Ex-investigador de OpenAI lanza Context Engine: el agente con memoria reduce la inferencia superficial y equilibra la inferencia profunda

Noticias de CoinWorld, el exinvestigador de OpenAI fundó Applied Compute y lanzó Context Engine, un motor de contexto para agentes empresariales.
Este motor condensa documentos internos, historial de tickets y rastros de ejecución de agentes en una base de conocimientos llamada contextbase, que los agentes pueden consultar directamente al realizar tareas, reduciendo el presupuesto de razonamiento.
En apex-agents (evaluaciones profesionales en banca de inversión, consultoría y legal desarrolladas por Mercor), el nivel de razonamiento bajo de GPT-5.4 aumentó del 44.5% al 52.4%, prácticamente igualando al nivel medio sin memoria, que es del 52.3%.
La mejora en razonamiento bajo fue del 7.9%, en razonamiento medio del 3.7%, y en razonamiento muy alto cayó un 0.7%.
En la línea base de razonamiento medio, apex-agents con GPT-5.4 subió del 44.2% al 51.7%, un aumento relativo del 16.9%.
GPT-5.4-mini pasó del 33.4% al 38.7%, un aumento relativo del 15.8%.
Applied Compute opina que hay poca estructura reutilizable entre tareas y que la puntuación base ya está cerca del techo.