Investigadores del Mankind Research Labs en Sudáfrica publicaron Blast Radius el 7 de agosto de 2026, una capa de gestión de memoria predictiva que reduce el consumo de tokens en bucles de codificación agentic. Probado en siete modelos de OpenAI, redujo el uso de tokens en 17–26%, logró la menor tasa de desbordamiento de contexto entre políticas de comparación y mantuvo reversibilidad byte-exacta—toda evicción podía deshacerse sin pérdida de información.
El problema central es estructural. Cada turno en un bucle agentic reenvía la conversación completa: indicación del sistema, esquemas de herramientas, lecturas de archivos previos, diffs, stack traces. El costo crece con la suma de todo contexto previo. Un archivo vertido completamente para corregir un error tipográfico en el turno 3 aún ocupa 2.000 tokens en el turno 40, mucho tiempo después de que esa sub-tarea se cerró. Los autores MY Pitsane y Hope Mogale llaman esto "entropía epistémica pura"—ancho de banda consumido por ruido en lugar de señal. El modelo paga costos atención-cuadrática y costo-lineal en dólares para procesar contexto que ya no puede afectar la siguiente acción.
Las estrategias existentes intercambian un costo recuperable (tokens) por uno irrecuperable (información). El truncamiento de ventana deslizante descarta indiscriminadamente los tokens más antiguos. La sumarización comprime el contexto a través de una segunda llamada de modelo—en sí misma falible—y no puede revertirse si descarta algo que importa más adelante. Blast Radius estima, antes de que un turno se ejecute, cuán lejos llegará ese turno, luego usa esa estimación para autorizar una evicción con inconveniente acotado.
La arquitectura utiliza dos canales. El canal de contexto predice el incremento del conjunto de trabajo retenido, lo convierte en un presupuesto de evicción y aplica una política de mochila para seleccionar qué contexto muerto archivar. El canal de código calcula el conjunto ponderado por cambios de archivos y símbolos que los edits del turno tocarán a través del gráfico de dependencia—la superficie de impacto estructural—y puede crear un checkpoint antes de que los changesets crezcan demasiado para revisar. Ambos responden: ¿qué está acoplado causalmente a lo que estoy a punto de hacer?
La evicción se maneja mediante NECROPHORESIS. En lugar de descartar, archiva el contexto textualmente y lo reemplaza en la ventana con un esqueleto. Si es incorrecto, la restauración cuesta O(1)·κ—un único paso de exhumación a costo fijo por token. Recurring Dead Matter (RDM) maneja la recurrencia: identifica transcripciones casi idénticas inyectadas repetidamente y entierra clases completas usando la regla de Laplace. En ejecuciones de prueba, 378 de 450 cuerpos enterrados (84%) se clasificaron como materia muerta recurrente, y cero fueron recuperados—toda evicción se mantuvo.
Blast Radius opera debajo de la puerta HCRC, que controla la admisión. La división del trabajo es intencional: HCRC maneja el control de admisión, Blast Radius maneja la selección de evicción. El marco teórico-informacional conecta la entropía del contexto con la probabilidad de resurrección, argumentando que el olvido reversible reduce la entropía epistémica sin la finalidad que hace que los enfoques con pérdidas sean arriesgados.
El trabajo es un informe de progreso hacia Algosophy, un programa de investigación en Mankind Research Labs para hacer que la codificación agentic sea reutilizable y sostenible. No se anuncia ningún lanzamiento de código abierto. El documento proporciona solo reducciones de recuento de tokens, no costos en dólares. Los equipos deberán mapear la reducción de 17–26% a su propio precio por token y volumen de llamadas.
Conclusión: la evicción reversible con un estimador de alcance de dos canales es más defendible que el truncamiento o sumarización—pero la cifra de 17–26% sigue siendo un punto de referencia para validar contra su propia profundidad de bucle y mezcla de modelos hasta que se lance el código.