La fuerza de un enjambre aparece cuando una tarea compleja se divide en tareas atómicas con límites claros, cada Agent completa su parte de forma independiente y los resultados se integran de manera fiable. Los experimentos también muestran que los Agents eligen colaboradores distintos según la información que pueden ver y forman gradualmente estructuras organizativas diferentes.
En la investigación académica, los sistemas «multi-Agent» incluyen la colaboración por roles (Li et al., 2023), el debate en varias rondas (Du et al., 2024) y el comportamiento colectivo emergente (Chen et al., 2024). En los sistemas industriales, un «enjambre» suele adoptar la forma de un Agent principal que coordina varios workers (Anthropic, 2025). Estos sistemas usan nombres parecidos, pero se evalúan con criterios distintos: precisión, coste, robustez y capacidad de los Agents para formar por sí mismos una división del trabajo y una red de relaciones.
Este artículo examina dos preguntas que afectan directamente a la entrega. ¿Puede un enjambre descomponer una tarea por completo, terminar cada parte e integrar los resultados de forma fiable? ¿Pueden los Agents formar gradualmente la división del trabajo y las conexiones? La primera pregunta determina si el enjambre puede entregar un resultado fiable. La segunda determina si puede desarrollar capacidad de autoorganización.
Las tareas grandes requieren una descomposición completa, límites claros e interfaces fiables. Cada Agent completa una tarea local; el conjunto de resultados locales cubre la tarea original y se integra mediante interfaces fijas.
Figura 1 | Comparación central del artículo. En el enjambre EvoX, varios Agents completan un part cada uno y sus resultados se integran; en el modo Sub-Agent, un LLM principal se encarga de la descomposición y la síntesis; el modo de contexto único coloca toda la tarea en un solo contexto. El experimento 1 valida la cobertura completa, los contextos independientes y la agregación mediante un programa. La descomposición autónoma, la asignación autónoma de tareas y el intercambio de información entre Agents todavía deben validarse dentro de un ciclo cerrado.
Los dos experimentos responden a dos preguntas de investigación. El experimento 1 comprueba si el enjambre mejora el resultado final una vez establecida una división completa del trabajo. El experimento 2 comprueba si los Agents pueden elegir sus propios compañeros y formar una estructura cuando la organización no está completamente predeterminada.
Experimento 1: la ventaja real del enjambre no procede solo de su tamaño
El experimento utiliza un conjunto fijo de 563 preguntas: 100 de lógica, 250 de matemáticas generales, 63 de matemáticas de competición y 150 de física, procedentes de ZebraLogic, MATH, AIME/HMMT y UGPhysics. Los tres modos utilizan Claude Haiku 4.5. El conjunto de preguntas y los criterios de evaluación se mantienen constantes; solo cambian la descomposición, la ejecución y la integración de las tareas.
Figura 2 | Composición del conjunto del experimento 1: 563 preguntas de lógica, matemáticas generales, matemáticas de competición y física.
El primer modo es el enjambre EvoX. La tarea objetivo se divide por completo en tantas tareas atómicas como resulte práctico. Cada pregunta se entrega a un Agent independiente, cada Agent completa una sola parte cada vez y escribe la respuesta en una ubicación determinada. Un programa diseñado por el Agent principal recoge al final las respuestas por número de pregunta. Ningún segundo modelo reescribe los resultados y ningún rol central decide qué respuestas conservar.
El segundo modo es Sub-Agent. Representa el mecanismo de coordinación mediante un Agent principal que utilizan productos como Claude Code y Codex. Un LLM coordinador ve primero la lista completa de preguntas y divide el trabajo en varias subtareas, que también pueden descomponerse. Los Sub-Agents resuelven preguntas en sesiones continuas, preparan informes y los devuelven al LLM principal. Finalmente, el coordinador combina 30 informes en la tabla de respuestas.
El tercer modo utiliza un único contexto. Un Agent resuelve directamente toda la tarea objetivo dentro del mismo contexto y genera todas las respuestas de una vez.
Los resultados forman tres niveles claros: el enjambre EvoX alcanza 70.69%-70.87%, el modo Sub-Agent alcanza 38.54% y el contexto único alcanza 26.29%.
Figura 3 | Con el mismo modelo y el mismo conjunto de preguntas, las tres formas de organización producen tres niveles de resultado. Una pregunta del enjambre EvoX sufrió un tiempo de espera agotado en la red; por eso se informa un intervalo utilizando las 563 preguntas fijas como denominador.
Llamar más veces al modelo no mejora automáticamente el resultado. El modo Sub-Agent también utiliza varios Agents y, en este experimento, tuvo el nivel de coste observado más alto de los tres sistemas. Aun así, su resultado final quedó muy por debajo del enjambre EvoX.
