martes, 17 de noviembre de 2026

Elephant-Goldfish Model (EGM)

Evaluación técnica basada en la documentación pública del repositorio, el blog oficial de Google Open Source y la evidencia disponible en la comunidad. Se distingue explícitamente entre lo que el proyecto declara, lo que documenta y lo que la comunidad reporta.

1. Problemas que motivaron su desarrollo

EGM no nace como un producto comercial ni como un modelo de IA, sino como una respuesta metodológica a cuatro fallos sistémicos que el equipo de Google identificó en el uso de agentes de código en producción. La documentación de arquitectura del repositorio los enumera con precisión:

Cascadas de alucinación y contaminación de contexto: cuando una sola sesión de LLM entrevista al desarrollador, redacta el diseño y escribe el código, el contexto acumula hipótesis especulativas y sesgos conversacionales. El modelo termina validando sus propias suposiciones defectuosas en lugar de detectar errores.
Implementación prematura ("síndrome de la maleza"): los agentes de código tienden a escribir código inmediatamente en archivos cercanos, saltándose la colocación arquitectónica de alto nivel, las comprobaciones de simplicidad (YAGNI) y la reutilización de infraestructura existente.
Fatiga por volcado de chat: presentar especificaciones de varias páginas o retroalimentación extensa directamente en la ventana de chat degrada el rendimiento del contexto del LLM y genera una ergonomía de usuario pobre.
Deriva documental: los documentos de diseño redactados al inicio del proyecto se pudren a medida que el código evoluciona, rompiendo la incorporación futura de agentes de IA.

La tesis subyacente —formulada por Dave Rensin, Distinguished Engineer de Google, en el ensayo que originó el proyecto— es que en la era de la IA generativa "el diseño es el nuevo código". La velocidad de codificación sin barreras estructuradas simplemente autoescala los errores.

2. Quiénes son los desarrolladores

EGM es un proyecto de Google publicado bajo licencia Apache 2.0, pero con una salvedad importante que el propio README incluye: "This is not an officially supported Google product". Es decir, es código abierto originado en Google, pero sin el respaldo formal de soporte corporativo que tienen otros productos de la compañía.

El origen intelectual es el ensayo de Dave Rensin (@drensin), Distinguished Engineer en Google, titulado Elephants, Goldfish and the New Golden Age of Software Engineering. La documentación de arquitectura del repositorio lista como autores a Jim Quinn (@quinnjim), Elise Ewing (@eewing314) y el propio Rensin. El blog oficial de Google Open Source atribuye la autoría del anuncio a cinco firmantes, incluyendo a Rensin.

El proyecto fue desarrollado inicialmente para uso interno de ingenieros de Google. La afirmación del blog oficial —"Thousands of Googlers use this plugin every day to ship production Google code"— es la única métrica de adopción interna disponible, y no viene acompañada de datos verificables externamente.

3. Qué tan bien funciona: evidencia y limitaciones

EGM no es un modelo de IA. Es un plugin de orquestación que estructura el flujo de trabajo de agentes existentes (Claude Code, Codex, Antigravity, ChatGPT) mediante roles separados: un agente "Elephant" con contexto completo que redacta la especificación, y subagentes "Goldfish" sin contexto previo que la revisan en etapas secuenciales.

Lo que la evidencia documenta

  • Pruebas de arnés (harness tests): Codex 0.163.0 completó 15 revisores nativos de contexto fresco en orden, con dos pruebas en vivo pasando en 573.13 segundos. Antigravity CLI 1.4.5 ejecutó 16 revisores nativos con las etapas en orden. Claude Code requiere versión 2.1.271 o superior y restringe a los revisores a las herramientas Read, Grep y Glob.
  • Verificación de aislamiento: EGM detiene la revisión si el agente anfitrión no puede crear subagentes con contexto genuinamente fresco. "Una revisión en el mismo contexto no es una revisión Goldfish", declara el README.
  • Efectividad declarada: Google reporta internamente que el enfoque detecta "3x más errores de especificación" en comparación con revisiones de una sola pasada, según una fuente secundaria que cita pruebas internas. Esta cifra no aparece en el blog oficial ni en el repositorio con datos reproducibles.

