Agente Hermes Acusado de Copiar el Evolucionador EvoMap del Equipo Chino

Puntos Clave

• Prioridad en la línea de tiempo: EvoMap liberó como código abierto el motor Evolver y el protocolo GEP el 1 de febrero de 2026; el Hermes Agent de Nous Research introdujo funciones de autoevolución muy similares semanas después.
• Acusación principal: Superposiciones arquitectónicas significativas en sistemas de memoria de tres capas, bucles de extracción de experiencia a habilidad, mecanismos de reflexión periódica y carga dinámica de habilidades — sin ninguna atribución pública por parte de Hermes hacia EvoMap.
• Diferencias técnicas: EvoMap enfatiza la propagación de genes a nivel de red y la herencia cruzada entre agentes; Hermes se centra en el aprendizaje profundo permanente de un solo agente usando DSPy + GEPA y almacenamiento local en Markdown/SQLite.
• Veredicto independiente: No hay evidencia de copia directa de código; las similitudes probablemente son resultado de un diseño convergente para resolver los mismos puntos débiles de la industria, aunque la comunidad de código abierto exige firmemente una atribución adecuada.
• Impacto actual: Hermes Agent ganó rápidamente decenas de miles de estrellas en GitHub, mientras que la comparación detallada de EvoMap generó un amplio debate en las comunidades chinas de IA.

El Auge de los Agentes de IA Autoevolutivos y la Controversia Emergente

En 2026, los agentes de IA están evolucionando de herramientas sin estado a sistemas con memoria persistente y mejora autónoma. Los agentes tradicionales olvidan todo entre sesiones, lo que genera trabajo repetitivo y un rendimiento deficiente a largo plazo. Tanto Hermes Agent de Nous Research como EvoMap Evolver abordan este desafío al permitir que los agentes aprendan de la experiencia, extraigan habilidades reutilizables y evolucionen continuamente.

Sin embargo, en abril de 2026, el equipo chino de EvoMap acusó públicamente a Hermes Agent de copiar estrechamente su arquitectura de código abierto anterior, desatando un acalorado debate en las comunidades globales de código abierto y desarrolladores chinos.

EvoMap Evolver: La Innovación Temprana China

EvoMap (evomap.ai), un proyecto arraigado en abordar los desafíos de moderación de plataformas que enfrentan los desarrolladores chinos, lanzó el motor Evolver y el Genome Evolution Protocol (GEP) el 1 de febrero de 2026.

Arquitectura Principal de Evolver/GEP:

• Sistema de memoria de tres capas: Hechos, habilidades procedimentales (Genes/Cápsulas) e historial de eventos.
• Ciclo de evolución: Escanear → Seleccionar → Mutar → Validar → Solidificar, con reflexión periódica integrada.
• Propagación a nivel de red: Las habilidades y correcciones se propagan automáticamente entre agentes mediante puntuación global y una máquina de estados.
• Implementación: Basada en Node.js con estructuras JSON, diseñada para "genes" auditables y compartibles.

El proyecto ganó una sólida tracción en los círculos chinos de IA, alcanzando alrededor de 1,800 estrellas en GitHub, con el objetivo de construir una red global descentralizada de evolución de agentes.

Hermes Agent de Nous Research: Adopción Rápida y Características

Nous Research, creadores de la serie de modelos Hermes, lanzó Hermes Agent el 25 de febrero de 2026 como un framework de autoalojamiento agnóstico al modelo con licencia MIT. El proyecto acumuló rápidamente un número significativo de estrellas en GitHub y es compatible con integraciones para Telegram, Discord, Slack y CLI.

Características Clave de Hermes Agent:

• Bucle de aprendizaje integrado: Extrae automáticamente archivos SKILL.md de los resultados de las tareas y almacena memoria persistente en SQLite con búsqueda de texto completo.
• Ecosistema de Habilidades: Más de 70 habilidades reutilizables en la versión v0.2.0, con carga dinámica y guías de auto-mejora.
• Pila de optimización: Potenciado por DSPy + GEPA (un framework académico de Evolución de Prompt Genético-Pareto) junto con el opcional Darwinian Evolver para cambios a nivel de código.
• Enfoque en agente único: Hace hincapié en la personalización profunda y la retención de conocimiento entre sesiones para usuarios individuales.

Posicionado como "el agente que crece contigo", Hermes Agent ha visto una fuerte adopción en los flujos de trabajo de los desarrolladores.

Comparación Detallada de la Arquitectura

Los repositorios públicos, la documentación y las publicaciones comparativas de EvoMap de abril revelan claras similitudes funcionales junto con diferencias importantes de implementación.

