Por Canuto  

Una réplica de SwarmWorld ejecutada en cuatro GPUs RTX 3090 observó resultados consistentes con varios hallazgos del MIT, aunque el equipo advierte que probó una sola población. El ensayo también señaló que la precisión de la caché KV puede influir en el desempeño de los agentes y puso a prueba una vía de liquidación en cadena para sus llamadas.
***

  • El equipo de Apex Fusion reprodujo el experimento en una ejecución con Qwen3.8-27B, un modelo de pesos abiertos comprimido a 4 bits, en cuatro RTX 3090.
  • Nueve de 12 efectos emparejados coincidieron en dirección con los resultados del MIT; en esa ejecución, una sociedad alcanzó 16 hitos frente a 6 en solitario.
  • La réplica plantea preguntas sobre la configuración de inferencia y ensaya Vector, una plataforma de Apex Fusion para medir y liquidar llamadas de agentes en AP3X.

Un experimento del MIT en el que agentes de inteligencia artificial coordinan tareas dentro de un mundo simulado fue objeto de una réplica con otro modelo y hardware de consumo. Un equipo vinculado a Apex Fusion realizó una ejecución con cuatro tarjetas gráficas RTX 3090 y un modelo de pesos abiertos. En esa prueba, observó que el grupo alcanzaba más hitos que el mismo modelo cuando trabajaba de forma individual.

La ejecución necesitó unas 26 horas y generó 12.800 llamadas al modelo. Sus autores informaron que nueve de 12 efectos emparejados coincidieron con los hallazgos del MIT en dirección. También advirtieron que se trató de una sola ejecución con un tamaño de población, por lo que aún hacen falta pruebas con grupos mayores y más repeticiones.

Una sociedad de agentes en un mundo compartido

SwarmWorld, desarrollado por Subhadeep Pal, Fiona Y. Wang y Markus Buehler, del MIT, permite que grupos de agentes exploren un entorno simulado común. Allí recolectan materiales, prueban ideas y construyen tecnologías que permanecen disponibles, sin recibir roles asignados ni instrucciones con recetas para completar las tareas. El trabajo se titula Stigmergic technological evolution in societies of language models.

El trabajo del MIT había mostrado que las sociedades de agentes podían reunir carteras tecnológicas más amplias y resilientes que la mejor lograda por un número equivalente de agentes aislados. También describió cómo los participantes se organizaban por cuenta propia en funciones de exploración y construcción, una división que emergió de la interacción en el entorno, no de una asignación previa.

Otra característica del sistema es que los agentes pueden escribir programas que continúan funcionando después de que ellos dejan de operar. Por eso, el mundo compartido no solo conserva los objetos y tecnologías que el grupo construye: también puede contener procesos creados por los propios agentes, un elemento que amplía las formas en que se transmite y persiste la actividad colectiva.

Buehler había presentado el experimento como una advertencia para la seguridad de la IA: si los agentes coordinan sus acciones mediante cambios en un entorno común, vigilar únicamente los mensajes que intercambian podría no ser suficiente. El MIT publicó el código, las instrucciones y las trazas del trabajo, materiales que permitieron que otro equipo examinara los resultados y preparara una réplica externa.

Qué encontró la réplica en hardware de consumo

El equipo liderado por Časlav Nedeljković, de HAL8, quiso comprobar si los hallazgos dependían de utilizar un modelo de frontera. Para ello reemplazó el modelo empleado en el experimento original por Qwen3.8-27B, un modelo de pesos abiertos comprimido a una precisión de 4 bits, y lo ejecutó en cuatro GPUs RTX 3090 de consumo.

Según los resultados publicados por el equipo, nueve de los 12 efectos emparejados coincidieron con los del MIT en dirección, incluidas todas las mejoras de resiliencia de cartera reportadas en esa comparación. Dos de esas mejoras fueron incluso mayores en la réplica, mientras que los tres efectos restantes quedaron dentro del margen de ruido, por lo que el equipo no los considera una divergencia concluyente respecto del estudio original.

La autoorganización también reapareció en esta ejecución: las sociedades con una cultura compartida se agruparon alrededor de sus tecnologías, como había ocurrido en el trabajo del MIT. El equipo señaló que las herramientas analíticas desarrolladas por los investigadores del MIT mostraron un panorama similar al aplicarse a las nuevas trazas, un punto que permite comparar los resultados más allá de una descripción general del comportamiento.

La diferencia entre el desempeño individual y el colectivo fue uno de los contrastes más notables de la prueba. El modelo comprimido alcanzó seis de 16 hitos de investigación cuando trabajó solo, frente a los siete a 10 logrados por el modelo de frontera del MIT; en sociedad llegó a los 16, mientras que el grupo del estudio original alcanzó 14.

«El MIT publicó todo lo que un segundo laboratorio necesita para verificar su trabajo, y eso hizo esto posible. Cambiamos el modelo, la precisión y el hardware, y el resultado central se mantuvo», dijo Nedeljković. El investigador agregó que la brecha entre el rendimiento individual y el colectivo se amplió con un modelo más débil, aunque el equipo reconoce que una sola ejecución no basta para establecer que ese efecto se repetirá en todos los escenarios.

La configuración de inferencia también cuenta

La réplica llamó la atención sobre la caché KV, una memoria de trabajo que los modelos utilizan durante la inferencia. Los investigadores observaron que su precisión podía cambiar los resultados más que la diferencia entre un modelo de 27.000 millones de parámetros y uno de 235.000 millones. Esa observación pone el foco en decisiones técnicas que suelen acompañar a la ejecución de modelos en infraestructura propia.

Los equipos suelen comprimir esa caché para acomodar contextos más largos o atender más solicitudes simultáneas con una cantidad limitada de memoria en las GPUs. El resultado de Apex Fusion sugiere que una prueba de agentes realizada en un sistema autohospedado podría reflejar tanto las opciones de servicio como la elección del modelo, aunque la información publicada no permite concluir que una configuración específica vaya a producir el mismo efecto en cualquier prueba.

El equipo también indicó que las trazas publicadas por el MIT permitieron reproducir cada evento y métrica observable, salvo una verificación interna. Según la descripción del trabajo, comunicó esa excepción y los hallazgos sobre la caché a los autores del MIT mediante una incidencia y una solicitud de cambios en GitHub, con la evidencia correspondiente.

El ensayo tomó unas 26 horas y comprendió 12.800 llamadas al modelo; el equipo publicó en GitHub el artículo de réplica y los datos completos de las trazas. Ese acceso facilita que terceros examinen el procedimiento, pero la limitación estadística permanece: por ahora se replicó un único tamaño de población y siguen pendientes las ejecuciones con las poblaciones mayores contempladas en el estudio del MIT.

Vector y la liquidación de llamadas de agentes

Apex Fusion relaciona el interés por la reproducibilidad con otro desafío: cuando agentes de distintas organizaciones colaboran, alguien debe poder determinar quién realizó cada tarea, cuánto valió el trabajo y cómo verificar después el registro. La fundación suiza propone Vector como una capa de liquidación para agentes de IA, con identidad para los participantes, garantías asociadas a sus afirmaciones y recibos firmados en cadena.

La plataforma, que la fundación describe como compatible con MCP, se ejecuta sobre Prime, la cadena base de Apex Fusion. Su propuesta incluye intercambios de trabajo respaldados por garantías y liquidación con un comprobante verificable; esos elementos son parte del diseño presentado por la empresa, no una demostración de que una blockchain sea indispensable frente a sistemas convencionales de registro y facturación.

La ejecución principal de la réplica se realizó directamente en las GPUs del equipo, no a través de Vector. En una prueba piloto separada, el grupo envió 32 llamadas mediante la plataforma y reportó que se comportaron igual que las solicitudes directas; además, registró el servidor de modelos como proveedor en el marketplace de Vector, una pasarela compatible con OpenAI que mide solicitudes y liquida el uso en AP3X, el token de utilidad de la red.

Christopher Greenwood, CEO de Apex Fusion Foundation, sostuvo que un registro confiable de quién hizo qué será valioso a medida que colaboren agentes de diferentes organizaciones. Según explicó, en el piloto cada llamada quedó medida y liquidada, con un recibo que otras partes pueden verificar; se trata de una descripción del funcionamiento que promueve la fundación, mientras sigue abierta la discusión sobre si esa tarea exige una cadena de bloques.

Apex Fusion informó que está preparando una ejecución a mayor escala mediante Vector para compararla directamente con una ejecución convencional, además de otra prueba con el siguiente tamaño de población del estudio del MIT. La fundación también dice que busca abrir la plataforma a laboratorios de frontera, centros de investigación y universidades, y que el uso de la red puede consultarse en un panel en vivo.

La entidad está en proceso de incorporarse a la Agentic AI Foundation, organismo de la Linux Foundation que alberga los estándares Model Context Protocol y Agent2Agent. Por su parte, la réplica no resuelve si las redes de agentes necesitan liquidación en cadena: su resultado principal se limita a mostrar que, bajo las condiciones probadas, el patrón de cooperación del MIT también apareció con otro modelo y GPUs de consumo.

El alcance del ensayo, por tanto, debe leerse junto con sus límites: hubo una sola ejecución para un tamaño de población, y los grupos más grandes aún no se repiten. Aun así, que la coordinación observada no dependiera exclusivamente de un modelo de frontera vuelve más accesible el estudio de sociedades de agentes y refuerza la advertencia de Buehler sobre las dificultades de supervisar interacciones que también ocurren a través del entorno compartido.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados