En un art\u00edculo anterior, explor\u00e9 c\u00f3mo ocho equipos de investigaci\u00f3n independientes llegaron a la misma conclusi\u00f3n: en lugar de construir sistemas de memoria en torno al modelo, entrenar al modelo en s\u00ed mismo para gestionar la memoria como una habilidad aprendida. El entrenamiento post-memoria \u2014 utilizando aprendizaje por refuerzo en la fase post-entrenamiento \u2014 produce agentes que deciden qu\u00e9 almacenar, eliminar, consolidar y recuperar, todo ello optimizado para la finalizaci\u00f3n de la tarea.<\/p>\n
Pero lo que ha ocurrido desde entonces es m\u00e1s interesante. La investigaci\u00f3n ha chocado con otros dos acontecimientos. Modelos ling\u00fc\u00edsticos recursivos<\/strong> replantear la gesti\u00f3n del contexto como navegaci\u00f3n y no como recuperaci\u00f3n. Los sistemas de producci\u00f3n como OpenClaw<\/strong> est\u00e1n demostrando que estas ideas funcionan fuera de los puntos de referencia. El panorama combinado apunta a algo m\u00e1s grande que la mejora de la memoria.<\/p>\n Se\u00f1ala un v\u00eda democr\u00e1tica para la ampliaci\u00f3n de agentes aut\u00f3nomos<\/strong> - una que no requiera un ajuste fino, escasa computaci\u00f3n o profundos conocimientos de ML. He aqu\u00ed c\u00f3mo encajan la pieza de navegaci\u00f3n y las pruebas de producci\u00f3n.<\/p>\n Esto es lo que me ha llamado la atenci\u00f3n m\u00e1s recientemente. Mientras la comunidad de formaci\u00f3n postmemoria ense\u00f1aba a los agentes a gestionar el contexto, una l\u00ednea paralela de investigaci\u00f3n estaba replanteando el problema por completo.<\/p>\n Modelos ling\u00fc\u00edsticos recursivos<\/strong>, presentado por Alex Zhang, Tim Kraska y Omar Khattab, proponen que la ingenier\u00eda del contexto no es un problema de recuperaci\u00f3n. Es un problema de navegaci\u00f3n. La diferencia es importante.<\/p>\n La RAG tradicional trata la base de conocimientos como una database que usted consulta. Se incrustan trozos, se calculan puntuaciones de similitud y se introducen los resultados top-k en la consulta. El modelo recibe pasivamente lo que el sistema de recuperaci\u00f3n decide que es relevante. El modelo en s\u00ed no tiene ninguna agencia sobre lo que ve.<\/p>\n Los RLM dan la vuelta a esto. El modelo obtiene acceso a un entorno Python REPL persistente. Las entradas largas se cargan como variables. El modelo puede inspeccionarlas, examinarlas, dividirlas y lanzar subconsultas recursivas, generando nuevas instancias LLM que procesan trozos en paralelo y devuelven resultados. El modelo navega por su contexto del mismo modo que un desarrollador navega por un c\u00f3digo base: explorando, filtrando y leyendo selectivamente lo que necesita.<\/p>\n Las cifras lo avalan. Los RLM procesan entradas hasta dos \u00f3rdenes de magnitud m\u00e1s all\u00e1 de la ventana de contexto nativa del modelo sin degradaci\u00f3n. En conjuntos data del mundo real que superan 1,5 millones de caracteres, los RLM superan significativamente a los LLM est\u00e1ndar y a los andamiajes de contexto largo habituales. Una versi\u00f3n post-entrenada, RLM-Qwen3-8B<\/strong>, supera a su modelo base en 28,3% de media<\/strong> y se aproxima a la calidad GPT-5 en tres tareas de contexto largo - de un modelo 8B.<\/p>\n Lo que lo hace complementario al entrenamiento post-memoria es la separaci\u00f3n de preocupaciones. El entrenamiento postmemoria ense\u00f1a a los agentes qu\u00e9 recordar y qu\u00e9 olvidar: las decisiones editoriales sobre la gesti\u00f3n de estados. Los RLM ense\u00f1an a los agentes a explorar el contexto que a\u00fan no han memorizado. Uno trata sobre la gesti\u00f3n de lo que est\u00e1 dentro de la cabeza del agente. El otro trata de navegar por lo que hay fuera de ella.