El segundo cerebro de Garry Tan tiene 155.795 páginas y un botón de corrección

La cifra del README es 155.795 páginas. Luego 24.589 personas, 5.340 empresas y 66 tareas programadas que se ejecutan sin que nadie las mire. El cerebro es de Garry Tan, presidente y consejero delegado de Y Combinator, y el software también es suyo: publicado bajo licencia MIT, con una opción alojada de pago si prefieres no administrar una base de datos.
El repositorio es gbrain, y su propuesta en una línea es «dale al agente que ya usas una memoria que tú controlas». Esa frase hace mucho trabajo, porque dentro hay al menos tres productos: un almacén de memoria, un sistema de recuperación y un demonio que sigue ingiriendo mientras duermes. El interesante no es el número más grande.
Qué suele significar «memoria» y qué significa aquí
La mayor parte de la memoria de agentes, en la práctica, es un índice vectorial con un nombre amable. Pegas documentos, los vectoriza, recupera diez fragmentos que mencionan tu consulta y el modelo cose algo. Funciona hasta que haces una pregunta en la que dos fragmentos se contradicen, o un dato cambió hace seis meses, o alguien necesita saber de dónde salió una afirmación.
GBrain guarda hechos explícitos con sus fuentes. Admite correcciones y retiradas: puedes marcar algo como erróneo, y ese error se propaga en lugar de quedarse en un embedding para siempre. La misma memoria está disponible en distintos agentes en vez de estar soldada a un solo armazón. Empiezas con memoria y recuperación por palabras clave, sin claves de API, y añades búsqueda semántica, síntesis y enriquecimiento en segundo plano cuando los necesitas. El orden es deliberado: el modo barato funciona sin ninguna llamada a un modelo.
La capa de síntesis es la que cambia el comportamiento. En lugar de devolver diez fragmentos, devuelve una respuesta con citas y una nota explícita sobre lo que el cerebro todavía no sabe. Ese análisis de huecos es poco común. La mayoría de los sistemas de recuperación son estructuralmente incapaces de decir «no tengo nada sobre esto», porque la búsqueda por similitud siempre devuelve su top k, por irrelevante que sea.

La procedencia es la función de verdad
El planteamiento de Tan es que el cerebro es un foso defensivo: no perder nunca el contexto, consultar lo que tienes en la cabeza sin volver a leerlo. De acuerdo, pero el foso solo aguanta si la memoria es fiable, y la confianza en un sistema de memoria viene de dos propiedades que son aburridas de demostrar y caras de construir.
La primera es la atribución. Cada hecho apunta a una fuente. Cuando el agente dice que una empresa levantó una ronda, puedes volver a la nota de la reunión o al correo que lo decía.
La segunda es la retractación. Si la fuente estaba mal, o la situación cambió, necesitas una forma de decir «esto ya no es cierto» que no obligue a borrar el historial. La propia descripción de Tan del ciclo nocturno incluye al agente corrigiendo sus citas y consolidando la memoria. Eso es un bucle de mantenimiento, no un truco de generación, y es la diferencia entre un cuaderno y un sistema.
Debajo hay un grafo de conocimiento tipado, que importa para un tipo concreto de pregunta. «Quién trabaja en esta empresa» no es un problema de similitud; es un recorrido. La recuperación de relaciones de GBrain sube el R@5 de producción de 0,6626 a 0,7241 en su propio benchmark, con un techo de oráculo de grafo en 0,9791. Fíjate en qué es ese último número: un techo, no una puntuación de producto. Publicar los dos es lo que hace más creíbles el resto de las afirmaciones.
La instalación, con honestidad
Es un proyecto de Bun, y el README es inusualmente directo sobre una trampa. GBrain no se distribuye en npm. El paquete de npm llamado gbrain no tiene relación y puede tapar el binario real, así que la instrucción es instalar solo con bun install -g github:garrytan/gbrain#stable, o clonar la rama estable y enlazarla. Si instalaste el equivocado, gbrain doctor te da la solución.
