Transferencia de conocimiento entre agentes de IA: descubre una vez y escala por menos

La transferencia de conocimiento entre agentes de IA convierte un descubrimiento caro en un activo reutilizable. Un modelo potente explora una tarea desconocida y registra reglas verificadas e hipótesis descartadas. Después, un modelo más barato lee ese manual antes de ejecutar el trabajo repetido. Los pesos no cambian.

Agno hizo medible este patrón con ARC-AGI-3. Gemini-3.7-Flash pasó de 37,33 en frío a 96,42 al recibir manuales escritos por GPT-5.6. El resultado no justifica sustituir un modelo frontier en todas partes. Sí justifica probar esta arquitectura en procesos repetidos y verificables.

Este artículo cubre una intención precisa: transferir conocimiento entre modelos sin reentrenar. Para ahorrar mediante caché, batching y prompts, consulta la guía de costes de tokens LLM. La comparativa de routers LLM explica la selección por solicitud. El análisis de memoria para agentes se centra en almacenamiento y recuperación.

¿Qué demostró Agno en ARC-AGI-3?

Los manuales explícitos de ejecuciones anteriores permitieron que un modelo más barato casi igualara a un modelo frontier en el mismo benchmark público. En el informe de Agno sobre ARC-AGI Arcade, las ejecuciones warm de GPT-5.6 lograron 100,00 RHAE en 183 niveles de 25 juegos públicos. Gemini-3.7-Flash obtuvo 37,33 sin conocimiento previo y 96,42 con los manuales de GPT-5.6.

Los dos resultados principales tienen comprobantes del servidor: el scorecard warm de GPT-5.6 y el scorecard seeded de Gemini registran las secuencias de acciones reproducidas. Puntuación y finalización son métricas distintas. El 96,42 de Gemini superó el agregado experto de 95,4, pero dejó cuatro niveles sin completar.

El límite forma parte del hallazgo. El informe técnico de ARC-AGI-3 define un benchmark interactivo de exploración, inferencia de objetivos, construcción de modelos del entorno y acción eficiente. Agno probó el conjunto público de demostración de 25 juegos. Sus propios avisos dicen que los conjuntos privados son más difíciles, están fuera de distribución y no son públicos. ARC-AGI-3 no está resuelto.

¿Qué es la transferencia de conocimiento entre agentes de IA?

Es la reutilización de aprendizajes explícitos y verificados de una ejecución por parte de otra ejecución, agente o modelo. El conocimiento vive fuera de los pesos como reglas, instrucciones, ejemplos o procedimientos legibles. El receptor puede comprobarlo, corregirlo y eliminarlo sin entrenamiento ni fine-tuning.

Eso es más preciso que prometer memoria. Un aprendizaje útil tiene alcance y evidencia. «Los clientes prefieren respuestas cortas» es una preferencia. «El error E104 se resuelve al renovar OAuth y reintentar una vez con la misma clave de idempotencia» es una regla operativa, siempre que incluya versión y prueba.

¿Cómo funcionó el aprendizaje entre modelos de Agno?

1. Empezar en frío: el agente entra sin instrucciones, reglas ni objetivo específico del juego.
2. Experimentar con eficiencia: ejecuta una acción, observa el cambio exacto y analiza el historial registrado.
3. Guardar aprendizajes verificados: mecánicas, peligros, formas de solución e hipótesis refutadas se convierten en entradas breves.
4. Reiniciar el contexto: cada nivel completado abre una sesión nueva. Solo el manual sobrevive.
5. Preparar otro modelo: los manuales Markdown de GPT-5.6 se integran en el conocimiento de Gemini-3.7-Flash.
6. Seguir aprendiendo: Gemini usa las notas como punto de partida, comprueba sorpresas y puede encontrar una ruta mejor.

El repositorio abierto de ARC-AGI Arcade documenta el learning store, los modos, las reglas de contaminación, las trazas y la reproducción del scorecard. El patrón transferible consiste en separar descubrimiento, evidencia duradera y ejecución repetida detrás de una interfaz estable.

