Leash Biosciences presentó el 14 de octubre Minos, unos entornos para evaluar agentes científicos mediante resultados de experimentos físicos realizados previamente. Su interés para quien desarrolla agentes está en observar cómo eligen la siguiente acción después de recibir evidencia: cuánto insisten en una dirección poco prometedora y cuándo cambian de estrategia.
El anuncio, recogido en nuestro resumen del 14 de octubre, acompaña un preprint de trabajo y un recurso de datos llamado STRELKA. A fecha de esta noticia, 15 de octubre de 2026, el portal de datos muestra una solicitud de acceso. Puntoes no ha ejecutado estos entornos ni descargado el conjunto experimental.
Pagar el experimento antes de evaluar al agente
En un laboratorio, cada decisión puede exigir preparar una muestra, realizar una medición y esperar el resultado. Minos adelanta ese coste: Leash mide un catálogo de interacciones entre moléculas pequeñas y proteínas y después permite recorrer esos resultados repetidamente.
El agente propone qué probar y recibe la medición correspondiente. La interacción puede avanzar sin volver a realizar ese ensayo físico, pero solo dentro del espacio ya medido. No es un simulador que prediga cualquier experimento nuevo: las respuestas proceden de datos previos, según el preprint de Minos.
En la tarea estudiada, el agente busca la molécula con mejor puntuación de enriquecimiento frente a una proteína. Dispone de un presupuesto de 100 moléculas, consultadas en grupos de hasta cinco, dentro de catálogos de aproximadamente uno o seis millones de moléculas. No recibe un candidato inicial del que partir.
Los autores exponen tres herramientas mediante MCP, el protocolo para conectar aplicaciones con herramientas y datos: buscar bloques moleculares, combinarlos y consultar su resultado medido, y comprobar el progreso. La función llamada synthesize ensambla computacionalmente la molécula y consulta los datos; no representa una nueva síntesis física en cada turno.
Lo que revela una trayectoria que la nota final oculta
La ventaja del catálogo previamente medido es que el evaluador también conoce resultados de opciones que el agente podría haber elegido y descartó. Eso permite investigar decisiones intermedias, además del mejor resultado obtenido. Este conocimiento se limita al catálogo: no abarca todas las moléculas posibles.
Como ejemplo hipotético propio, no ejecutado, imaginemos dos agentes que terminan con una puntuación similar. Uno consume casi todo su presupuesto probando variantes cercanas a candidatos fallidos; el otro cambia antes de familia química. La puntuación final no cuenta esa diferencia. Revisar las trayectorias y las alternativas disponibles permite preguntar si insistir estaba justificado por los resultados conocidos.
Leash comunica diferencias de rendimiento entre modelos y configuraciones de esfuerzo, y observa mayor persistencia en regiones poco productivas entre los modelos que rinden peor en su evaluación. También describe una prueba en la que desordena la correspondencia entre estructuras químicas e identificadores, manteniendo los resultados: el rendimiento cae. Son resultados atribuidos a los autores y a esa tarea; no una prueba independiente de Puntoes ni una clasificación universal de agentes.
Buscar unión no equivale a demostrar un medicamento
La tarea utiliza una puntuación de enriquecimiento basada en un método propietario. Su objetivo está acotado a mejorar esa señal de unión para una proteína; no evalúa de forma conjunta absorción, distribución, metabolismo, excreción o toxicidad. Encontrar una buena puntuación no demuestra seguridad ni eficacia clínica.
También hay un límite de generalización. Repetir campañas dentro de un catálogo permite estudiar decisiones, pero proponer moléculas fuera de él requiere nuevos ensayos. El propio preprint deja como pregunta futura si la experiencia adquirida mejora las decisiones en mundos físicos no vistos. No demuestra que entrenar con Minos resuelva esa transferencia.
Qué comprobar antes de reutilizarlo
Los autores describen STRELKA como un subconjunto de entornos y trayectorias. El portal consultado ofrece «Request access»; esa página no basta para establecer descarga libre, licencia abierta o acceso inmediato. Conviene confirmar condiciones y contenido disponible antes de planificar una reproducción.
Para un equipo que evalúa agentes, la aportación metodológica es concreta: conservar las decisiones y la evidencia recibida permite estudiar cómo se gastó el presupuesto. Aplicar esa idea a otro problema exige disponer de resultados fiables y delimitar qué alternativas cubren; el relato convincente del agente, por sí solo, no verifica que sus decisiones fueran buenas.