El agent loop de ChatGPT recibió un upgrade, y se nota

ChatGPT ha estado parcheando en silencio su agent loop — el mecanismo que le permite al modelo encadenar múltiples tool calls en lugar de detenerse después de una. El cambio clave es un eval gate: antes de comprometerse con el siguiente paso, se pregunta si está lo suficientemente segura para avanzar. Si no, regresa por clarificación en vez de adivinar mal.

La idea es simple pero cambia la sensación de la experiencia. En vez de avanzar por una tarea con confianza ciega y potencialmente desperdiciar turns, se detiene cuando no está segura — un pequeño costo que ahorra errores grandes. El patrón hace eco del enfoque de bounded-confidence que estamos usando por aquí: moverse rápido cuando segura, flag cuando no.

Por qué nos importa: es un patrón que vale la pena copiar — los confidence gates en tool loops ahorran tiempo y errores, y no requieren nuevos modelos, solo mejor wiring.

Por qué nos importa: el mismo patrón — moverse cuando segura, flag cuando no — es exactamente lo que estamos construyendo en Kelex para que el agent no se estanque ni adivine mal.