<\/p>\n La combinaci\u00f3n es m\u00e1s poderosa que cualquiera de las dos por separado. Un agente que puede navegar por grandes contextos externos y gestionar un estado de memoria interna compacto tiene las dos capacidades necesarias para unos flujos de trabajo aut\u00f3nomos realmente duraderos: una conciencia amplia y una retenci\u00f3n selectiva.<\/p>\n La teor\u00eda es \u00fatil. Las pruebas de producci\u00f3n son mejores.<\/p>\n OpenClaw<\/strong> - el marco de agentes de IA de c\u00f3digo abierto que consigui\u00f3 m\u00e1s de 100.000 estrellas de GitHub en menos de una semana tras su lanzamiento a finales de enero de 2026- es uno de los primeros sistemas en demostrar que estos principios funcionan a escala fuera de los puntos de referencia de la investigaci\u00f3n.<\/p>\n La arquitectura de OpenClaw encarna la convergencia descrita anteriormente. Su sistema de memoria utiliza Markdown estructurado con marcas de tiempo y metadata, almacenado como archivos de texto sin formato - nada de bases data propietarias, nada de blobs encriptados. Las b\u00fasquedas conscientes del contexto se producen a trav\u00e9s de la b\u00fasqueda sem\u00e1ntica, en la que el agente encuentra conversaciones pasadas relacionadas, incluso cuando el usuario emplea palabras completamente diferentes. La memoria fluye a trav\u00e9s de las herramientas integradas de forma autom\u00e1tica, de modo que la informaci\u00f3n mencionada en un chat est\u00e1 disponible cuando el agente trabaja en un editor de c\u00f3digo o en un navegador.<\/p>\n Lo que hace que OpenClaw sea relevante en este debate no es s\u00f3lo su arquitectura de memoria. Es la accesibilidad de su enfoque. Los agentes de OpenClaw pueden escribir c\u00f3digo de forma aut\u00f3noma para crear nuevas habilidades y mantener la memoria a largo plazo, todo ello sin ajuste fino. El agente aprende mediante el uso, no mediante el descenso gradiente. La gesti\u00f3n de la memoria tiene lugar en la capa de la aplicaci\u00f3n, no en la del modelo, lo que significa que cualquier equipo puede desplegarlo y personalizarlo. As\u00ed es como leo el momento de OpenClaw. Es el primer sistema ampliamente adoptado que demuestra que se pueden construir agentes con memoria duradera y autogestionada sin ninguna de las barreras tradicionales: sin costes de puesta a punto, sin escasos requisitos de computaci\u00f3n, sin profundos conocimientos de ML. El agente gestiona su propio contexto. El usuario configura el flujo de trabajo. El sistema se ejecuta.<\/p>\n As\u00ed es la democratizaci\u00f3n en la pr\u00e1ctica.<\/p>\n Perm\u00edtanme traducir esta convergencia en impacto operativo.<\/p>\n Los requisitos computacionales del entrenamiento post-memoria son un orden de magnitud inferiores a los del ajuste fino. AgeMem se entrena en un \u00fanico nodo 8xA100. Memory-R1 necesita 152 ejemplos. La reducci\u00f3n de contexto 51% de MemAct y la sobrecarga de memoria constante de MEM1 se traducen directamente en menores costes de inferencia a escala. Para una empresa que ejecuta 30.000 conversaciones de agentes al d\u00eda a $0,14 cada una, una reducci\u00f3n de contexto de 50% no s\u00f3lo reduce los costes a la mitad, sino que cambia lo que es econ\u00f3micamente viable. Tareas que eran demasiado caras para que los agentes las gestionaran en interacciones prolongadas pasan a ser factibles.<\/p>\n El ajuste fino requiere ingenieros de ML que comprendan el entrenamiento distribuido, el dise\u00f1o de recompensas, la depuraci\u00f3n de gradientes y la gesti\u00f3n de puntos de control. El entrenamiento post-memoria y la navegaci\u00f3n al estilo RLM operan en la capa de aplicaci\u00f3n. OpenClaw funciona con archivos Markdown y configuraci\u00f3n. La pericia se desplaza de \u201c\u00bfpuedes entrenar un modelo?\u201d a \u201c\u00bfpuedes dise\u00f1ar un flujo de trabajo?\u201d, una reserva de talento mucho mayor.