Microsoft anunció el 24 de octubre la apertura del código de Agensh, una infraestructura experimental para que varios agentes de inteligencia artificial se repartan trabajo sin un coordinador central. La novedad es la disponibilidad del código, los scripts y una guía de reproducción: el preprint ya se había publicado el 22 de septiembre. Lo recogimos brevemente en el resumen del 24 de octubre; aquí explicamos qué permiten estudiar sus resultados y qué no.
Cómo se organiza el trabajo
Agensh conecta los agentes mediante un espacio de trabajo, mensajería y contexto compartidos. Cada uno consulta el estado, reclama una subtarea, actúa, comprueba el resultado y fusiona sus avances de forma asíncrona. El diseño prescinde de un agente que dirija cada paso, pero sigue necesitando infraestructura común.
En la implementación descrita, Gitea aloja el trabajo con código, Mattermost transporta los mensajes y el mecanismo de contexto se adapta de DeLM. Los experimentos integran este sistema sobre el bucle de ejecución de cada agente de Copilot. Esa separación ayuda a entender el proyecto: estudia cómo cooperan los agentes, además de lo que puede resolver uno por separado. El código de Agensh tiene licencia MIT; eso no concede acceso a los modelos o servicios utilizados en los ensayos.
Más pruebas superadas, con condiciones concretas
Según el README de los autores, en las cinco tareas más difíciles de ProgramBench evaluadas con GPT-5.6-sol, esfuerzo de razonamiento alto, seis horas y sin acceso a Internet, la media de pruebas superadas pasa del 19,31 % con un agente al 28,78 % con 128. Son 9,47 puntos porcentuales, aproximadamente un 49 % de mejora relativa respecto al resultado inicial. No significa que se completen un 49 % más de proyectos.
En la tarea de Pandoc, esa misma serie pasa del 33,89 % con un agente al 50,94 % con 128 y al 55,06 % con 1.024. Son resultados publicados por el equipo investigador, no mediciones de Puntoes. Tampoco prueban una mejora universal: aumentar agentes conserva aquí el presupuesto temporal, pero no demuestra igualdad de consumo de modelos, cómputo o dinero.
Un ejemplo para entender la coordinación
Imaginemos una migración de un conversor de documentos: un agente trabaja en la lectura del formato, otro prepara pruebas y otro investiga errores. Compartir cambios y hallazgos puede permitir avances en paralelo. La utilidad final depende también de que las piezas encajen y superen pruebas comunes.
Este ejemplo es hipotético y no se ha ejecutado. Tener más trabajadores no elimina conflictos, mensajes redundantes o trabajo de integración. La pregunta práctica es si el equipo mejora el resultado con los recursos disponibles, no cuántos agentes pueden iniciarse.
Reproducir exige registrar el entorno
La guía publicada requiere Linux, Docker Engine, Compose v2, systemd, cgroup v2, Python 3.11 o posterior, ProgramBench y acceso configurado al modelo. No es una receta ligera para cualquier portátil.
Además, documenta diferencias entre la versión pública y el experimento histórico: fija Copilot 1.0.70 y Mattermost MCP 0.5.1 y utiliza un entorno de evaluación actualizado. Los autores advierten que una nueva ejecución debe registrar su propia revisión, imágenes, recursos, carga y configuración, sin presentarse como reproducción histórica exacta. Puntoes ha revisado las fuentes, pero no ha ejecutado este sistema ni verificado sus cifras de forma independiente.