Cursor reconstruyó SQLite con un enjambre de agentes, y los modelos baratos hicieron casi todo
Con solo el manual de 835 páginas, el nuevo enjambre de Cursor escribió un clon funcional de SQLite en Rust. Repartir el trabajo entre un planificador caro y ejecutores baratos redujo la factura de 10.565 a 1.339 dólares con la misma calidad.
Cursor planteó a su enjambre una prueba inusualmente pura: reconstruir SQLite, el motor de bases de datos presente en casi todos los teléfonos y navegadores, en Rust, usando únicamente el manual de 835 páginas. Sin código fuente, pruebas existentes ni internet. La evaluación empleó sqllogictest, millones de consultas SQL con respuestas conocidas cuya existencia ignoraban los agentes. Todas las configuraciones del nuevo sistema acabaron puntuando un 100 %.
El cambio es sencillo. Los agentes se dividen en dos papeles. Los planificadores, con costosos modelos de frontera, descomponen el objetivo en tareas cada vez menores. Los ejecutores, con modelos rápidos y baratos, las realizan. Los primeros nunca escriben código; los segundos nunca planifican. Cursor sostiene que corrige un problema de contexto: un agente único debe recordar a la vez el objetivo general y la subtarea actual, por eso las ejecuciones largas se desvían. Los resultados fueron contundentes. El viejo enjambre produjo 68.000 commits en dos horas, unas setenta veces más, y casi todo fue desperdicio: más de 70.000 conflictos de fusión frente a menos de 1.000. El sistema antiguo necesitó 64.305 líneas del motor; el nuevo, 9.908.
El dinero lo vuelve interesante para cualquiera. Ejecutar todo con GPT-5.5 costó 10.565 dólares. Repartirlo entre Opus 4.8 como planificador y Composer 2.5 como ejecutor costó 1.339 dólares con resultados comparables o mejores. Los ejecutores consumieron al menos el 69 % de los tokens en cada prueba, normalmente mucho más, pero al ser baratos no originaron la mayor parte de la factura. En el híbrido Opus, el planificador generó pocos tokens y dos tercios del coste. La conclusión: solo unos momentos requieren inteligencia de frontera, principalmente descomponer y tomar decisiones de diseño. Resuelta la ambigüedad, modelos baratos siguen el plan. Una reserva justa: la calidad del planificador seguía importando. Fable 5 usó menos tokens para planear, pero obligó a sus ejecutores a consumir muchos más y elevó el coste total.
Qué significa esto para ti: Si empiezas con IA, la idea útil no tiene que ver con SQLite. «¿Qué modelo uso?» suele ser la pregunta equivocada; la respuesta mejor es «uno inteligente para planificar y uno barato para ejecutar». Puedes hacerlo a mano: pide a un modelo caro un plan claro y entrega cada paso a otro económico. Si construyes agentes profesionalmente, Cursor publicó el código de una ejecución como minisqlite en GitHub; la división planificador-ejecutor es la parte que merece copiarse. Mantén expectativas realistas: un estudio de 2025 halló que el 68 % de los agentes desplegados en empresas completa como máximo diez pasos antes de que intervenga una persona. Los enjambres de laboratorio y los agentes de producción siguen siendo animales distintos.
Fuentes
Los robots se están quedando sin datos de entrenamiento, así que una startup registra ondas cerebrales
En un almacén de San Leandro, Encord paga a personas por jugar al Jenga con cascos que siguen sus ojos y actividad cerebral. La apuesta: el cuello de botella de la IA robótica no es el diseño del modelo, sino datos que deben fabricarse en vez de extraerse.