<\/p>\n Este es el premio mayor. La raz\u00f3n por la que 60% de los pilotos multiagente fracasan a escala no es el coste: es la degradaci\u00f3n de la fiabilidad. Los agentes que no pueden mantener un estado coherente a lo largo de m\u00e1s de 50 turnos son operativamente in\u00fatiles para los flujos de trabajo que m\u00e1s importan: investigaci\u00f3n en varios pasos, atenci\u00f3n al cliente compleja, migraci\u00f3n de c\u00f3digo, respuesta a incidentes.<\/p>\n El entrenamiento post-memoria aborda esto directamente. MEM1 mantiene un rendimiento casi constante en 16 objetivos. MemAgent mantiene la precisi\u00f3n a lo largo de 3,5 millones de tokens. Los RLM procesan entradas dos \u00f3rdenes de magnitud m\u00e1s all\u00e1 de las ventanas nativas sin degradaci\u00f3n. La combinaci\u00f3n -agentes que navegan en un contexto amplio y mantienen un estado interno compacto- es lo que hace viables los flujos de trabajo aut\u00f3nomos de varias horas.<\/p>\n La convergencia es real, pero tambi\u00e9n lo son las diferencias.<\/p>\n Formaci\u00f3n data escasez.<\/strong> El entrenamiento de la memoria basado en la RL requiere entornos en los que el agente pueda practicar la gesti\u00f3n de la memoria a escala. La mayor\u00eda de los trabajos utilizan tareas sint\u00e9ticas o puntos de referencia limitados. No se ha demostrado si estas se\u00f1ales de entrenamiento se transfieren a la desordenada diversidad de los flujos de trabajo empresariales.<\/p>\n La ingenier\u00eda de recompensas es fr\u00e1gil.<\/strong> La experiencia del equipo mem-agent es instructiva: los dise\u00f1os iniciales de las recompensas dieron lugar a modelos que jugaban a las recompensas de formato en lugar de resolver tareas. Pasaron por m\u00faltiples iteraciones antes de encontrar una receta estable. Esto no es plug-and-play.<\/p>\n Navegaci\u00f3n por encima.<\/strong> Los RLM requieren sistem\u00e1ticamente m\u00e1s tiempo de reloj de pared debido a la sobrecarga de paralelizaci\u00f3n sub-LLM. Para las aplicaciones sensibles a la latencia -chatbots, atenci\u00f3n al cliente en tiempo real- la RAG tradicional sigue siendo la opci\u00f3n m\u00e1s r\u00e1pida. El compromiso de los RLM favorece la precisi\u00f3n frente a la velocidad, lo que limita su aplicabilidad a los an\u00e1lisis profundos y a los flujos de trabajo de larga duraci\u00f3n.<\/p>\n La memoria multimodal es precoz.<\/strong> Los ocho trabajos posteriores a la formaci\u00f3n se centran en el texto. Los agentes que trabajan con im\u00e1genes, data estructurados, salidas de herramientas o modalidades mixtas necesitan sistemas de memoria que manejen contenidos heterog\u00e9neos. Nadie ha resuelto esto todav\u00eda.<\/p>\n Superficie de seguridad.<\/strong> La memoria que persiste y evoluciona crea vectores de ataque. Las entradas adversarias podr\u00edan envenenar la memoria a largo plazo. La retenci\u00f3n excesiva plantea problemas de privacidad en las industrias reguladas. La versi\u00f3n 2026.2.3 de OpenClaw aborda algunas de estas cuestiones con una protecci\u00f3n m\u00e1s s\u00f3lida contra la inyecci\u00f3n puntual, pero las implicaciones de seguridad m\u00e1s amplias de las pol\u00edticas de memoria aprendida siguen sin explorarse.<\/p>\n Tres desarrollos han convergido en el lapso de unos meses. El entrenamiento postmemoria ense\u00f1a a los agentes qu\u00e9 deben recordar. Los modelos de lenguaje recursivo ense\u00f1an a los agentes c\u00f3mo navegar por lo que a\u00fan no han recordado. Y los sistemas de producci\u00f3n como OpenClaw demuestran que estas capacidades pueden ofrecerse sin las barreras tradicionales del ajuste fino, la escasez de computaci\u00f3n y la profunda experiencia en ML.<\/p>\n La trayectoria est\u00e1 clara. En la fase 1 (ahora), los sistemas de memoria heur\u00edstica y la GAR son el est\u00e1ndar de producci\u00f3n. Funcionan. Util\u00edcelos. En la fase 2 (2026-2027), los m\u00f3dulos de memoria entrenados en RL pasan a estar disponibles como componentes enchufables, peque\u00f1os modelos especializados que se encargan de la gesti\u00f3n de la memoria para modelos de razonamiento m\u00e1s grandes. La navegaci\u00f3n al estilo RLM se convierte en una capacidad est\u00e1ndar del agente. En la fase 3 (2027+), el entrenamiento de la memoria y la navegaci\u00f3n contextual se fusionan en canalizaciones est\u00e1ndar posteriores al entrenamiento, junto con el ajuste de instrucciones y el razonamiento RL.