Un artículo publicado en arXiv el 22 de septiembre plantea un argumento estructural sobre los sistemas multiagente: el orquestador central —el modelo que descompone una tarea y reparte las piezas entre trabajadores— es lo que impide que estos sistemas escalen. Agensh, firmado por Zhihao Zhan y seis coautores, lo elimina.
En su lugar coloca una infraestructura de tres piezas. Un espacio de trabajo compartido guarda el trabajo propuesto, en curso y terminado. Una interfaz de mensajes permite a los trabajadores hablar entre sí. Un contexto compartido retiene hallazgos reutilizables e intenciones de trabajo declaradas. Los trabajadores concurrentes ejecutan entonces un bucle de cooperación contra esa infraestructura: reunir contexto, reclamar y autoasignarse una subtarea, actuar, compartir hallazgos, verificar resultados y fusionar el avance de forma asíncrona.
Las cifras
En tareas de programación exigentes, los autores informan de que pasar de 1 a 128 agentes elevó las tasas medias de pruebas superadas alrededor de un 49 %. En una tarea concreta —reconstruir partes de pandoc— pasar de 1 a 1.024 agentes llevó la tasa final de pruebas superadas del 33,89 % al 55,06 %.
Son cifras propias del artículo sobre su propia evaluación, no una reproducción independiente, y se refieren a tareas de ingeniería de software, no al trabajo de agentes en general.
Cuál es la afirmación real
Los autores plantean el número de agentes como una nueva dimensión de escalado para las organizaciones de agentes, junto al tamaño del modelo y el cómputo de inferencia. Es una afirmación más fuerte que “más agentes ayudan”, porque sostiene que la curva sigue subiendo en lugar de aplanarse cuando el coste de coordinación se come las ganancias, que es lo que suele ocurrir y sobre lo que el artículo incluye un estudio de ablación.
El hallazgo secundario es el más interesante para quien construya estos sistemas: los autores informan de que los patrones de cooperación autoorganizada emergen y se estandarizan a medida que la organización crece. Los trabajadores convergen en formas de repartirse el trabajo que nadie especificó, y esa convergencia se refuerza con el tamaño.
Por qué no es una buena noticia evidente
Una ejecución con 1.024 agentes que sube una tasa del 34 % al 55 % supone una cantidad enorme de inferencia para un resultado que sigue lejos de resolverse. El argumento práctico del artículo es más estrecho que el titular: esto ayuda en tareas complejas con presupuestos de latencia estrictos, donde conviene gastar mucho cómputo en paralelo antes que una cantidad moderada en serie.
Hay además una cuestión de gobernanza que el artículo no aborda. Un orquestador es un punto de estrangulamiento, y los puntos de estrangulamiento son donde se coloca la supervisión. Un sistema cuyos trabajadores reclaman sus propias subtareas y fusionan sus propios resultados ha eliminado el lugar natural desde el que un operador miraría.
Qué vigilar
Si alguien reproduce el resultado de 1.024 agentes en un benchmark que no hayan elegido los autores, y cuál fue el coste total de inferencia de esa ejecución, una cifra que el resumen no aporta.
