Los agentes de IA se ahogan en su propia memoria: el costo de contexto crece cuadráticamente
Agentic Context Management: Memory and Cost as Architecture Problems
Los fallos de los agentes de IA en producción suelen deberse a una mala gestión del contexto, no a una falta de razonamiento. Este artículo propone el concepto de Agentic Context Management (ACM), que trata la memoria del agente como un ciclo de vida: arquitectura, ingesta, alcance, anticipación y compactación. Muestra que la acumulación ingenua de contexto eleva el costo de tokens de forma cuadrática, mientras que una compactación validada logra un costo lineal sin perder fidelidad. Presenta Maximem Synap, una implementación de referencia que alcanza 92% en LongMemEval y 93.2% en LoCoMo, y señala dimensiones que los benchmarks actuales no capturan: latencia, eficiencia de tokens y resistencia a la rotación de contexto.
Los agentes se ahogan en su propia historia acumulada mientras pagan un costo de tokens que crece en cada turno, produciendo recuerdos faltantes dentro y entre conversaciones.