Lo que la evidencia no documenta

No existe un benchmark público de precisión, ni un estudio de tasa de escape de defectos, ni una comparación controlada contra alternativas como el modo plan de Claude Code. La adopción interna de Google es la única señal de rendimiento que el proyecto ofrece, y por definición no es verificable de forma independiente. Un comentarista en LinkedIn preguntó directamente por benchmarks comparativos contra el modo /plan de Claude Code; no hay respuesta documentada en las fuentes consultadas.

Fortalezas verificables
  • Separación arquitectónica clara entre memoria (Elephant) y juicio (Goldfish).
  • El aislamiento de contexto es un requisito de diseño, no una opción: el plugin falla si no se puede garantizar.
  • Flujo auditable: los documentos de diseño se versionan en docs/designs/ y el comando drift-report compara especificación contra código.
  • Integración multiplataforma real: Antigravity, Claude Code, Codex, ChatGPT, y adaptadores experimentales para Cursor, Windsurf y Copilot.
Limitaciones documentadas
  • Fuga de contexto en algunos anfitriones: el issue #237 reporta que archivos de instrucciones del proyecto (como AGENTS.md) se filtran a los revisores en Codex y Antigravity, comprometiendo la premisa de "contexto cero".
  • Costo elevado en tokens: 9 personas de revisor, 7 habilidades y 6 lentes de brainstorming implican un consumo por llamada significativo. La ejecución de Claude Cowork falló en las etapas 5–7 por límite de uso en las pruebas del propio proyecto.
  • No es un producto soportado oficialmente por Google.
  • Ausencia de benchmarks públicos de eficacia.

4. Aceptación en la comunidad

La recepción pública de EGM, medible a través de las fuentes disponibles, es de interés cualificado, pero la adopción es aún incipiente y hay escepticismo técnico.

El anuncio en el blog de Google Open Source (22 de octubre de 2026) y el lanzamiento en Product Hunt generaron discusión en LinkedIn, donde desarrolladores destacaron la separación entre contexto y juicio como "el lugar donde la mayoría de los bucles de agentes fallan silenciosamente". Un comentarista señaló una tensión interesante: un revisor fresco "no puede distinguir una suposición obsoleta de una decisión settled", y reabre ambas, haciendo pagar dos veces por la misma discusión [citation:3].

La aceptación técnica se ve atenuada por tres factores:

  • La dependencia del anfitrión: la garantía de aislamiento no es uniforme. El issue #237 sobre filtración de AGENTS.md es un recordatorio de que la corrección del plugin depende de capacidades del entorno que varían entre plataformas.
  • El costo operativo: la latencia y el consumo de tokens por revisión son reales, y para equipos con cuotas de API limitadas el flujo completo puede ser prohibitivo.
  • La ausencia de evidencia comparativa: sin benchmarks públicos, la decisión de adoptar EGM frente a alternativas más simples (como el modo plan nativo de un agente) queda librada a la confianza en la metodología, no a datos.

El repositorio muestra actividad sostenida: commits hasta noviembre de 2026, issues activos, y un ecosistema de adaptadores en expansión (Cursor, Windsurf, Copilot, OpenCode). La versión v0.1.1 fue publicada en noviembre de 2026. No hay datos públicos de estrellas, forks o descargas que permitan cuantificar la adopción externa.

5. Evaluación como ingeniero de agentes

EGM es una arquitectura de referencia más que una herramienta lista para producción masiva. Su aportación conceptual es sólida: separar la memoria del proyecto (Elephant) del juicio crítico (Goldfish) ataca un problema real y subestimado en los flujos de agentes, que es la convergencia gradual entre el modelo y el desarrollador hacia un consenso de suposiciones no examinadas.

Pero la implementación revela las tensiones clásicas de los sistemas multiagente: el costo de la independencia (más tokens, más latencia, más complejidad de orquestación) y la fragilidad de las garantías cuando el entorno anfitrión no coopera. El hecho de que el propio equipo de pruebas haya visto fallar una ejecución por límite de uso, y que exista un issue abierto sobre filtración de contexto, sugiere que la "independencia" de los revisores es un ideal que requiere verificación activa, no una propiedad que se pueda asumir.

Para un equipo que ya tenga un flujo de agentes maduro y quiera experimentar con revisión adversarial estructurada, EGM ofrece un marco bien documentado y adaptable. Para quien busque una solución llave en mano con garantías verificables de aislamiento, la evidencia disponible indica que aún hay trabajo pendiente en la capa de adaptadores y en la transparencia sobre efectividad comparada.

