Hecho: El 6 de noviembre Anthropic publicó «The components of agent memory», un post de ingeniería firmado por Lance Martin que explica cómo construye la memoria de sus agentes. El punto de partida es una definición estricta: por «memoria de agente» entienden el conocimiento que Claude gana por experiencia y conserva entre sesiones, y excluyen cambios de pesos, aprendizaje dentro del contexto y compactación (post de Anthropic, Neural Brew).
Cuatro capas y un pase de «sueño»
El modelo tiene cuatro capas, de abajo hacia arriba: transcripciones (un log de eventos que se puede buscar), notas de memoria escritas por Claude, representaciones de conocimiento como wikis, y el contexto que se inyecta en cada sesión. El concepto estrella es el «dreaming»: un pase offline en el que Claude relea sus propios transcripts para corregir notas equivocadas, escribir notas nuevas, construir representaciones o decidir qué notas se cargan siempre. La idea viene del «sleep-time compute» propuesto por Letta y UC Berkeley, y se apoya en la analogía con el hipocampo humano que reordena la memoria cuando descansamos.
Los números que trae el post
En la tarea de base de datos de CL-Bench 1.0, corrida con Claude Managed Agents y un directorio de memoria persistente entre sesiones, los puntajes medios pasan de 0,655 a 0,838 en Opus 5.5 y de 0,644 a 0,833 en Sonnet 5.5; Opus 5 va de 0,564 a 0,828 y Sonnet 4.6 apenas se mueve, de 0,330 a 0,364. Anthropic señala que Opus 5 fue el primero en «cerrar el ciclo»: sus entradas traían una regla, cómo sabía que era verdadera y advertencias de las trampas encontradas.
En Pokémon Red se ve el juicio sobre qué vale la pena guardar: Sonnet 3.7 escribió 413 archivos de memoria en 225 carpetas y ganó una insignia; Fable 5 escribió nueve archivos en dos carpetas más un global.md y ganó cuatro. Y en un corpus interno de unos 350.000 archivos, unas 420 millones de tokens de la empresa Stainless (adquirida en mayo), al escalar el dreaming de 2 a 128 sesiones el puntaje en 25 preguntas subió del 13% al 48% de los criterios evaluados; con búsqueda más wiki llegó al 61% contra el 53% de la búsqueda sola, y ahorró unos 20.000 tokens por pregunta.
Los límites, también del post: la wiki a veces crece más que los documentos originales (Anthropic cita el cuento de Borges sobre el mapa del imperio al tamaño del imperio); el dreaming consume compute y no está claro con qué frecuencia correrlo; y si el agente solo escribe notas en el momento, esas notas pueden quedar desactualizadas. Es investigación de ingeniería, no un producto GA.




