lunes, 16 de noviembre de 2026
Harness

1.393 subagentes de Hermes refactorizaron un millón de líneas a un costo de 19.300 dólares

Nous Research lo contó en su blog: la limpieza del codebase redujo el 34,4% de Python en unas 19 horas, con un costo estimado de modelo de 19.300 dólares.

4 min de lectura
1.393 subagentes de Hermes refactorizaron un millón de líneas a un costo de 19.300 dólares

Nous Research publicó el lunes 15 de septiembre un detalle técnico que junta dos cosas que normalmente no van juntas: 1.393 subagentes ejecutándose en paralelo y una refactorización masiva del código de su propio agente open source. El equipo de Hermes Agent redujo su base de código de Python un 34,4% en unas 19 horas de ejecución activa, a un costo de modelo estimado de 19.300 dólares (unos 25.000 con las sesiones de seguimiento).

El autor del post, Teknium, explica que en septiembre el repositorio superó el millón de líneas de Python (sin contar tests) y que un solo archivo, gateway/run.py, medía 34.847 líneas. Limpiarlo a mano hubiese costado entre 150.000 y 1,8 millones de dólares de horas de ingeniería para un equipo de dos meses a dos años de trabajo: "no podíamos justificarlo junto a todo lo que teníamos que lanzar", escribió.

Cómo funcionó

El 2 de septiembre pidió a su agente Hermes habitual el trabajo con un objetivo permanente vía /goal: reducción mínima del 30% de líneas, romper los "god files", unificar helpers duplicados, menos cadenas de if/else y más legibilidad, sin esperar decisiones suyas. El orquestador midió el codebase y lo dividió en 36 grupos sin solapamiento; cada worker recibió una asignación escrita (qué código simplificar, qué interfaces preservar y qué chequeos correr antes de commitear) y trabajó en git worktrees separados. Algunos workers delegaron a su vez, hasta tres niveles por debajo del agente original, que coordinaba en un solo proceso Python en un desktop i7 con 64 GB de RAM, con inferencia remota en Claude Fable 5.1.

Pasados unos 50 minutos, el token del proveedor expiró y la corrida murió; los commits y briefs de los workers sobrevivieron, y una sesión de diagnóstico preparó el handoff para reanudar. El PR se fusionó el 4 de septiembre tras dos rondas de revisión comunitaria.

Los números del antes y después: 1.063.826 líneas de Python sin tests pasaron a 698.363; los archivos de más de 5.000 líneas bajaron de 37 a 6; las funciones de más de 300 líneas de 192 a 2; la cadena if/elif más larga de 92 ramas a 9; y gateway/run.py, de 34.847 a 5.512 líneas.

Lo que falló y lo que quedó

Los revisores advirtieron dos clases de regresiones que los tests no captaban: nombres públicos eliminados al no hallarles llamadores dentro del repositorio (aunque plugins externos podían importarlos) y un reescrito automático de llamadas suppress() que cambió el manejo de excepciones en unos 65 puntos. Se corrigieron antes del merge y siguió la limpieza después.

El post también comprueba un dato llamativo para el desarrollo agéntico: simulando 4.000 búsquedas de símbolos en ambas versiones del código, el promedio de tokens a leer por consulta cayó de 2.218 a 993 — el código más legible para humanos también es más barato de navegar para un agente (la mediana subió un poco, porque con menos comentarios la misma ventana de líneas es más densa).

Hecho: todos los números provienen del post oficial en el blog de Nous Research. La estimación de ahorro ("casi 2 millones de dólares, 1% del costo") es la del propio fabricante sobre una estimación de staffing suya; no hay auditoría externa del costo ni de la calidad del resultado.

Opinión: más allá de la anécdota (un repo más limpio), lo relevante es el patrón de trabajo: el agente venía acumulando skills de las correcciones día a día de Teknium y aplicó ese aprendizaje a un trabajo que ninguna empresa priorizaba pagar. Que los skills generados se compartan con el resto del equipo es el loop de aprendizaje en acción — y una propuesta concreta de cómo se va a escribir software en equipos con agentes.

Artículos Relacionados