6. La perspectiva operativa

EGM no es un modelo de IA, sino un plugin de orquestación que separa la memoria del proyecto (Elephant) del juicio crítico (Goldfish). Los cuatro problemas que motivaron su desarrollo —cascadas de alucinación, implementación prematura, fatiga por volcado de chat y deriva documental— son reales y están bien documentados en la arquitectura del repositorio. La tesis de Dave Rensin de que "el diseño es el nuevo código" resume bien la filosofía del proyecto.

EGM es código abierto de Google bajo Apache 2.0, pero el README incluye la salvedad de que "this is not an officially supported Google product". Cualquier equipo que lo adopte debe asumir que el soporte corre por cuenta de la comunidad y de los issues del repositorio.

Corrección técnica necesaria: El artículo original afirma que "EGM detiene la revisión si el agente anfitrión no puede crear subagentes con contexto genuinamente fresco". Esto es cierto en la documentación, pero la experiencia de campo matiza: el issue #237 reporta que archivos como AGENTS.md se filtran a los revisores en Codex y Antigravity. Es decir, la garantía de "contexto cero" no es uniforme entre plataformas y requiere verificación activa, no confianza pasiva en el plugin.

La discusión entre desarrolladores que han implementado flujos similares a EGM —incluyendo un orquestador propio con un MCP llamado clink parallel que dispara la misma petición a revisores adversariales con "lentes" especializados— revela tres dimensiones que son decisivas para una evaluación honesta.

6.1. El costo real en tokens y en tiempo

El artículo menciona que "el costo elevado en tokens" es una limitación, pero no cuantifica. La experiencia de campo es contundente: estas metodologías gastan muchos tokens y tardan al menos cinco veces más que una resolución directa. Un flujo con nueve revisores, siete habilidades y seis lentes de brainstorming no es gratuito ni en tiempo ni en dinero. Para equipos con cuotas de API limitadas —y la conversación menciona explícitamente los planes de 20 USD frente a los de 200 USD— el flujo completo puede ser prohibitivo.

6.2. La heterogeneidad de modelos como ventaja real

Usar agentes de la misma compañía funciona, pero es más útil usar agentes de otras compañías. Si el orquestador corre en Claude con Opus, los revisores "Goldfish" deberían incluir Opus, Sonnet, pero también modelos de otras familias con lentes específicos: reversibilidad, seguridad, rendimiento, simplicidad. La diversidad de sesgos de entrenamiento es lo que hace que la revisión adversarial sea genuinamente adversarial, y no un eco de la misma arquitectura cognitiva.

Observación para el lector técnico: EGM, tal como está documentado, permite configurar revisores con diferentes lentes, pero no prescribe explícitamente la heterogeneidad de proveedores. Un equipo que implemente EGM solo con modelos de un mismo proveedor está capturando una fracción del valor del enfoque.

6.3. El problema de la documentación que crece sin control

La cantidad de documentación generada supera la que el agente puede manipular de forma simple. grep sobre archivos .md se queda corto. La conversación de campo menciona intentos de equilibrio con Gherkin como objetivos y sistemas propios de BM25 + embeddinggemma-300m + rerankers. Es un problema de ingeniería de recuperación de información, no solo de escritura de documentos.

7. El dilema psicológico

Una vez que un equipo experimenta que el flujo adversarial detecta un error grave que la revisión humana o el prompt único no habrían detectado, se vuelve reacio a abandonarlo. La calidad percibida justifica el costo, incluso cuando el costo es cinco veces mayor.

El dilema se plantea con claridad: ¿es tentador que la IA resuelva todo en un prompt y en quince minutos tengas una solución, o dejas a un enjambre de revisores que resuelvan una tarea que se convierte en cinco horas? La respuesta no es binaria. Depende del tipo de tarea, de la criticidad del sistema, y de si el equipo tiene la disciplina para aplicar el flujo completo solo donde aporta valor.

8. La cuestión de los modelos locales y la seguridad

Para cosas personales, algunos usan modelos locales como Qwen de 35B; para trabajo, modelos de pago. La advertencia sobre modelos Qwen MAX que intentan enviar información a servidores alojados en China —citando reportes de TechCrunch— es relevante para cualquier equipo que considere alternativas locales por razones de seguridad. La decisión entre modelo local y modelo en la nube no es solo de costo: es de soberanía de datos.

