Microsoft Research ha publicado Agensh como código abierto: un harness de programación multiagente sin orquestador central, donde los agentes se asignan tareas secundarias, se sincronizan entre sí y luego las integran en un Git compartido.
Cifras clave: se hicieron pruebas de estrés en ProgramBench, pasando de 1 a 1024 agentes; con GPT-5.6-sol, el promedio en cinco tareas fue de aproximadamente 19.31% y llegó al 28.78% con 128 agentes; en pandoc, con 1024 agentes alcanzó aproximadamente el 55.06%. Con GPT-6.1-sol, la tasa de éxito en pandoc fue de aproximadamente el 79.59% con 32 agentes. La colaboración se apoya en Gitea, Mattermost y un tablero compartido. Licencia MIT.
Antes, los sistemas multiagente siempre tropezaban con el «cuello de botella del líder». Este enfoque deja que los agentes se coordinen por su cuenta: al escalar, incluso surgen roles espontáneamente. #AI #微软 #Agent
Cifras clave: se hicieron pruebas de estrés en ProgramBench, pasando de 1 a 1024 agentes; con GPT-5.6-sol, el promedio en cinco tareas fue de aproximadamente 19.31% y llegó al 28.78% con 128 agentes; en pandoc, con 1024 agentes alcanzó aproximadamente el 55.06%. Con GPT-6.1-sol, la tasa de éxito en pandoc fue de aproximadamente el 79.59% con 32 agentes. La colaboración se apoya en Gitea, Mattermost y un tablero compartido. Licencia MIT.
Antes, los sistemas multiagente siempre tropezaban con el «cuello de botella del líder». Este enfoque deja que los agentes se coordinen por su cuenta: al escalar, incluso surgen roles espontáneamente. #AI #微软 #Agent
