MagenticLite reparte el trabajo de un agente entre modelos pequeños

El 21 de mayo de 2026, Microsoft Research presentó MagenticLite, MagenticBrain y Fara1.5: una aplicación experimental, un modelo que orquesta tareas y una familia de modelos que maneja el navegador. La propuesta es repartir un agente entre componentes relativamente pequeños y especializados, en vez de pedir a un solo modelo que planifique, navegue, ejecute código y recuerde toda la sesión.

La noticia sirve para corregir una forma engañosa de hablar de agentes. Un agente no es solo «el modelo». Es un sistema formado por modelos, contexto, herramientas, permisos, aislamiento y decisiones humanas. Quien sepa dibujar esas fronteras podrá evaluar cualquier agente aunque cambien sus nombres: verá quién propone una acción, quién la ejecuta, qué información conserva y quién tiene autoridad para detenerla.

Tres nombres visibles y cinco contratos reales

MagenticLite es la aplicación y el arnés de ejecución. MagenticBrain recibe el objetivo, lo divide en pasos, elige herramientas, escribe código y delega. Fara1.5 observa páginas y devuelve acciones de navegador. Esa es la división que muestra Microsoft, pero debajo hay otros dos actores: el entorno que materializa cada llamada y la persona que concede o niega autoridad.

La ficha de MagenticBrain lo expresa con precisión: el modelo de unos 14.000 millones de parámetros planifica y emite llamadas estructuradas, pero no ejecuta por sí mismo ningún efecto real. El arnés anfitrión declara las herramientas permitidas, interpreta el JSON y decide si lee un archivo, abre una página o lanza un comando. Una respuesta del modelo es una propuesta hasta que otra capa la convierte en acción.

Esto permite auditar el sistema como cinco contratos:

1. Objetivo: qué resultado ha pedido la persona y qué significa terminar.
2. Orquestación: qué componente divide el trabajo y decide la siguiente operación.
3. Especialidad: qué subagente recibe una tarea estrecha, como navegar una web.
4. Ejecución: qué programa posee realmente el navegador, el terminal o los archivos.
5. Autoridad: qué acciones requieren confirmación y quién puede pausar o revertir.

Decir «el agente puede borrar un archivo» mezcla los cinco. La pregunta comprobable es: ¿el orquestador tiene declarada una herramienta de borrado, con qué ruta, dentro de qué aislamiento y bajo qué aprobación?

Especializar también significa diseñar el contexto

MagenticBrain se ajustó a partir de Qwen3-14B para planificación, uso de herramientas y delegación. Fara1.5 se ofrece en tamaños de 4.000, 9.000 y 27.000 millones de parámetros basados en Qwen3.5. El modelo Fara1.5-9B recibe el objetivo, el historial y capturas de pantalla, y emite una sola acción cada vez: clic, teclado, desplazamiento, navegación, búsqueda, memoria o pregunta al usuario.

La división evita que cada componente cargue con todo. El arnés de MagenticLite planifica de forma incremental, resume interacciones antiguas y entrega a cada modelo solo la parte necesaria. Fara conserva las tres capturas más recientes en su bucle de referencia. MagenticBrain dispone de una ventana declarada de 32.768 tokens; Fara1.5-9B, de 262.144. Ninguna cifra garantiza por sí sola que el sistema recuerde bien una tarea larga.

Una ventana de contexto es capacidad de entrada, no memoria fiable. Si la sesión acumula capturas, resultados de búsqueda, código y mensajes, el arnés tiene que decidir qué comprime, qué descarta y qué vuelve a mostrar. Un resumen defectuoso puede eliminar una restricción del usuario; conservar demasiado puede ocultarla entre ruido.

Por eso una evaluación de agentes debe registrar el estado, no solo el modelo: qué historial vio cada componente, qué resumen recibió, qué dato guardó en memoria y qué versión de una página estaba observando. Dos ejecuciones con los mismos pesos pueden divergir porque su arnés construyó contextos diferentes.

El sandbox protege una frontera, no todas

Microsoft mantiene las acciones sensibles detrás de pausas y aprobaciones. La tarjeta de Fara enumera tres «puntos críticos»: falta de información personal, instrucciones insuficientes y acciones irreversibles no autorizadas. En esos casos, el modelo está entrenado para preguntar antes de completar compras, enviar mensajes, iniciar sesión o remitir formularios.

El sistema añade aislamiento técnico. Quicksand proporciona máquinas virtuales QEMU orientadas a agentes, con red desactivada por defecto, instantáneas y reversión. También permite habilitar red y montar carpetas del anfitrión. Esas opciones muestran por qué «está en un sandbox» no es una respuesta binaria: la protección depende de la configuración concreta.

