HybridAgents recorta hasta un 55% los tokens de un agente, pero el dato clave es que el razonamiento ya es la factura

Por El Ecosistema Startup · 18 de octubre de 2026.

Un nuevo preprint en arXiv, «Hybrid Reasoning Agents», presenta HybridAgents, un framework que permite a un agente de IA razonar en un espacio latente, es decir, en representaciones internas continuas sin convertir cada paso en texto, y volver al lenguaje natural solo cuando debe actuar sobre el entorno. Según los autores, reduce los tokens entre un 35,5% y un 54,7% y acelera la inferencia entre 1,8x y 2,6x.

El paper también reporta una mejora media de rendimiento del 10,4% y un ahorro de coste de 2,7x a 3,7x. Cryptobriefing traduce esto último en una reducción de cómputo de aproximadamente el 63% al 73%. La evaluación cubrió 11 benchmarks (matemáticas, ciencia, medicina, búsqueda y razonamiento agéntico) y tres escalas de modelo. Todas las cifras son de los propios autores, entre ellos Jiaru Zou, de Stanford y Together AI.

El método se apoya en tres piezas. HybridLink es un módulo ligero que gestiona el paso entre modo latente y modo texto. Una memoria de trabajo continua conserva el contexto entre llamadas a herramientas. Y un post-entrenamiento en dos fases, HybridSFT (ajuste supervisado que estabiliza la generación con herramientas) e HybridRL (aprendizaje por refuerzo que enseña cuándo conviene pensar en silencio y cuándo actuar), completa el sistema. El código está en GitHub (togethercomputer/HybridAgent) y los modelos en Hugging Face.

Hay tres cautelas importantes. Es un preprint, sin revisión formal de pares garantizada. Las pruebas usaron modelos Qwen3-Base de 4B, 8B y 14B parámetros, así que no sabemos si el efecto se mantiene en modelos de frontera. Y los pensamientos latentes pueden mostrarse como pseudo-texto legible, pero, como aclara Cryptobriefing, eso no equivale a leer la cadena de pensamiento literal del modelo.

El contexto de coste explica por qué importa. Según Gartner, el coste de inferencia por flujo de trabajo agéntico se multiplicará por más de cinco hasta 2028, aunque el precio por token siga cayendo (la firma prevé un 95% menos para 2030). Gartner lo llama la «paradoja de la inferencia»: mejor economía unitaria, mayor gasto total. Según el mismo análisis, un agente que razona puede costar hasta 150 veces más que un chatbot básico en una tarea.

**Nuestra lectura.** La tesis que nos interesa no es la técnica concreta, sino lo que delata: el razonamiento intermedio de los agentes es el nuevo coste oculto de la IA. Durante años hemos celebrado que el precio por token baja; los agentes se comen ese ahorro porque piensan mucho, y piensan en texto que alguien paga y nadie lee. Atacar ese eslabón es más relevante que ganar un punto en un benchmark.

Pero hay un trade-off que conviene decir en voz alta. El razonamiento en texto es caro, pero es auditable. Si pasamos a pensar en silencio, ganamos eficiencia y perdemos parte de la transparencia, y la compensación del pseudo-texto es, por ahora, una aproximación. En general, en sectores regulados como la medicina (uno de los dominios evaluados), esa diferencia no es un detalle: determinará si estos agentes pueden desplegarse. Enlaza con una idea que defendemos: la pregunta de diseño de los agentes ya no es solo qué pueden hacer, sino quién puede verificar lo que han hecho.

También conviene desconfiar del titular de «55% menos». Medir el éxito por tokens ahorrados es medir el síntoma. Lo que cuenta es el coste por resultado terminado: ahorrar tokens en un flujo que falla más es una pérdida. Con modelos de hasta 14B, además, la prueba favorece a quien despliega en hardware propio, lo que encaja con la democratización del open-weight: si estas técnicas escalan, bajan la barrera de entrada para agentes útiles sin depender de un gran proveedor.

A corto plazo, el efecto práctico es modesto y está en manos de equipos técnicos: separar en el seguimiento los tokens de razonamiento de los de respuesta final, enrutar cada consulta al modelo más barato que la resuelva (el «inference tiering» que recomienda Gartner) y probar el enfoque híbrido en una tarea acotada antes de reescribir nada. A largo plazo, si la computación por tarea cae de forma sostenida, los agentes dejan de ser un lujo de margen estrecho y se acercan a ese escenario de abundancia en el que automatizar trabajo rutinario es casi gratis. Hoy es una promesa de laboratorio; lo valioso es que apunta al cuello de botella correcto.