Horizonte temporal de los agentes
Etapa 5 · IA generativa, razonamiento y agentes (2022–2026) › Agentes
- Linaje
- Acción en el mundo
- Tipo
- Publicación
Quién
METR
Qué ocurrió
Thomas Kwa y sus colegas de METR proponen medir a los agentes por la duración de las tareas que completan: el tiempo que tardaría una persona experta en las tareas que el agente resuelve la mitad de las veces. Ese horizonte se ha duplicado cada unos siete meses desde 2019.
Qué aportó
Una medida de progreso en horas de trabajo humano, comparable entre modelos y años, que pasa a usarse para seguir la capacidad de los agentes.
Desarrollo
Las pruebas de los modelos se quedaban obsoletas en meses: un modelo nuevo llegaba cerca del 100 % y la cifra dejaba de decir nada. Tampoco decían cuánto trabajo real podía hacer un agente por su cuenta.
METR, una organización independiente que evalúa los riesgos de los modelos de frontera, propuso otra unidad. Reunió tareas de programación e investigación de distinta longitud, desde unos segundos hasta varias horas, y midió cuánto tardaban en hacerlas profesionales humanos. Después vio qué tareas completaba cada modelo. El horizonte temporal es la duración humana de las tareas que el modelo resuelve con un 50 % de éxito.
El artículo, publicado en arXiv el 18 de marzo de 2025 y presentado al día siguiente en el blog de METR, encontró una tendencia muy regular: desde 2019, ese horizonte se había duplicado cada unos siete meses, y quizá más deprisa en 2024. Claude 3.7 Sonnet, el mejor modelo medido, completaba la mitad de las tareas que a una persona le llevan unos 50 minutos.
Los autores señalaron los límites: el resultado depende de qué tareas y qué personas se midan, y las tareas son más ordenadas que el trabajo real. Pero si la tendencia continuaba, antes de que acabara la década los agentes podrían completar solos proyectos que a una persona le llevan un mes.
Viene de
SWE-bench (10 de octubre de 2023)
Influencia directa documentada
METR mide también el horizonte temporal en SWE-bench Verified, donde se duplica en menos de tres meses, y lo compara con su propia tendencia
Hilos que pasan por aquí
- De responder a actuar (paso 7 de 9)
Bibliografía
Fuente original
- Measuring AI Ability to Complete Long Tasks (arXiv:2503.14499) (se abre en una pestaña nueva). Thomas Kwa y otros, 2025
Estudios y contexto
Cómo citar
«Horizonte temporal de los agentes». En La historia de la IA, revisión del 13 de noviembre de 2026. https://thehistoryofai.com/es/hito/horizonte-temporal-metr
Última revisión de esta ficha: 13 de noviembre de 2026.