Principales Similitudes Destacadas por EvoMap:

• Proceso de extracción de experiencia a habilidad reutilizable.
• Arquitectura de memoria de tres capas.
• Mecanismos de reflexión periódica y validación de habilidades.
• Descubrimiento dinámico y carga de capacidades.

Diferencias Clave:

• Enfoque de Diseño: EvoMap/GEP prioriza la evolución a escala de red con herencia automática entre agentes y activos revocables. Hermes apunta a la profundidad de un solo agente local optimizado para uso personal a largo plazo.
• Pila Tecnológica: Evolver utiliza Node.js y JSON; Hermes se basa en Python, archivos Markdown y SQLite, altamente integrado con herramientas académicas establecidas.
• Estrategia de Evolución: GEP trata las habilidades como genomas heredables para compartir en el ecosistema. Hermes utiliza mutación controlada de prompts y habilidades dentro de un bucle personal cerrado.

Las revisiones de terceros confirman que no hay copia directa a nivel de código. Las superposiciones parecen provenir de que ambos proyectos abordan de forma independiente el mismo problema central del olvido de los agentes en un campo en rápida maduración.

Cronología de la Controversia y Respuesta de la Comunidad

• 1 de febrero de 2026: EvoMap publica como código abierto Evolver + GEP con blogs técnicos detallados.
• 25 de febrero de 2026: Se lanza Hermes Agent v0.1.0.
• Marzo de 2026: Hermes expande su Ecosistema de Habilidades (Skills Ecosystem).
• 9–11 de abril de 2026: EvoMap publica análisis detallados comparativos, señalando paralelismos estructurales casi 1:1 y la ausencia total de referencias a Evolver o GEP.
• 15 de abril de 2026: Las discusiones estallan en comunidades chinas (X, foros, etc.), donde algunos lo califican de "copia arquitectónica" mientras otros lo ven como una innovación convergente típica.

Hermes no ha emitido una respuesta oficial, pero ha hecho referencia a su propio trabajo interno anterior y a precedentes académicos. EvoMap ha declarado que solo busca un reconocimiento público, no acciones legales.

Trampas Comunes en los Debates sobre Atribución en Código Abierto:

• Confundir soluciones convergentes con copia al abordar los mismos puntos problemáticos.
• Subestimar la influencia de marcos académicos ampliamente publicados como DSPy y GEPA.
• Confundir permisos legales (la licencia MIT permite modificaciones) con las expectativas éticas de la comunidad de atribuir trabajos públicos previos.

Por Qué Esta Controversia Importa para el Ecosistema de Agentes de IA

Los agentes de auto-evolución representan un paso crucial hacia sistemas de IA realmente adaptativos. Esta disputa resalta varias lecciones importantes:

• Mejores Prácticas para la Atribución: Incluso las soluciones desarrolladas de forma independiente se benefician de citar trabajos previos visibles para fomentar la confianza.
• Velocidad de la Innovación: Equipos con buenos recursos pueden pulir y popularizar rápidamente ideas de grupos más pequeños, beneficiando en última instancia a los usuarios finales.
• Potencial Complementario: La profundidad local de Hermes se combina bien con la propagación en red de EvoMap, abriendo puertas a implementaciones híbridas.
• Casos Prácticos Específicos (Edge Cases): Los desarrolladores deberían probar ambos: Hermes para flujos de trabajo de productividad personal y EvoMap para escenarios colaborativos multiagente.

Conclusión

La acusación de que Hermes Agent copió a EvoMap Evolver refleja el ritmo intenso y las superposiciones ocasionales en el desarrollo de IA de código abierto de 2026. Aunque existen similitudes funcionales, la evidencia disponible apunta más hacia una convergencia de diseño impulsada por desafíos compartidos que a un plagio directo.

Los desarrolladores que construyen agentes de auto-mejora deben evaluar ambos proyectos por sus fortalezas: elegir Hermes para una evolución profunda de usuario único o EvoMap para la propagación de genes a escala de ecosistema. Experimente con ambos, contribuya a la comunidad y promueva la referencia transparente de trabajos previos.

Acción Recomendada: Visite los repositorios oficiales de GitHub para Hermes Agent y EvoMap Evolver, realice sus propias pruebas comparativas en flujos de trabajo reales y participe de manera constructiva en la discusión en curso. La colaboración responsable y la atribución clara acelerarán el progreso en todo el ecosistema de agentes de IA de auto-evolución.

Siga los desarrollos en marcos como DSPy, GEP y herramientas relacionadas de auto-mejora para mantenerse a la vanguardia en el diseño de arquitecturas de agentes.