Los trabajos anteriores también muestran que los beneficios de un sistema multi-Agent dependen de la organización. La definición de roles, la coordinación, la validación y los mecanismos de terminación pueden introducir nuevos puntos de fallo (Hong et al., 2024; Cemri et al., 2025).
La ventaja del enjambre requiere que se cumplan tres condiciones a la vez.
Primera, la tarea se divide en unidades atómicas con límites claros. Cada pregunta tiene un responsable y una ubicación de salida definidos. Cada tarea atómica se puede rastrear y ejecutar de forma independiente y paralela.
Segunda, las ejecuciones están aisladas. Cada Agent afronta un problema local; no necesita cambiar repetidamente de foco dentro de un contexto enorme ni permanece expuesto al contenido acumulado de decenas de tareas anteriores. La investigación sobre contextos largos muestra que los modelos no utilizan de manera estable la información situada en la zona intermedia del contexto. Ese resultado coincide con la dirección de este experimento, pero aquí no se manipuló de forma independiente la posición de las preguntas, por lo que la diferencia no puede atribuirse al efecto «lost in the middle» (Liu et al., 2024).
Tercera, la integración no depende de que otro modelo vuelva a interpretar las respuestas. Un programa recoge los resultados de las tareas atómicas en ubicaciones acordadas. Las respuestas correctas ya producidas no pasan por otro LLM para ser reformuladas, comprimidas o seleccionadas.
El enjambre transforma una tarea compleja en partes con límites claros, que pueden completarse de forma independiente e integrarse de manera fiable. El paralelismo es el resultado; la cobertura completa y la integración fiable son las condiciones previas.
El 38.54% del modo Sub-Agent es solo la puntuación de la entrega final. Para determinar si la pérdida se produjo durante la resolución o durante la transmisión y la integración, rastreamos los resultados intermedios de las 30 subtareas y los revisamos pregunta por pregunta.
Los Sub-Agents habían respondido correctamente 373 preguntas en algún momento, pero muchas respuestas correctas nunca llegaron al resultado final.
El flujo Sub-Agent perdió 166 respuestas correctas. ¿Qué hizo diferente el enjambre EvoX?
En los resultados intermedios, 373 de las 563 preguntas ya eran correctas. Después de transmitir los informes y realizar la síntesis final con el LLM coordinador, la entrega contenía solo 217 respuestas correctas. De ellas, 207 se mantuvieron correctas desde la etapa intermedia hasta el resultado final y 10 pasaron de incorrectas a correctas. Un total de 166 respuestas que habían sido correctas terminaron siendo incorrectas o desaparecieron de la entrega final. La tasa de conservación de las respuestas intermedias correctas fue del 55.50%.
Figura 4 | De las 373 respuestas intermedias correctas del modo Sub-Agent, 166 no se conservaron en el resultado final.
Cada nueva transmisión en lenguaje natural añade otra oportunidad para omitir información, comprimirla, alterar el formato o sustituirla por error. Cuando una etapa introduce un fallo, las etapas posteriores solo pueden procesar la información que ya ha sido dañada.
Estas 166 preguntas no pueden atribuirse por completo a la última síntesis. La acumulación de contexto en sesiones continuas, la manera en que los Sub-Agents redactaron sus informes y la forma en que el coordinador los combinó formaron conjuntamente la cadena de pérdida de información. Las investigaciones recientes también sitúan los fallos multi-Agent en el diseño del sistema, la alineación entre Agents, la validación y la terminación (Cemri et al., 2025).
El enjambre EvoX evita que una respuesta correcta pase por otra ronda de «comprensión». Cada resultado se escribe en una ubicación fija y el programa lo recoge directamente por número de pregunta: los Agents resuelven; el programa integra. Otro LLM no tiene que leer 30 informes y decidir de nuevo qué respuestas conservar.
Con el mismo modelo, el modo Sub-Agent terminó con 217 respuestas correctas y el enjambre EvoX con 398. La diferencia procede tanto de la granularidad de las tareas como de la transmisión de las respuestas: las tareas se dividen con más detalle y las respuestas ya correctas llegan al destino de forma más completa.
El enjambre EvoX tuvo éxito, pero el experimento 1 aún no cerró el ciclo de autoorganización
El experimento 1 valida la capa de ejecución del enjambre. Cuando ya existe una división completa del trabajo, cada Agent completa su part y el sistema integra los resultados de manera fiable, el enjambre puede liberar mucha más capacidad del mismo modelo.
El script todavía garantiza esta descomposición completa. En las tareas reales, los parts dependen unos de otros, requieren especialidades distintas y durante la ejecución aparecen trabajo nuevo, fallos, conflictos o duplicaciones.
La siguiente pregunta es si los Agents pueden descubrir especialidades, asumir tareas, elegir compañeros y ajustar la organización por sí mismos. El experimento 2 comienza con la acción mínima: elegir un compañero.
