Las leyes de escalado para agentes mostrarán si orquestar docenas de LLMs es un callejón sin salida

Lambert quiere datos concretos para los enjambres de múltiples agentes

El investigador Nathan Lambert, del Allen Institute for AI, destaca públicamente un vacío en el discurso actual: carecemos de una comprensión sobre cómo se comportan exactamente las leyes de escalado cuando escalamos el número de agentes independientes que trabajan en un solo problema, en lugar de los parámetros de un modelo individual. Si bien la computación en tiempo de inferencia (como lo demostró OpenAI con los modelos o1) muestra claras mejoras de rendimiento con tiempo adicional de „pensamiento“, el comportamiento de los sistemas multiagente sigue siendo un territorio inexplorado en términos de métricas sólidas.

Para las empresas, esto cambia cómo se gasta el presupuesto de cómputo

Si se demuestra que agregar diez agentes más a un enjambre aumenta de manera predecible la confiabilidad o la calidad de la salida (de manera similar al entrenamiento con más datos o al uso de un CoT más prolongado en tiempo de inferencia), la matemática de la arquitectura empresarial cambia. Los equipos de desarrollo no tendrían que esperar a GPT-5 o Claude 4. En cambio, podrían lograr un rendimiento comparable al organizar hábilmente modelos más baratos (como Llama 3.1 8B) en un enjambre paralelo masivo. La pregunta es cuál es la forma de la curva de rendimientos decrecientes.

Los costos de comunicación de los agentes devorarán los beneficios

Este es el punto que muchas startups de frameworks de agentes prefieren ignorar. Agregar otro agente al sistema no solo aporta potencia de cálculo; añade exponencialmente más gastos generales para la orquestación, el paso de contexto y el manejo de alucinaciones. Si un agente falla, el error puede extenderse en cascada por el enjambre. Sin aislamiento y tipado estricto de entradas, los beneficios del escalado se ahogarán en el ruido de la comunicación mutua.

Los estudios académicos sobre la comunicación de enjambres serán el punto de inflexión

Esté atento a los principales artículos de laboratorios como Google DeepMind o AI2 en los próximos meses que intenten cuantificar el rendimiento de los enjambres en benchmarks difíciles (como SWE-bench o MATH). La prueba de que esto funciona no serán las demostraciones de startups sobre „un equipo de agentes escribiendo su aplicación“, sino gráficos aburridos que muestren los límites asintóticos de agregar X instancias a un sistema.

El veredicto de Lilith

El verdadero cuello de botella de los sistemas de agentes no será la inferencia, sino la gestión del caos de la comunicación. Estamos esperando al investigador que dibuje el gráfico que muestre el número exacto de agentes en el que un enjambre colapsa en sus propias alucinaciones.