diagrama |
| Análisis de Repasos | Sí | Sí | Sí | Limitado | Limitado |
| Nivel Gratuito | Gratis | Gratis | Limitado | Limitado | Con anuncios |
| App Móvil | No | Sí | Sí | Sí | Sí |
Míralo en Acción
Observa cómo StudyGlen genera tarjetas de estudio a partir de cualquier material en segundos.
Preguntas Frecuentes
FSRS significa Free Spaced Repetition Scheduler. Es un algoritmo open-source de repetición espaciada desarrollado desde 2022 por Jarrett Ye y la comunidad open-spaced-repetition. Anki lo adoptó como planificador por defecto en la versión 23.10 (noviembre de 2023), reemplazando a SM-2.
FSRS modela la memoria de cada flashcard usando tres valores: Dificultad (lo difícil que es la tarjeta para ti), Estabilidad (cuántos días antes de que tu probabilidad de recuerdo caiga hasta tu objetivo de retención) y Recuperabilidad (tu probabilidad prevista actual de recordar la tarjeta). Tras cada repaso, FSRS actualiza estos valores y programa el siguiente repaso en el momento óptimo para alcanzar tu tasa de retención objetivo. Tras unos 1.000 repasos puede ajustar parámetros personalizados a tus patrones de memoria específicos usando gradient descent.
SM-2, publicado por Piotr Wożniak en 1987, usa multiplicadores fijos para aumentar los intervalos según cómo califiques cada repaso. FSRS, lanzado en 2022, ajusta un modelo estadístico a tu historial de repasos y programa cada tarjeta según la probabilidad prevista de recuerdo. Los benchmarks sobre más de 500 millones de repasos de Anki muestran que FSRS necesita aproximadamente un 20-30% menos de repasos que SM-2 para la misma tasa de retención, porque se adapta a los estudiantes individuales y a la dificultad a nivel de tarjeta. SM-2 es más simple y no necesita datos de entrenamiento; FSRS es más preciso una vez tiene suficiente historial para personalizar.
Para casi cualquier uso digital moderno, sí. El sistema de cajas de Leitner (1972) usa intervalos fijos entre cajas (por ejemplo, 1 día, 2 días, 4 días) que no se adaptan a la memoria individual ni a la dificultad a nivel de tarjeta. FSRS calcula la longitud del intervalo dinámicamente a partir de tu historial de repasos y apunta explícitamente a una tasa de retención que tú eliges. Leitner sigue siendo válido para flashcards de papel o las apps más simples, pero cualquier SRS que ejecute FSRS — o incluso SM-2 — programará los repasos con más eficiencia.
Según los mantenedores de Anki, reoptimizar 3-4 veces al año es suficiente una vez que tu mazo tiene 1.000+ repasos. Una reoptimización más frecuente (por ejemplo, semanal) produce mejoras insignificantes y no compensa el tiempo. Un buen detonante es cuando tus tarjetas totales repasadas se duplican aproximadamente.
Anki (por defecto desde v23.10), RemNote (como alternativa a SM-2) y StudyGlen (por defecto para flashcards generadas por IA) soportan FSRS de forma nativa. El algoritmo en sí es open-source — las implementaciones MIT-licensed en Python y Rust viven en la organización open-spaced-repetition en GitHub — así que es de esperar que más apps lo adopten con el tiempo.
FSRS necesita datos de repaso para ajustar un modelo personalizado. Por debajo de unos 1.000 repasos recurre a los parámetros por defecto y se comporta de forma similar a SM-2, así que no verás aún la reducción del 20-30% en repasos. Dicho esto, no hay ninguna desventaja en activar FSRS pronto: Anki ahora lo hace automáticamente, y las ganancias de precisión personalizada empiezan a aparecer en cuanto has acumulado suficiente historial de repasos.
Depende de la app de destino. StudyGlen acepta cargas de .apkg y .colpkg directamente y puede convertir de manera opcional tu historial de programación SM-2 de Anki — intervalos, facilidad, lapsos — a FSRS, para que las tarjetas que ya aprendiste no se reinicien al día cero. La mayoría de otras herramientas o bien no aceptan .apkg en absoluto, o bien tratan las tarjetas importadas como nuevas y pierden tu historial de repasos. Si conservar años de programación de Anki te importa, verifica que la app de destino soporte explícitamente la conversión SM-2 → FSRS antes de migrar. El nivel gratuito de StudyGlen incluye 5 importaciones al día; los paquetes de créditos desbloquean importaciones ilimitadas.
Prueba la App de Repetición Espaciada #1 Gratis
Sube un PDF, pega tus apuntes o escanea una imagen — obtén tarjetas con IA y programación de repetición espaciada FSRS en segundos
Comenzar Repetición Espaciada Gratis