¿Es destilación, RAG, memoria o routing?

Un sistema de producción puede combinar los cinco. La transferencia hace portable la experiencia. El router elige el modelo. La recuperación carga las entradas relevantes. Los evals comprueban si el resultado sigue siendo aceptable.

¿Cuál es el valor comercial?

La oportunidad consiste en pagar una vez por descubrir y amortizarlo en repeticiones seguras. Agno informa de 65K tokens de salida por juego para Gemini con manuales, un tercio de los 195K en frío y menos que los 80K de GPT-5.6 warm. Es un resultado de tokens, no una rebaja universal de factura. Tarifas, entrada, herramientas, latencia, reintentos y revisión humana determinan el dinero.

coste por tarea aceptada = descubrimiento amortizado + modelo + herramientas + reintentos + revisión + recuperación

El patrón encaja cuando la tarea se repite, sus reglas siguen estables, el éxito se puede verificar y existe fallback. Posibles casos: triaje de soporte, clasificación documental, limpieza de datos, investigaciones QA recurrentes y tareas de código en un repositorio estable. Estrategia única y decisiones con consecuencias pueden seguir necesitando un modelo frontier.

¿Dónde puede fallar el conocimiento transferido?

• Alcance incorrecto: un aprendizaje de otro juego, tenant, mercado o versión se aplica donde no corresponde.
• Falsa certeza: el autor guarda una hipótesis como hecho después de un éxito casual.
• Obsolescencia: cambia una API, política o flujo, pero el manual conserva su autoridad.
• Envenenamiento: contenido no fiable logra persistir una instrucción maliciosa.
• Pérdida por compresión: una regla breve elimina la excepción que hacía segura la acción.
• Fuga del benchmark: código fuente, respuestas o referencias humanas invalidan la medición.

Agno marca las ejecuciones contaminadas y pone en cuarentena el manual afectado. Una empresa necesita procedencia, alcance, aprobación, caducidad, versiones, redacción y rollback. Un learning store influye en decisiones futuras, por lo que escribir en él merece controles similares a un cambio de código.

¿Cómo diseñar un piloto frontier a modelo barato?

1. Elegir un flujo repetido: reúne entre 30 y 100 tareas representativas, con fallos raros y caros.
2. Congelar tres baselines: mide varias veces el modelo frontier en frío, el barato en frío y el proceso actual.
3. Definir el esquema: una afirmación por entrada con alcance, evidencia, modelo autor, fecha, versión, confianza y caducidad.
4. Separar escritura y lectura: el modelo frontier propone; una regla determinista o una persona aprueba el conocimiento compartido.
5. Preparar el carril barato: carga solo entradas relevantes y registra sus versiones en la traza.
6. Añadir escalado: devuelve novedad, contradicción, baja confianza o verificación fallida al modelo frontier o a una persona.
7. Ejecutar pruebas hostiles: cubre manuales obsoletos, contradicciones, prompt injection, cruce de tenants y borrado.
8. Comparar resultados aceptados: mide éxito, fallos graves, P50/P95, minutos de revisión y coste total.

El servicio de AI Enablement de Wavect puede convertir este patrón en una jerarquía de modelos, un learning store gobernado y un conjunto de aceptación para tu carga real. El caso Hyperstate AI muestra nuestro enfoque más amplio para mejorar coste y latencia desde el sistema alrededor de la IA. Si todavía no está claro qué flujo repetir, empieza por la guía de fase de descubrimiento.

Fuentes y límites de la evidencia

Las cinco fuentes primarias enlazadas se revisaron el 5 de septiembre de 2026. Agno creó el harness e informó de la comparación en frío y los tokens de salida. El servidor de ARC generó los scorecards de replay, pero el experimento sigue limitado al conjunto público. Wavect no reprodujo las ejecuciones ni auditó la facturación. Es evidencia para un piloto, no un ahorro garantizado.