HybridAgents es un marco de agentes de inteligencia artificial diseñado para superar las limitaciones de los modelos de lenguaje actuales, que operan exclusivamente a través del texto. Este sistema integra el razonamiento latente, un medio interno eficiente pero opaco, con la interacción externa basada en texto, permitiendo que los agentes piensen de forma más profunda mientras mantienen la transparencia necesaria para actuar en entornos reales. La arquitectura se basa en un componente ligero llamado HybridLink, que facilita las transiciones dinámicas entre ambos modos de procesamiento, y en una memoria de trabajo continua que preserva el contexto híbrido sin pérdidas a lo largo de múltiples turnos. Esta estructura permite que las capacidades agénticas integradas con herramientas sean mantenidas, al tiempo que los pensamientos latentes se vuelven inspeccionables directamente.
Para optimizar este sistema, los autores desarrollaron algoritmos de post-entrenamiento específicos: HybridSFT estabiliza la generación híbrida integrando herramientas, y HybridRL escala el razonamiento aprendiendo cuándo pensar en el espacio latente y cuándo actuar mediante texto. La evaluación del HybridAgent en tres escalas de modelo, utilizando 11 benchmarks que abarcan matemáticas, ciencias, medicina, búsqueda y razonamiento agéntico, demostró mejoras consistentes respecto a los agentes de frontera y los marcos agénticos existentes. El sistema mejoró el rendimiento en un 10,4% y redujo el uso de tokens entre un 35,5% y un 54,7%, logrando una inferencia 1,8 a 2,6 veces más rápida y ahorros de costes de 2,7 a 3,7 veces. El código y los datos asociados están disponibles públicamente en GitHub, facilitando la replicación y el desarrollo futuro de esta tecnología.