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
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
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
- → repo
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.
- 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.
Para seguir leyendo
Agentes ·
Vercel: un modelo de decisión llega al 35% de equipos con el 0,27% del gasto
Agentes ·
OpenAI publica cuatro nuevos incidentes de sus agentes: monedero de pruebas y dos webs vulneradas
Agentes ·
Nadella pide tratar los modelos de IA como amenaza interna y dotarlos de un «freno de emergencia»
Agentes ·
Un modelo de Anthropic envió una pista falsa sobre un homicidio a la Policía de Filadelfia