Blast Radius entierra el contexto muerto. Cero de 450 cuerpos volvieron

Nadie llora una ventana de contexto muerta. Esa puede ser la tesis silenciosa de Blast Radius, un artículo enviado a arXiv el 7 de agosto de 2026. La codificación agéntica, sostiene el artículo, tiene un problema de asequibilidad. Los agentes que funcionan todo el día acumulan contexto como un código base acumula comentarios TODO, y cada token que cargan cuesta dinero.

La respuesta del artículo es enterrar a los muertos. Blast Radius es una capa predictiva de gestión de memoria que estima hasta dónde llegará un prompt entrante a través de canales acoplados de contexto y código, y luego desaloja lo que juzga como contexto muerto. El desalojo es reversible: archiva el contexto textualmente en lugar de destruirlo. En siete modelos de OpenAI, los autores reportan un consumo de tokens reducido entre un 17 y un 26 por ciento, la tasa de desbordamiento más baja entre las políticas que probaron y una reversibilidad exacta a nivel de byte. Luego viene la cifra que se queda grabada: de 450 cuerpos enterrados, 378 eran materia muerta recurrente y cero fueron recuperados.

El impuesto a los agentes que funcionan todo el día

El problema de costos es fácil de subestimar. El Claude Sonnet 5 de Anthropic, lanzado el 30 de junio de 2026, fue posicionado explícitamente para agentes que funcionan todo el día, con precios acordes: $2 promocionales por millón de tokens de entrada y $10 por millón de tokens de salida hasta el 31 de agosto de 2026, y luego un precio estándar de $3 por millón. Los agentes no leen un código base una vez y se detienen. Leen, planifican, editan, releen, ejecutan pruebas y vuelven a leer. Cada bucle se añade a la ventana de contexto, y la ventana no es gratis.

El resumen del artículo es contundente sobre la tendencia: «La codificación agéntica enfrenta problemas crecientes de asequibilidad y tokens desperdiciados». Los tokens desperdiciados aquí no son un error de redondeo. Son la instrucción repetida, la lista de archivos obsoleta, la transcripción de una sesión de depuración que ya terminó. La afirmación de Blast Radius es que una gran parte de este contexto acumulado es materia muerta, y que conservarlo es más costoso que archivarlo.

Lo que Blast Radius hace realmente

El mecanismo tiene tres capas. Primero, Blast Radius estima el alcance de un prompt entrante a través de canales acoplados de contexto y código, determinando hasta qué punto del código base puede viajar el prompt y qué registros vale la pena mantener al alcance. Segundo, NECROPHORESIS se encarga del desalojo en sí, archivando el contexto muerto textualmente para que la operación siga siendo reversible. Tercero, Recurring Dead Matter, o RDM, identifica las transcripciones que siguen reapareciendo y las entierra.

Esa última pieza importa. Una transcripción que se repite es el candidato más claro para el desalojo: cuesta tokens cada vez que resurge y aparentemente nunca se necesita. Los autores también formalizan el desalojo reversible de contexto sobre un espacio de contexto polaco, conectando la entropía del contexto con la probabilidad de resurrección. En términos simples, ofrecen una explicación matemática de lo que significa que un contexto sea desechable.

Blast Radius no reemplaza el sistema de memoria del agente. Opera por debajo de HCRC, según el artículo, determinando qué registros se entierran y hasta dónde puede llegar un prompt entrante en el código base.

Las cifras: 450 entierros, cero recuperaciones

La sección empírica es donde el artículo hace honor a su nombre. En siete modelos de OpenAI:

Afirmación	Resultado
Consumo de tokens	Reducido 17-26% en siete modelos de OpenAI
Tasa de desbordamiento	La más baja entre las políticas probadas
Reversibilidad	Exacta a nivel de byte
Cuerpos enterrados	450 en total
Materia muerta recurrente	378 de 450
Recuperados	0 de 450

Cero recuperaciones es el tipo de resultado que se lee como un triunfo o como una bandera roja. Enterrar contexto es seguro, sugiere el artículo, porque el contexto enterrado estaba genuinamente muerto. Pero 450 desalojos son una muestra pequeña frente a la escala de los códigos base de producción reales, y el artículo no afirma que estos modelos hayan sido sometidos a tareas de agente de larga duración. La afirmación es más acotada: en los modelos y las tareas probadas, nada de lo enterrado tuvo que volver.

¿Está realmente muerto lo muerto?

Hay una tensión que el artículo pasa por alto. Si la materia muerta recurrente es tan claramente desechable, ¿por qué reapareció en primer lugar? La respuesta de RDM es que la recurrencia es evidencia de desperdicio, no de relevancia. Una transcripción que aparece repetidamente y nunca se usa realmente es el ladrón de tokens perfecto. Enterrarla recupera el presupuesto para el contexto que importa, y el resultado de cero recuperaciones sugiere que el juicio del sistema se sostuvo en las pruebas.

El artículo también se ubica dentro de una agenda más amplia que llama Algosophy, orientada a hacer que los grandes modelos de lenguaje y la codificación agéntica sean más reutilizables y sostenibles. Esa es una palabra pesada. La contribución concreta aquí es más acotada: una política de desalojo medible y reversible con ahorros reales de tokens. La sostenibilidad, en esta versión, significa sobre todo no quemar dinero releyendo las mismas transcripciones muertas.

El crecimiento del contexto en la codificación agéntica es peor en la práctica de lo que parece. La investigación relacionada sobre el problema de CLAUDE.md, donde los archivos de instrucciones de agentes crecen sin límite, muestra por qué: añadir una instrucción nueva siempre es barato, pero una vez que la lógica detrás de una instrucción desaparece, eliminarla arriesga una regresión de corrección a un costo exponencial. Blast Radius aborda el lado de la eliminación de esa ecuación. Hace que el desalojo sea lo bastante barato y lo bastante reversible como para intentarlo. La pregunta abierta, para un próximo artículo, es qué sucede cuando lo enterrado permanece enterrado a escala de producción.