La tarjeta actual de Fara recomienda, dentro de MagenticLite, aislamiento del navegador, listas de dominios permitidos, registro visible, vigilancia en tiempo real y un botón de pausa. Son controles distintos:

• el modelo puede aprender a pedir permiso;
• el arnés puede bloquear una herramienta aunque el modelo la solicite;
• el sandbox puede limitar el alcance sobre el equipo;
• la interfaz puede permitir que una persona vea y detenga la trayectoria.

Ninguna capa sustituye a las demás. Una máquina virtual puede proteger archivos locales y, aun así, un navegador con red y credenciales puede enviar un correo o confirmar una reserva. Revertir el disco no deshace una acción ya aceptada por un servicio externo. Para probar un agente, conviene empezar con lectura, cuentas de ensayo y operaciones reversibles; después se concede autoridad por etapas.

Un 86,6% necesita denominador, juez y fecha

Microsoft informa para Fara1.5-9B de un 86,6% de éxito en WebVoyager y un 63,4% en Online-Mind2Web. Sus resultados se promedian sobre tres ejecuciones, usan sesiones estabilizadas mediante Browserbase y se juzgan automáticamente. Las cifras comparan agentes bajo esos protocolos; no significan que el modelo complete el 86,6% de cualquier trabajo en cualquier web.

WebVoyager nació con 643 tareas en 15 sitios y un evaluador automático basado en un modelo multimodal. El artículo original comunicó un 85,3% de acuerdo entre ese juez y el criterio humano. Es una concordancia útil, pero deja margen para desacuerdos: la medición también tiene error.

Online-Mind2Web contiene 300 tareas en 136 sitios. Su propio repositorio documenta sustituciones de tareas que dejaron de ser válidas o chocaron con CAPTCHA, además de cambios en el esquema de evaluación. Esa inestabilidad no invalida el benchmark; revela una propiedad esencial del objeto medido. La web cambia, bloquea automatizaciones y modifica el significado de una ejecución reproducible.

Antes de aceptar una puntuación de agente hacen falta cinco datos: conjunto exacto de tareas, fecha, número de intentos, configuración del navegador y juez. También conviene separar proceso de resultado. En WebTailBench, la misma evaluación de Microsoft atribuye a Fara1.5-9B un 64,5% de éxito en los pasos intermedios, pero solo un 32,3% en el resultado final. Un agente puede navegar de forma razonable y terminar sin producir el estado que el usuario pidió.

«Pequeño» y «abierto» son afirmaciones relativas

MagenticBrain tiene unos 14.000 millones de parámetros y Fara1.5-9B, 9.000 millones. Son pequeños frente a modelos frontera mucho mayores, no necesariamente frente a la memoria y el cómputo disponibles en cualquier portátil. La tarjeta de Fara cita GPU profesionales entre las configuraciones probadas. El coste real incluye además dos inferencias, capturas, navegador, máquina virtual y almacenamiento del historial.

Desde el 22 de julio, Microsoft declara los pesos de Fara1.5 disponibles bajo licencia MIT; MagenticBrain y el código de MagenticLite también tienen vías abiertas. Eso permite inspeccionar y desplegar partes del sistema. No convierte automáticamente en reproducibles los datos de entrenamiento, los servicios externos, la configuración del arnés o las puntuaciones publicadas.

La apertura debe leerse campo por campo: pesos, código, datos, receta, entorno y evaluación. «Pesos abiertos» responde solo al primero. De la misma manera, «local» debe indicar dónde se ejecuta cada modelo, dónde viven las capturas y si alguna llamada sale a un proveedor.

Una ficha para evaluar cualquier agente

El diagrama útil de un agente cabe en cinco filas:

1. Resultado y punto irreversible: qué estado externo demuestra el éxito y en qué paso ya no basta con deshacer localmente.
2. Roles: qué modelo planifica, cuál percibe, cuál genera código y qué programa ejecuta.
3. Estado: qué contexto, memoria y resúmenes recibe cada rol, con límites y reglas de descarte.
4. Permisos: herramientas declaradas, rutas, dominios, credenciales, red, sandbox y aprobaciones.
5. Evidencia: tareas, fecha, intentos, juez, registros y responsable que revisa los fallos.

MagenticLite resulta interesante porque hace visible que el rendimiento nace de la composición, no solo del tamaño del modelo. Su lección no es que los agentes pequeños ya puedan actuar sin vigilancia. Es que la capacidad y el riesgo pertenecen al sistema entero. Si faltan una de esas cinco filas, todavía no sabemos qué hace el agente ni qué ocurrirá cuando se equivoque.