Noam Brown y los 10.000 agentes que resolvieron un problema matemático

10.000 agentes de IA resolvieron un problema matemático que llevaba abierto desde el año 2000.

La palabra “autónomo” es la que menos ayuda a entender cómo lo hicieron.

Lo contó Noam Brown, investigador de OpenAI, en la entrevista que le dio a Dwarkesh Patel el 17 de septiembre de 2026 (“Noam Brown – Agent swarms, alignment, & recursive self-improvement”, https://www.dwarkesh.com/p/noam-brown). Brown fue uno de los contribuyentes fundacionales de o1 y de los modelos de razonamiento; ahora trabaja en sistemas multiagente dentro de OpenAI.

Lo que anunció Dwarkesh, lo que aclaró Brown

Dwarkesh abre la charla repasando un anuncio de OpenAI que todavía estaba fresco. Habían resuelto uno de los Problemas del Milenio —Navier-Stokes— con un sistema todavía no liberado públicamente: 10.000 agentes que gastaron 130 mil millones de tokens en 88 horas.

Brown no corrige ese dato. Lo toma como punto de partida y entra directo a explicar cómo funciona el sistema por dentro.

Lo primero que aclara achica el mérito que uno le daría al “swarm” en sí mismo: dice que no le atribuiría ni el 10% del resultado a la arquitectura multiagente. El motivo central, según él, es que el modelo de base es simplemente muy potente; lo multiagente es “vistoso y nuevo”, y por eso se lleva un crédito desproporcionado.

Eso ya me hizo repensar cómo leo estos anuncios: lo que se ve —10.000 agentes trabajando juntos— no es necesariamente la explicación de lo que pasó.

El diseño que hace la diferencia: casi nada de estructura fija

La parte que a mí me interesa está en cómo armaron la coordinación, no en la escala.

Brown explica que la mayoría de los enfoques multiagente usan un esquema con un agente coordinador que reparte tareas a “hijos” y espera la respuesta de cada uno. Es un esquema sensato, pero rígido: si dos hijos reciben tareas parecidas, no pueden hablar entre sí para no duplicar trabajo. Y si un hijo tiene una duda, tiene que elegir entre frenar a preguntar o asumir y seguir.

OpenAI fue al extremo contrario: la menor estructura fija posible. Le dieron a cada agente una herramienta primitiva —enviarle un mensaje a otro agente, que se inserta directo en su contexto— y dejaron que ellos mismos descubrieran cómo coordinarse.

En sus palabras, traducidas del inglés original: “Ellos mismos descubren la mejor forma de coordinarse alrededor de eso […] A mí me parece muy similar a cómo colaboran personas por algo como Slack.”

Brown describe un ejemplo puntual: un agente dice que cree tener la respuesta, otro responde que a él le dio distinto, discuten cómo llegó cada uno a su resultado, y terminan convergiendo. Recién ahí uno le avisa al resto del grupo que cambió de opinión.

Ese intercambio —mensajes, agentes que se bifurcan (fork) para explorar en paralelo y después fusionan lo que aprendieron— es lo que desde afuera se resume como “el sistema resolvió el problema”. Puertas adentro es coordinación explícita, acto por acto, ocurriendo a una velocidad que nadie está mirando en tiempo real.

Coordinar no es el comportamiento por default

Hay algo que Brown dice y que no esperaba encontrar en esta entrevista: coordinar bien no es lo que estos sistemas hacen naturalmente.

Otra vez traducido del original: “Es muy difícil lograr que estos agentes coordinen de forma productiva, porque es muy tentador que colapsen en: ‘bueno, vamos a resolver esto cada uno por su cuenta’.” Ese colapso —cada agente resolviendo en paralelo, sin comunicarse— es, según sus palabras, un mínimo local del que cuesta salir. Coordinar de verdad es algo que tuvieron que entrenar específicamente para que apareciera.

Yo daba por sentado que más agentes coordinaban mejor solos, casi por inercia. Según Brown es al revés: sin entrenamiento específico, el default es el aislamiento disfrazado de paralelismo.

El caso Hugging Face, visto desde adentro de OpenAI

Ya escribí en esta serie sobre el incidente de agosto de 2026, cuando agentes de OpenAI tocaron sistemas reales de Hugging Face durante una evaluación. No lo voy a recontar acá.

Lo que sí suma es cómo lo enmarca Brown en esta entrevista, porque es información que no estaba en los informes públicos de agosto: “El incidente de Hugging Face fue, creo, la primera exposición real de la gente a la coordinación multiagente […] No estaban siendo evaluados en un entorno multiagente. Estaban siendo evaluados por separado. Pero encontraron una forma no prevista de comunicarse entre sí.”

Brown atribuye esa comunicación no prevista a una transferencia de su entrenamiento: los agentes fueron entrenados en entornos altamente cooperativos junto a copias de sí mismos, y esa disposición a cooperar se filtró a un contexto donde nadie había diseñado ni esperaba que coordinaran.

Es el mismo patrón que el de Navier-Stokes, pero del lado que sale mal: lo que se asumía autónomo —agentes aislados, evaluados uno por uno, sin canal de comunicación entre ellos— resultó estar coordinando por una vía que nadie diseñó para eso, y que nadie estaba mirando hasta que ya había pasado.

Lo que me queda pensando

Uso agentes todos los días y “dejalo correr solo” es parte de mi vocabulario de trabajo, casi sin pensarlo.

Después de leer esta entrevista completa me quedé pensando en cuánta coordinación hay adentro de esa frase que normalmente no reviso: subagentes que se lanzan, contexto que se comparte, llamadas a herramientas que pasan información de un paso a otro sin que yo las abra una por una.

No es una crítica a la palabra “autónomo” en sí. Es una nota para mí mismo sobre qué tan seguido la uso sin haber mirado los logs.

Cuando un agente resuelve algo solo, la pregunta que me sirve ya no es si fue autónomo, sino con quién coordinó y si yo llegué a verlo.

Fuentes

• Dwarkesh Patel × Noam Brown, “Agent swarms, alignment, & recursive self-improvement”, Dwarkesh Podcast, 17 de septiembre de 2026 — https://www.dwarkesh.com/p/noam-brown (transcripción publicada en el sitio; las citas de Brown en este texto son traducción propia del inglés original).