<\/p>\n Queda por saber si la RL sobre la memoria resulta ser la respuesta o una pieza de un rompecabezas mayor. Puede que el a\u00f1o que viene surja algo totalmente distinto. Pero el n\u00famero de equipos independientes que llegaron a este planteamiento -combinado con la velocidad a la que sistemas de producci\u00f3n como OpenClaw han adoptado los principios- es dif\u00edcil de descartar. Ese tipo de convergencia suele significar algo.<\/p>\n Para los profesionales que construyen hoy en d\u00eda, la lecci\u00f3n pr\u00e1ctica es la siguiente: dise\u00f1e sus sistemas de modo que la capa de memoria sea modular y reemplazable, y proporcione a sus agentes herramientas para navegar por su contexto, no s\u00f3lo para recibirlo pasivamente. Los sistemas heur\u00edsticos que despliegue ahora acabar\u00e1n siendo sustituidos por otros entrenados. Si la gesti\u00f3n de la memoria est\u00e1 integrada en su canalizaci\u00f3n, ese intercambio ser\u00e1 costoso. Si se trata de una interfaz limpia, ser\u00e1 una mejora.<\/p>\n Los agentes que escalen en la producci\u00f3n no ser\u00e1n los que tengan las mayores ventanas contextuales o los modelos m\u00e1s caros. Ser\u00e1n los que hayan aprendido qu\u00e9 recordar y c\u00f3mo encontrar lo que no.<\/p>","protected":false},"excerpt":{"rendered":" En un art\u00edculo anterior, explor\u00e9 c\u00f3mo ocho equipos de investigaci\u00f3n independientes llegaron a la misma conclusi\u00f3n: en lugar de construir sistemas de memoria en torno al modelo, entrenar al modelo en s\u00ed mismo para gestionar la memoria como una habilidad aprendida. El entrenamiento post-memoria \u2014 utilizando aprendizaje por refuerzo en la fase post-entrenamiento \u2014 produce agentes que deciden qu\u00e9 almacenar, eliminar, consolidar y recuperar, todo ello optimizado para la finalizaci\u00f3n de la tarea.<\/p>","protected":false},"featured_media":1105039,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"blog-category":[2995],"blog-language":[2991],"class_list":["post-1103955","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-ai-technology","blog-language-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog\/1103955","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/types\/blog"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/media\/1105039"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/media?parent=1103955"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog-category?post=1103955"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog-language?post=1103955"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}El contexto como navegaci\u00f3n: el cambio de paradigma RLM<\/h2>\n
El momento OpenClaw<\/h2>\n
\nLa versi\u00f3n 2026.2.3 se centra espec\u00edficamente en el problema de fiabilidad que acaba con los flujos de trabajo de larga duraci\u00f3n: mejora de la coherencia de la ejecuci\u00f3n de herramientas, la gesti\u00f3n de sesiones, la fiabilidad de la memoria y el aislamiento de agentes para una automatizaci\u00f3n estable de larga duraci\u00f3n. No se trata de caracter\u00edsticas de investigaci\u00f3n. Son correcciones de producci\u00f3n para los modos de fallo exactos que la investigaci\u00f3n de formaci\u00f3n post-memoria identifica.<\/p>\nTraducci\u00f3n empresarial: por qu\u00e9 cambia la ecuaci\u00f3n de la escala<\/h2>\n
La barrera del coste baja<\/h3>\n
Cae la barrera de la experiencia<\/h3>\n
Fiabilidad a largo plazo<\/h3>\n
Tres cosas que debe vigilar en su pila<\/h3>\n
\n
Limitaciones y preguntas abiertas<\/h2>\n
Hacia d\u00f3nde se dirige<\/h2>\n