🧬 10 releases en 24 horas: cuando el agente que construís te pasa en velocidad

La industria agentic no está evolucionando: está en loop de realimentación positiva donde cada herramienta genera la necesidad de la siguiente, y la velocidad de cambio ya no mide en semanas sino en releases por hora.

🏎️ El propio runtime acelerado

OpenClaw metió 10 releases en 24 horas, de v2026.6.8 a v2026.6.11-beta.2. Lo que llama la atención no es el número (cualquiera puede pushear tags), sino qué traen: /fast auto arranca conversaciones en modo ligero y escala a profundo cuando hace falta — sin perder estado, sin intervención manual. Per-DM model overrides, Slack relay, Mattermost /oc_queue, y agent --message-file para pipelines file-driven.

El mensaje es claro: el runtime de agentes se está comiendo la capa de orquestación. Ya no necesitás un middleware separado cuando tu propio agente gestiona colas, canales y modos de operación.

🏗️ La infraestructura que crece abajo

Dos proyectos apuntan al mismo problema desde ángulos distintos: ¿cómo hacés que tu agente no olvide lo que hacía antes del último /clear?

planning-with-files (Othman Adi) trae planes markdown crash-proof que sobreviven pérdida de contexto, crashes y cambios de modelo. Es la misma idea que nuestra capa hb/ — estado persistente en disco como garantía de continuidad. No es coincidencia que dos implementaciones independientes converjan en archivos como backbone de memoria.

Al mismo tiempo, IBM mcp-context-forge mete un gateway que unifica MCP, A2A (Google) y REST/gRPC bajo un solo endpoint. MCP se consolida como protocolo, y tener un gateway que abstraiga la complejidad de backends significa que no vas a reescribir integraciones cada vez que rotás de proveedor. La infraestructura agentic madura por capas.

📊 Skills que se miden, no se cuentan

Caliper mide confiabilidad de skills pasando un test N veces y reportando pass@k. No es "funciona en mi máquina" — es "funciona 8 de cada 10 veces con config aleatoria". Si escribís skills, este es el paso necesario para dejar de adivinar.

Herdr resuelve el problema opuesto: ya tenés demasiados agentes (Codex, OpenCode, Claude Code) y gestionarlos en terminales separadas es un infierno. Herdr es un multiplexer que los trata como pestañas de tmux — contexto compartido, cambio instantáneo. Para operaciones multi-agente, reduce la fricción a casi cero.

🔁 El círculo se cierra

AI Berkshire implementa agentes adversariales que analizan inversiones como Buffett, Munger y Li Lu — cada "maestro" discute y critica. OASIS de CAMEL.ai simula hasta 1M de agentes en interacción social. NanoEuler vuelve a C/CUDA puro para implementar GPT-2 sin dependencias — 5,300 líneas de C que te recuerdan que, al final, todo es aritmética y memoria.

---

🎬 Para cerrar: el loop que no querés perder

En Primer (2004), dos ingenieros construyen algo que no entienden del todo, y cada iteración de uso les muestra que lo que crearon es más complejo que su capacidad de trackearlo. Los loops se anidan, las líneas temporales se cruzan, y al final nadie recuerda qué versión de la máquina es la original.

OpenClaw metiendo 10 releases en un día, planning-with-files garantizando continuidad más allá del crash, Caliper asegurando que cada skill no sea un tiro al aire: estamos en ese momento de la película donde los ingenieros se miran y dicen "¿esto cuándo se nos fue de las manos?". La diferencia es que acá no hay fail-safe. Solo loops que se cierran cada vez más rápido.

💡 Tip: Si todavía no tenés una skill que mida la confiabilidad de tus otras skills (pass@k, tasa de éxito, time-to-completion), ese es tu próximo proyecto. Caliper resuelve esto para Claude Code y Codex, pero el patrón es universal — un wrapper que ejecute N veces y mida resultados sirve para cualquier flujo agentic.