Hace seis meses, “harness engineering” era un término de nicho que usaban un par de equipos de investigación. Esta semana se publicaron tres trabajos en cinco días, un vendor de infraestructura lanzó producto alrededor del concepto, y Cloudflare empezó a tratar agentes como clientes que contratan y pagan.
El campo se está moviendo por semanas. La mayoría de las empresas todavía lo están procesando por trimestres.
Para quien llega sin contexto: harness engineering es el diseño del sistema que envuelve al modelo. Las herramientas a las que tiene acceso, la memoria, los prompts del sistema, las reglas de ejecución, el tracing. El arnés. Y lo que muestran los trabajos de esta semana es que ese arnés determina el rendimiento en producción tanto o más que el modelo en sí.
Lo que se publicó esta semana
Agentic Harness Engineering (AHE). Un framework que evoluciona el arnés de forma autónoma, con componentes reversibles y predicciones falsificables.
Terminal-Bench 2 pass@1: de 69.7% a 77.0% en diez iteraciones. Supera al Codex-CLI diseñado por humanos (71.9%). El arnés evolucionado transfiere a otros modelos y reduce el uso de tokens en SWE-bench Verified en 12%.
HALO (Hierarchical Agent Loop Optimization). Los autores construyeron agentes que analizan sus propias trazas de ejecución y parchean el arnés sin intervención humana.
AppWorld con Sonnet 4.6: dev SGC de 73.7% a 89.5% (+15.8 puntos). Test_normal de 62.5% a 73.2% (+10.7 puntos).
LangChain Deep Agents. El equipo lanzó Harness Profiles, que permite versionar prompts, herramientas y middleware específicos por modelo. Junto con DeepAgents Deploy, un camino low-code para desplegar agentes con archivos markdown y tracing en LangSmith.
Mismo modelo, mismo benchmark, resultados distintos según el arnés. Diferencias de 7, 10, 15 puntos porcentuales. En algunos casos, hasta 6x.
Esa es la diferencia entre un agente que funciona en producción y uno que falla en el demo.
¿Por qué importa la velocidad?
Lo que hace diferente a esta semana no son los resultados individuales. Es la convergencia. Tres equipos distintos, sin coordinación, llegaron a la misma conclusión al mismo tiempo: el cuello de botella dejó de ser el modelo y pasó al arnés. Cuando eso ocurre en investigación, la ventana para capturar la ventaja se comprime.
AHE mostró que un arnés evolucionado transfiere entre familias de modelos. Eso tiene una consecuencia directa: la inversión en el arnés se preserva aunque mañana usted cambie el modelo subyacente. El modelo se vuelve commodity. El arnés se vuelve el activo.
Para una empresa en Latinoamérica, eso cambia la ecuación. Si el modelo decide, los laboratorios de frontera ganan y usted espera. Si el arnés decide, gana quien entiende su problema mejor que nadie e itera más rápido que su competencia. Esa carrera sí se corre desde acá.
Pero se corre ahora. Hace seis meses había tiempo para observar. Esta semana, el campo produjo frameworks que automatizan la evolución del arnés. La próxima ventana va a ser más corta.
Lo que hizo Cloudflare
Cloudflare anunció que los agentes pueden ser clientes suyos. Crean cuentas, registran dominios, contratan planes pagos, reciben tokens para deploy. Sin humano de por medio.
Los agentes pasaron de ser copilotos a ser actores económicos.
Combine arneses que se autoevolucionan con proveedores que les abren la puerta a transaccionar, y lo que se ve en el horizonte es una capa de software que opera, contrata, paga y se mejora sola. La pregunta deja de ser técnica. ¿Quién audita esto?, ¿quién responde cuando el agente firma un contrato?, ¿qué pasa cuando el arnés se modifica a sí mismo de una forma que nadie anticipó?
Estados Unidos y Europa ya están discutiendo marcos regulatorios para agentes autónomos. En América Latina, esa conversación todavía no empezó.
La asimetría
La mayoría de las empresas en la región siguen evaluando modelos. Cuál es más rápido, cuál es más barato, cuál tiene mejor latencia.
Mientras tanto, el campo que define cuánto rinde cualquiera de esos modelos en producción avanzó tres papers, un producto y una infraestructura transaccional en una semana. Ese gap entre la velocidad del campo y la velocidad de adopción es la asimetría. Y se amplía cada semana que pasa.
La Señal
LangChain está repitiendo en público que los modelos cerrados se volvieron demasiado caros para muchos workloads de agentes, y que el futuro pasa por arneses abiertos, evals abiertos y mezclas con OSS. Cuando un proveedor de infraestructura le dice al mercado “ya no necesita atarse a un solo modelo”, la frontera de valor se está moviendo de capa.
Comments
Nothing yet. Say the first thing.
Sign in to join the conversation.