Experimento 2: un enjambre libre produjo formas organizativas coherentes
El experimento 2 comienza con 24 Agents de configuración idéntica que resuelven preguntas de forma independiente. Después de cada pregunta, el Agent resume lo aprendido sobre ese tipo de problema y lo escribe en una memory persistente. En el experimento, estos aprendizajes se registran como Genes en el campo de código skill. Cuantos más aprendizajes acumula un Agent sobre un tipo de pregunta, mayor es la probabilidad de que elija ese tipo en la ronda siguiente. Después de ocho rondas, el sistema obtiene dos señales de identidad a partir de las elecciones y los resultados reales de cada Agent: especialización y precisión.
Tomemos agent-8 como ejemplo. Comienza con la misma configuración que los demás Agents. En ocho rondas, elige física cinco veces, matemáticas generales dos veces y matemáticas de competición una vez. Termina con un perfil de especialización «física 0.625, matemáticas 0.25, matemáticas de competición 0.125» y una precisión de 0.25. Su orientación hacia la física procede del historial formado por la selección de preguntas y la acumulación de memory; no se le asignó previamente un rol de física.
Después, los 24 Agents parten de la misma red de relaciones en forma de anillo. Cada Agent está conectado con sus dos vecinos más próximos a cada lado, para un total de cuatro relaciones. El experimento elimina aleatoriamente algunas conexiones y pide a cada Agent afectado que elija un nuevo compañero entre los candidatos con quienes aún no está conectado.
Los Agents iniciales, las conexiones eliminadas y el conjunto de candidatos son idénticos en los tres grupos. Solo cambia la información visible durante la elección:
- Las conexiones entre los candidatos;
- Las conexiones, la especialización y la precisión;
- Ningún criterio de preferencia: el sistema reconecta al azar como grupo de control.
El mismo Agent utiliza una regla de elección distinta cuando cambia la información disponible.
Figura 5 | El mismo agent-8 elige compañeros distintos según la información disponible. Cuando solo ve relaciones, elige a un amigo de un amigo. Cuando ve información de las tareas, elige a un compañero con capacidades complementarias.
En una decisión observada, agent-8 elige a agent-7 cuando solo puede ver las conexiones sociales porque ambos comparten cuatro vecinos existentes: un amigo de un amigo. La ciencia de redes denomina cierre triádico (triadic closure) a este mecanismo clásico mediante el cual se forman grupos en las redes de relaciones (Watts & Strogatz, 1998; Papachristou & Yuan, 2025). Agent-7 tiene una precisión de 0.25, pero agent-8 no puede ver esa información en ese momento.
Cuando la especialización y la precisión están visibles, el mismo agent-8 elige a agent-2, con quien no comparte ningún vecino. Agent-2 tiene una precisión de 0.75 y una especialización que complementa a agent-8. La explicación verbal del modelo sobre la información de los candidatos contiene errores en algunos casos, pero la dirección general de la elección cambia de forma estable: cuando solo ve relaciones, busca conocidos; cuando ve información de las tareas, elige compañeros con capacidades más adecuadas.
El cambio también aparece en el conjunto de elecciones. Con información social únicamente, elegir a un amigo de un amigo es la preferencia más fuerte, con una intensidad de +2.28. Cuando se añade información de las tareas, esa preferencia baja a +0.19. Las preferencias dominantes pasan a ser elegir candidatos con una precisión alta, con +1.88, y candidatos con especializaciones similares, con +1.47. La investigación sobre redes sociales llama homofilia (homophily) a la tendencia a conectar con personas similares (McPherson et al., 2001).
Los mismos Agents formaron dos estructuras organizativas
A medida que se acumulan muchas elecciones locales, toda la red cambia.
Con información social únicamente, los Agents se conectan repetidamente con amigos de amigos y conservan grupos locales claros. El coeficiente global de agrupamiento es 0.53. Cuando se muestran la especialización y la precisión, los Agents están más dispuestos a cruzar los grupos existentes para conectarse con participantes de mayor puntuación. El coeficiente de agrupamiento baja a 0.28, cerca del control con reconexión aleatoria, 0.27, y aparecen nodos centrales más destacados. El punto de partida en forma de anillo, la reconexión y la métrica de agrupamiento proceden del marco clásico de redes de mundo pequeño. Una clasificación estricta como «mundo pequeño» también requiere comparar las longitudes de camino con redes aleatorias y regulares de referencia (Watts & Strogatz, 1998; Telesford et al., 2011).
Figura 6 | Los grupos locales se conservan cuando los Agents solo ven información social. Añadir información de las tareas desplaza la red hacia un menor agrupamiento y una mayor centralización.
