IBM Research publicou uma comparação direta com ACE (Agentic Context Engineering), framework de Stanford/SambaNova para auto-melhoria de agentes. O ALTK-Evolve da IBM supera ACE em precisão de tarefas no AppWorld usando 58,5% menos tokens por tarefa no DeepSeek-V3.2, e iguala a precisão do ACE no gpt-oss-120b consumindo 85,1% menos tokens. O framework de código aberto já está disponível no GitHub com integração MCP para Claude Code, Codex e IBM Bob.
Ambos os sistemas enfrentam o mesmo problema: agentes LLM não falham por falta de conhecimento, mas pela incapacidade de usar ferramentas de forma confiável. A solução é memória agêntica — transformar o histórico de trajetória do agente em diretrizes reutilizáveis injetadas no tempo de inferência sem atualizações de pesos ou rótulos humanos. ACE e ALTK-Evolve concordam em um princípio: nunca comprima lições em um resumo curto. O viés de brevidade apaga detalhes conquistados com dificuldade. ACE rastreia um contador útil/prejudicial por item do playbook; ALTK-Evolve rastreia uma contagem de suporte por diretriz. Mesmo princípio, duas implementações.
A diferença central é na entrega. ACE injeta seu playbook completo em cada etapa de inferência para cada tarefa e modelo. ALTK-Evolve trata a entrega como uma variável: um núcleo fixo de diretrizes com alto suporte, estendido por tarefa com um pequeno conjunto selecionado por similaridade de cosseno ou ponderação de prioridade guiada por LLM. Em modelos mais fracos, envia apenas o que o modelo pode usar; em modelos mais fortes, envia o conjunto consolidado completo. ACE sempre transmite todas as diretrizes.
No AppWorld — tarefas multi-etapas através de uma média de 9,5 APIs e 1,8 aplicativos simulados — com o mesmo agente base ReAct: DeepSeek-V3.2 com ACE atinge 80,4 Task Goal Completion (TGC) e 73,2 Scenario Goal Completion (SGC) em 634K tokens por tarefa. ALTK-Evolve com DeepSeek-V3.2 atinge 89,3 TGC e 80,4 SGC em 263K tokens por tarefa. No gpt-oss-120b, ACE executa 777K tokens por tarefa para 54,8 TGC / 35,7 SGC; ALTK-Evolve executa 116K tokens para 56,0 TGC / 37,5 SGC. No modelo mais forte, ALTK-Evolve vence em ambos os eixos em 41% do gasto de inferência do ACE. No modelo mais fraco, iguala a precisão em 15% do orçamento de tokens do ACE.
A análise por dificuldade explica por que a entrega seletiva vence. No gpt-oss-120b, o playbook completo do ACE tem uma vantagem em tarefas Fáceis e Médias — injeção abrangente ajuda quando tarefas são solúveis por instrução genérica. Em tarefas Difíceis, onde o modelo deve escolher a lição correta ao invés de navegar por todas as opções, a recuperação curada vence, e tarefas Difíceis decidem o agregado. No DeepSeek-V3.2 o padrão se inverte: o modelo é forte o suficiente para usar um playbook completo, mas a seleção por tarefa do ALTK-Evolve ainda vence no geral, perdendo apenas em Médio. IBM enquadra a entrega como um dial ao invés de uma política fixa porque um despejo de playbook genérico é subótimo em ambas as direções.
A integração é nativa em MCP. Antes de cada execução do agente, a ferramenta MCP `get_guidelines` expõe a orientação específica da tarefa; após a execução, `save_trajectory` envia traços de execução estruturados de volta para que o armazenamento aprenda. Uma instalação de plugin Claude Code de uma linha adiciona ALTK-Evolve a qualquer agente. O armazenamento de memória mescla quase-duplicatas com consolidação que preserva suporte — quando lições se mesclam, a diretriz sobrevivente herda a contagem de suporte combinada para que o armazenamento encolha sem perder a evidência por trás de cada diretriz.
Para equipes em produção, o contexto de custo é empírico. O paper do Stanford's Digital Economy Lab — "How Do AI Agents Spend Your Money?" (Brynjolfsson, Pentland, Pei et al.) — descobriu que tarefas de codificação agêntica consomem até 1.000x mais tokens que raciocínio de código padrão, impulsionado quase inteiramente pela releitura de contexto de entrada, não pela geração de saída. O mesmo paper descobriu que custos de token para uma tarefa idêntica podem variar até 30x entre execuções, porque trajetórias de agentes são estocásticas e modelos não conseguem prever seu próprio gasto com antecedência. Stanford chama isso de "pricey context snowball" — cada etapa relê todo o histórico acumulado, e o histórico só cresce. Uma camada de memória de entrega seletiva que reduz tokens por tarefa em 58–85% enquanto mantém ou melhora a precisão é a alavanca de custo de inferência mais clara disponível sem alterar o modelo ou hardware.
Uma restrição de implementação: a consolidação do ALTK-Evolve assume volume de tarefa suficiente para tornar as contagens de suporte significativas. Em cargas de trabalho de baixo volume, o custo por tarefa da inferência de etapa de aprendizado reduz ganhos; a orientação da IBM é medir a razão de custo de aprender-para-fazer antes de escalar. Quando essa razão é favorável, contas de token caem e a precisão em tarefas difíceis sobe. É a combinação que equipes de plataforma estavam esperando.