Para una instalación local mínima puedes ejecutar gbrain init --pglite --no-embedding: sin claves, sin servidor, sin Docker. Para llegar a él desde otras máquinas, gbrain mcp expose lo publica por MCP en una red Tailscale, con una opción --funnel para agentes en la nube. La promesa es una instalación de treinta minutos. Mi sospecha es que esos treinta minutos son exactos para alguien que ya tiene Bun y una cuenta de Tailscale, y optimistas para el resto, lo cual es normal.
Engancharlo a un agente existente es deliberadamente poco glamuroso: MCP para el caso general, una entrada en el mercado de plugins para Claude Code y Codex, una ruta documentada para cerebros alojados con OAuth. El sistema está diseñado para acoplarse al agente que ya usas, no para sustituirlo por una nueva identidad de asistente personal.
La parte que debería preocuparte
El cerebro de una empresa y el cerebro de una persona son modelos de amenaza distintos, y el README lo sabe. Los clientes remotos autenticados están limitados por permisos de fuente, permisos de operación y filtros de visibilidad. Los archivos locales y las credenciales compartidas de la base de datos quedan al otro lado de la frontera de confianza: el aislamiento por fuente no protege a quien puede leer el disco.
Es un párrafo más honesto de lo que suele conseguir la mayoría de los proyectos. También significa que la respuesta a «¿podemos compartir esto con el equipo?» no es sí o no. Es una lista de rutas de acceso concretas que se probaron y una lista de las que no.
Hay un segundo riesgo, más sutil, que viene con cualquier memoria de larga vida: acumula tus errores. Un agente que lo recuerda todo recuerda la hipótesis equivocada en la que pasaste tres semanas, el proveedor que descartaste por un mal motivo, la persona a la que caracterizaste mal en una nota. La corrección y la retirada son los mecanismos que impiden que esto se convierta en una capa de sedimento de tus peores juicios. Usarlos es un hábito, no una función, y la mayoría de los equipos no construirá el hábito hasta que algo embarazoso salga a la superficie.
Qué me llevaría de aquí
No el número de páginas. El número de páginas es un alarde, y uno honesto, pero no es transferible.
La idea transferible es el orden. Primero recuperación por palabras clave, sin modelo, funcionando desde el primer día. Las capas semánticas después, cuando puedas medir si ayudan. Grafos para las preguntas que de verdad son recorridos. Síntesis solo donde una respuesta citada supera a una lista de fragmentos. Y un bucle de mantenimiento que corra haya o no alguien mirando, porque una memoria que no se mantiene es solo un montón.
También hay una herramienta más pequeña y más afilada en el repositorio que vale la pena mirar: gbrain skillopt, que trata un SKILL.md como un parámetro entrenable: genera un benchmark a partir de la skill, refuerza a los jueces, deja que el optimizador proponga ediciones y conserva solo las que puntúan mediblemente más alto. Veinte minutos y alrededor de un dólar en llamadas de API. Es la misma filosofía en miniatura: si no puedes medir la mejora, no tienes derecho a quedártela.
Artículos relacionados
Una hoja de cálculo comunitaria de toques que apaga la publicidad de los Android chinos
No toca el sistema, no desbloquea nada, no flashea nada. Solo mueve los interruptores que los fabricantes ya dejaron a la vista. El precio es una lista que alguien tiene que seguir escribiendo.
GPT Image 2.6 mantuvo el precio por token y subió la factura
GPT Image 2.6 mantiene cada tarifa por token de 2.5 y aun así cuesta más por imagen, porque buena parte del trabajo ocurre ahora en tokens de salida. Once días después del lanzamiento, la estructura de precios dice más que el ranking.
Alguien reconstruyó IDM desde fuera y anotó lo que no tocó
Una reimplementación en Rust de Internet Download Manager promete 5 veces la velocidad y 86 idiomas. El documento más interesante es el párrafo que explica cómo se construyó sin copiar nada.
Rune es un framework de UI en Rust creado para que un agente pueda comprobar su propio trabajo
Rune renderiza sin interfaz, vuelca su árbol de elementos y acepta entrada programada, lo que da a un agente de código una señal diffeable que una captura nunca ofrece. El framework está en prelanzamiento y no acepta pull requests.