Figura 7 | Los mismos Agents y las mismas perturbaciones producen organizaciones distintas debido a la información disponible. Las aristas representan las elecciones de reconexión de los Agents, no el flujo de mensajes ni la transferencia de tareas. El diagrama muestra seed 5004 como ejemplo visual; la conclusión general procede de observaciones repetidas.
El siguiente paso consiste en comprobar si estas conexiones pueden sostener una colaboración real: los Agents intercambian Genes a través de las relaciones que formaron, transfieren tareas, buscan compañeros con especialidades complementarias y encuentran sustitutos después de un fallo. Solo tras esa validación podrá la estructura observada convertirse en un sistema de enrutamiento de tareas y propagación de experiencia que los Agents utilicen de verdad.
EvoX: hacia un enjambre autoorganizado
Los dos experimentos identifican dos capas de capacidad que dependen entre sí.
La primera es una base fiable para la ejecución del enjambre. Cada part tiene un ID estable, la cobertura de la tarea se puede comprobar, los resultados regresan mediante interfaces estructuradas, se pueden detectar duplicaciones y vacíos, los fallos se pueden reintentar y la integración final se realiza mediante un programa siempre que resulte práctico. El experimento 1 muestra que estas restricciones de ingeniería determinan directamente si la capacidad individual llega intacta al destino.
La segunda es un mecanismo adaptable de autoorganización. Los Agents exponen y actualizan su especialidad, proponen descomposiciones de tareas, asumen parts, eligen colaboradores y redistribuyen el trabajo cuando descubren dependencias o conflictos. El experimento 2 muestra que la información expuesta a los Agents cambia a quién eligen y la estructura organizativa resultante.
La división autónoma del trabajo sigue necesitando protocolos fiables. Los Agents pueden decidir quién hace el trabajo, cómo se combinan las partes y cuándo se ajusta la organización. La cobertura de las tareas, los formatos de los resultados y el tratamiento de errores deben seguir siendo verificables.
Un verdadero enjambre de IA permite que cada individuo complete su part, garantiza que todos los parts cubran juntos la tarea completa y facilita que los Agents adecuados se encuentren en el momento oportuno.
El experimento 1 demuestra el potencial de una ejecución fiable mediante enjambres. El experimento 2 aporta pruebas de que empiezan a formarse relaciones autoorganizadas. La descomposición de tareas, el enrutamiento mediante relaciones y la colaboración real todavía deben validarse dentro de un mismo ciclo cerrado.
Referencias
Colaboración y evaluación multi-Agent
- Li, G., Hammoud, H. A. A. K., Itani, H., Khizbullin, D., & Ghanem, B. (2023). CAMEL: Communicative Agents for “Mind” Exploration of Large Language Model Society. NeurIPS 2023.
- Du, Y., Li, S., Torralba, A., Tenenbaum, J. B., & Mordatch, I. (2024). Improving Factuality and Reasoning in Language Models through Multiagent Debate. ICML 2024, 11733-11763.
- Chen, W., et al. (2024). AgentVerse: Facilitating Multi-Agent Collaboration and Exploring Emergent Behaviors. ICLR 2024.
- Wu, Q., et al. (2024). AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation. COLM 2024.
- Hong, S., et al. (2024). MetaGPT: Meta Programming for A Multi-Agent Collaborative Framework. ICLR 2024.
- Cemri, M., et al. (2025). Why Do Multi-Agent LLM Systems Fail?. arXiv:2503.13657.
- Zhu, K., et al. (2025). MultiAgentBench: Evaluating the Collaboration and Competition of LLM Agents. ACL 2025, 8580-8622. doi: 10.18653/v1/2025.acl-long.421.
Contextos largos y metodología experimental
- Liu, N. F., et al. (2024). Lost in the Middle: How Language Models Use Long Contexts. Transactions of the Association for Computational Linguistics, 12, 157-173.
- Liang, P., et al. (2023). Holistic Evaluation of Language Models. Transactions on Machine Learning Research.
- AWS. Claude Haiku 4.5 model card.
Ciencia de redes y formación de redes de LLM
- Watts, D. J., & Strogatz, S. H. (1998). Collective dynamics of “small-world” networks. Nature, 393, 440-442.
- McPherson, M., Smith-Lovin, L., & Cook, J. M. (2001). Birds of a Feather: Homophily in Social Networks. Annual Review of Sociology, 27, 415-444.
- Telesford, Q. K., Joyce, K. E., Hayasaka, S., Burdette, J. H., & Laurienti, P. J. (2011). The Ubiquity of Small-World Networks. Brain Connectivity, 1(5), 367-375.
- Papachristou, M., & Yuan, Y. (2025). Network formation and dynamics among multi-LLMs. PNAS Nexus, 4(12), pgaf317.
- Anthropic. (2025). How we built our multi-agent research system.