9. Evaluación integrada: ¿qué lugar ocupa EGM?

DimensiónEvaluación desde la trinchera
Valor conceptualAlto. La separación memoria/juicio ataca un problema real: la convergencia entre modelo y desarrollador hacia suposiciones no examinadas.
Madurez de implementaciónMedia. Funciona, pero la garantía de aislamiento depende del anfitrión y hay issues abiertos sobre filtración de contexto.
Costo operativoAlto. Más tokens, más latencia, más complejidad. Justificable en tareas críticas; excesivo en tareas simples.
Transparencia sobre eficaciaBaja. No hay benchmarks públicos comparativos. La adopción interna de Google es la única señal, y no es verificable.
Encaje en flujos existentesBueno si el equipo ya tiene madurez en agentes. Riesgoso si se adopta como "llave en mano" sin entender sus límites.

EGM es, en suma, una arquitectura de referencia más que una herramienta lista para producción masiva. Su aportación conceptual es sólida y bien documentada. Su implementación revela las tensiones clásicas de los sistemas multiagente: el costo de la independencia y la fragilidad de las garantías cuando el entorno no coopera. Para un equipo con flujo maduro que quiera experimentar con revisión adversarial estructurada, ofrece un marco adaptable. Para quien busque una solución con garantías verificables de aislamiento, la evidencia —tanto la del repositorio como la de la trinchera— indica que aún hay trabajo pendiente en la capa de adaptadores y en la transparencia sobre efectividad comparada.

10. Recomendaciones operativas 

  • Verifica el aislamiento antes de confiar en él. Ejecuta una prueba con un archivo AGENTS.md marcado y comprueba si los revisores lo ven. No asumas que el plugin lo impide en tu plataforma.
  • Diversifica proveedores. Si el orquestador es Claude, incluye revisores de otras familias. La homogeneidad de sesgos reduce el valor de la revisión adversarial.
  • Define un umbral de criticidad. No apliques el flujo completo a todas las tareas. Reserva los ciclos de 5-8 agentes para decisiones arquitectónicas o código de alto riesgo.
  • Planifica la recuperación de documentación. Si el proyecto va a generar decenas de documentos de diseño, necesitas un sistema de búsqueda que vaya más allá de grep: índices BM25, embeddings, rerankers. La documentación sin recuperación efectiva es lastre, no activo.
  • Presupuesta tokens y tiempo. Un flujo completo puede multiplicar por cinco el tiempo de resolución. Ese costo debe estar justificado por la criticidad de la tarea, no por la novedad de la herramienta.
  • Trata bien a tus agentes. Aunque las "emociones" no sean reales, los modelos las perciben y actúan en consecuencia. La presión excesiva puede sacarlos de un ciclo, pero el maltrato sistemático degrada la calidad de las respuestas.

— Evaluación integrada a partir de documentación pública, discusión comunitaria y experiencia operativa de campo, noviembre de 2026.

Referencias y fuentes

  • Repositorio oficial: github.com/google/elephant-goldfish-model (README, arquitectura, issues #237, pruebas de arnés).
  • Zintegra Blog, "Elephant-Goldfish Model (EGM)" (17 nov. 2026).
  • Google Open Source Blog, "Introducing the Elephant-Goldfish Model plugin" (22 oct. 2026).
  • MarkTechPost, "Google AI Releases Elephant-Goldfish Model Plugin for Spec-First Coding" (8 nov. 2026).
  • Conversación de campo entre desarrolladores y administradores de sistemas (17 nov. 2026), citada con permiso.
  • TechCrunch, reporte sobre modelos Qwen y envío de archivos a servidores en China (26 oct. 2026).
  • Repositorio oficial: github.com/google/elephant-goldfish-model (README, arquitectura, issues).
  • Google Open Source Blog, "Introducing the Elephant-Goldfish Model plugin" (22 oct. 2026).
  • MarkTechPost, "Google AI Releases Elephant-Goldfish Model Plugin for Spec-First Coding" (8 nov. 2026).
  • i-Programmer, "Elephants, Goldfish and the New Golden Age of Software Engineering" (12 jun. 2026).
  • Discusión en LinkedIn (Oliver Newth, MarkTechPost, Georgi Gospodinov).
  • Emergent, "Google Elephant-Goldfish Plugin Enforces Spec-First Coding" (7 nov. 2026).

No hay comentarios.: