Agentes
Meta cuenta que sus agentes mejoraron al quitarle conocimiento al que reparte el trabajo, no al añadirlo
Meta publicó el 19 de octubre cómo rehizo los agentes que dan de alta columnas de datos en sus sistemas de recomendación, un proceso que abarca tres repositorios, tres lenguajes y hasta seis etapas. Su primer intento fue un único agente que lo sabía todo: funcionaba en las demostraciones y en producción empezó a alucinar. La solución, dicen, no fueron mejores instrucciones ni más ventana de contexto, sino darle menos trabajo al agente central.
AnuncioDisponibilidad sin confirmarSin confirmar si afecta al plan gratuito
Qué significa para ti
El hallazgo va contra la intuición y por eso merece atención: pasado cierto umbral de contexto, el conocimiento adicional empeoraba el rendimiento en lugar de mejorarlo, y el agente mezclaba convenciones de un subsistema con otro. Ahora tienen un orquestador de 1.300 líneas que encamina más de veinte flujos a catorce agentes especializados sin hacer ningún trabajo de dominio. Sus cifras del intento anterior: entre el 70 y el 80 % de acierto con una instrucción escrita a mano para cada tarea, y entre el 10 y el 20 % sin ella.
Fuentes
Todo lo anterior sale de estas páginas. Si alguna contradice lo que publicamos, gana la fuente y lo corregimos.
Seguir leyendo
- Agentes
Ollama y Fly.io encierran al agente en una máquina aislada y le esconden la clave de la API
Ollama anunció el 13 de octubre que los modelos de su nube funcionan ya dentro de los Sprites de Fly.io, que son máquinas virtuales Linux completas con su propio disco y que se conservan entre sesiones. Claude Code, Codex y Gemini CLI están soportados de salida, de modo que el agente puede ejecutar órdenes dentro del aislamiento. Con el conector nuevo, esas máquinas pueden usar modelos como kimi-k3, glm-5.3 y deepseek-v4.1-flash.
LanzamientoDisponible
- Agentes
OpenRouter tiene en beta dos herramientas que ejecutan el código del modelo en su propio sandbox
OpenRouter publicó el 5 de octubre una comparación de las herramientas que ejecutan código en el servidor del proveedor, y dentro documenta las suyas: openrouter:shell, que corre órdenes para cualquier modelo en sus APIs Responses y Messages, y openrouter:bash, limitada a Messages. Las dos están en beta. El funcionamiento es que el modelo decide cuándo necesita ejecutar algo y el proveedor lo corre en su propio contenedor aislado, devolviendo la salida dentro de la misma petición, sin que haya que montar ni parchear nada.
Preview o betaPreview
- Agentes
Microsoft publica una prueba que juzga a los agentes por lo que dejan en la base de datos, no por lo que dicen
Microsoft y Hugging Face publicaron el 3 de octubre ThinkingBox, una prueba que califica a los agentes por los registros que dejan detrás, no por las frases que generan, y que pregunta además si pueden repetirlo veinte veces seguidas. Cubre 507 flujos de trabajo empresariales con estado, cada uno ejecutado 20 veces contra distintos modelos, y puntúa el estado final del sistema y los efectos secundarios. Cada repetición arranca desde un sistema limpio idéntico, y está disponible a través de Hugging Face.
LanzamientoDisponible