Lunes 2 de noviembre de 2026 ·

Investigadores de Tsinghua y Microsoft Research Asia recortan un 88% los tokens de un agente de código basado en DeepSeek

Relevancia 63 de 100 China, Pekín

Útil para Programadores 78%

HarnessMM, un método presentado por investigadores de Tsinghua y Microsoft Research Asia, reduce el consumo medio de tokens por tarea en HumanEval de 96,28 mil a 11,62 mil, mientras la tasa de éxito sube del 71,43% al 85,71%. La técnica actúa sobre el andamiaje (harness) del agente, que guarda decisiones ya resueltas para evitar llamadas innecesarias al modelo, sin modificar sus pesos ni reentrenarlo. Es un preprint pendiente de revisión por pares y los resultados se limitan a benchmarks de programación.

Qué significa

Los equipos que construyen agentes de programación sobre modelos de terceros podrían reducir su coste de cómputo sin reentrenar ni cambiar pesos, porque la mejora está en la coordinación de las llamadas al modelo. Si el ahorro se confirma fuera de los benchmarks de código, el consumo de tokens pasaría a ser una palanca de coste accesible para cualquier harness.

Fuentes originales

Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.

También ese día

Todas las noticias de IA del lunes 2 de noviembre de 2026 ->