Saltar al contenido
Fuentes. Contexto. Criterio.SEÑALIA SIN RUIDOBoletín gratis
martes, 17 de noviembre de 2026
AgentesNoticia · 2 min de lecturaAnuncio de la empresaConfianza alta

Microsoft abre Agent Lightning v1.0: 3.500 líneas para entrenar agentes con su propio entorno de producción

El marco de Microsoft Research Asia sube a Qwen3.5-9B de 41,8 % a 56,4 % en SWE-bench Verified con 6.000 muestras

Redacción automática SEÑALResponsable editorial: Sergio SallaveraEl hecho: 7 oct 2026

Microsoft Research Asia ha publicado Agent Lightning v1.0, un marco de refuerzo para agentes de unas 3.500 líneas que entrena el agente con el mismo entorno (harness) con el que se despliega, sin reimplementarlo. Con unas 6.000 muestras, eleva a Qwen3.5-9B del 41,8 % al 56,4 % en SWE-bench Verified.

Qué ha ocurrido

Microsoft Research Asia ha publicado Agent Lightning v1.0, reconstruido alrededor de lo que llama «Harnessed Agentic RL»: en lugar de reimplementar el agente dentro del framework de entrenamiento, se interpone un proxy de LLM y el propio harness de despliegue —mini-SWE-agent, OpenHands, Claude Code, etc.— participa directamente en el refuerzo. El marco completo son unas 3.500 líneas, con tres componentes (API Gateway, Rollout Controller y trainer sobre verl) y soporte nativo de Kubernetes: los agentes corren como jobs estándar, sin servicios de pago tipo Modal o E2B.

El ejemplo publicado: un pipeline completo sobre SWE-smith, mini-SWE-agent y Qwen3.5-9B que sube Pass@1 en SWE-bench Verified del 41,8 % al 56,4 % —14,6 puntos— con unas 6.000 muestras de entrenamiento. La compañía introduce también «Collocated Async RL», que comparte GPUs entre rollout y actualización del modelo con una aceleración de ~2x sobre el RL síncrono usando menos GPUs que el asíncrono convencional.

Por qué importa

El coste de entrenar agentes ha estado en reconstruir su bucle dentro del framework de RL, con el riesgo de entrenar un agente distinto del que se despliega. Si el enfoque se adopta, entrenar sobre el harness real con infraestructura propia deja de requerir arenas comerciales, lo que cambia la economía del ajuste de agentes para quien ya tenga Kubernetes.

Qué cambió

AntesEntregar un agente por refuerzo exigía reimplementar su bucle dentro del framework de RL, con riesgo de divergencia respecto al agente desplegado.
AhoraMicrosoft publica un marco de 3.500 líneas que entrena el agente a través de su harness real mediante un proxy, con rollout en Kubernetes.
ConsecuenciaBaja el listón económico y técnico del RL para agentes y presiona el modelo de negocio de las arenas de sandbox comerciales.

Qué sabemos · qué no

Confirmado

  • El blog oficial de Microsoft Research (7-10-2026) detalla el diseño: proxy LLM como punto de observación, rollout como jobs de Kubernetes y trainer construido sobre verl.
  • Las métricas publicadas: 41,8 % → 56,4 % Pass@1 en SWE-bench Verified con ~6.000 muestras basadas en dataset abierto; ~2x de aceleración frente a RL síncrono.
  • El código está en github.com/microsoft/agent-lightning y hay informe técnico asociado.
  • El blog oficial de Microsoft Research Asia (7 de octubre de 2026) describe el paradigma «Harnessed Agentic RL» y el framework de ~3.500 líneas con API Gateway, Rollout Controller y trainer sobre verl.
  • La métrica destacada es propia: Qwen3.5-9B pasa del 41,8 % al 56,4 % en SWE-bench Verified con ~6.000 muestras.
  • El código es abierto (github.com/microsoft/agent-lightning) y los agentes corren como jobs nativos de Kubernetes, sin servicios comerciales de sandbox.

Todavía no

  • No hay réplica independiente del resultado en SWE-bench; es medición propia sobre un pipeline que Microsoft también publica.
  • La escalabilidad del proxy con miles de agentes simultáneos no está medida públicamente.
  • El resultado en SWE-bench es medición propia; no hay réplica independiente.
  • No hay datos públicos de sobrecoste del proxy con miles de agentes concurrentes.

La misma claridad, en tu correo.

IA HOY, gratis de lunes a viernes, con fuentes y contexto.

Para ir al grano técnico

Qué vigilamos ahora

Primeras réplicas externas del número en SWE-bench y si otros marcos (verl, OpenHands) integran el patrón «harness real en el bucle de entrenamiento».

Réplicas externas del resultado y adopción del patrón por otros frameworks de entrenamiento de agentes.

Fuentes

Naturaleza de la afirmación principal: Anuncio de la empresa. Fuente primaria consultada y verificable.

  1. Microsoft Research — blog oficial · nivel 1 · primaria · consultada 12 oct 2026

IA HOY · de lunes a viernes

La misma claridad,
cada día, en tu correo.

Una noticia principal, una selección breve y el contexto o las dudas que conviene seguir. Con fuentes y sin rellenar cupos.

Ver una edición de ejemplo

Para seguir leyendo