¿Qué es TreeQuest?
TreeQuest es una biblioteca de Python de código abierto de Sakana AI que implementa Adaptive Branching Monte Carlo Tree Search (AB-MCTS), un método de escalado en tiempo de inferencia: en lugar de preguntar una vez al modelo, dejas que una búsqueda decida, llamada a llamada, si probar una respuesta nueva o refinar una prometedora. El artículo en el que se basa fue un spotlight de NeurIPS 2025, y Sakana dice que el mismo método sostiene su agente de investigación Marlin.
Escribes una función que recibe un estado padre y devuelve un estado nuevo con una puntuación entre 0 y 1, normalmente llamando a un LLM y evaluando el resultado. TreeQuest decide qué nodo expandir a continuación. Incluye AB-MCTS-A, AB-MCTS-M y un modo multi-LLM que también elige a qué modelo llamar, además de checkpointing, una interfaz ask-tell por lotes y visualización del árbol en HTML.
Usa Apache 2.0 y está en PyPI como treequest; requiere Python 3.11 o posterior. La última versión es la v0.3.3, del 16 de octubre de 2026; el repositorio tiene unas 570 estrellas y tres contribuidores.
¿Merece la pena TreeQuest?
TreeQuest es una buena biblioteca con un encargo limitado. No llama a modelos, no analiza salidas ni gestiona prompts; decide dónde gastar la siguiente llamada. Eso hace que sea fácil de meter en un pipeline existente, que es su principal ventaja frente a escribir MCTS por tu cuenta, y es la razón de que el quick start del README quepa en una pantalla.
El resultado más conocido del método muestra a la vez su promesa y su pega. En 120 tareas públicas de ARC-AGI-2 con un presupuesto de 250 llamadas, Sakana informa de que o4-mini con muestreo repetido resolvió el 23%, o4-mini con AB-MCTS el 27,5% y AB-MCTS multi-LLM combinando o4-mini, Gemini 2.5 Pro y DeepSeek-R1 más del 30%. Esa cifra máxima es Pass@250, que da una tarea por resuelta si cualquier intento acertó. Con la regla de dos respuestas de la competición bajó al 19,2%, y Sakana reconoce que la selección de la respuesta está sin resolver. TreeQuest encuentra buenos candidatos; no te dice cuál es el correcto salvo que tu función de puntuación pueda hacerlo.
Así que la calidad de una ejecución de TreeQuest es la calidad de su evaluador. Donde tienes un verificador (tests unitarios, ejemplos de demostración, un objetivo numérico) es una forma sólida de convertir más presupuesto en mejores respuestas. Donde solo tienes un LLM como juez, la búsqueda optimiza lo que le gusta al juez.
El proyecto es pequeño y está mantenido: versiones aproximadamente cada uno a tres meses desde 2025, cero issues abiertas y tres contribuidores, así que la continuidad depende de Sakana. El README advierte de que los pasos de AB-MCTS-M pueden ser lentos y de que los lotes grandes distorsionan el árbol; sugiere un tamaño de lote de cinco o menos. Para evolucionar programas completos a lo largo de muchas generaciones, ShinkaEvolve, también de Sakana, es la herramienta más adecuada.
Dónde se gana su sitio
Un ingeniero que genera código contra una suite de tests unitarios
Subir la tasa de aciertos en tareas difíciles gastando más llamadas solo donde hace falta
Puntuar cada candidato por la proporción de tests superados y dejar que AB-MCTS elija entre borradores nuevos y refinamientos. Las ejecuciones de Sakana en ARC-AGI-2 limitaron el gasto a 250 llamadas por tarea.
Un equipo con acceso a las APIs de varios modelos
Combinar modelos para que el casi acierto de uno sea el punto de partida de otro
Registrar una función de generación por modelo y usar AB-MCTS multi-LLM; en ARC-AGI-2, Sakana vio que DeepSeek-R1 y Gemini corregían las respuestas erróneas de o4-mini.
Un investigador que compara métodos de escalado en tiempo de inferencia
Comparar la búsqueda en árbol con el muestreo best-of-N
Ejecutar AB-MCTS-A y el muestreo repetido simple con el mismo presupuesto, y luego exportar ambos árboles a HTML para comparar sus formas.
Antes de decidirte
- Puesta en marcha
- pip install "treequest[all]" o uv add "treequest[all]" en Python 3.11 o posterior; el quick start del README ejecuta una búsqueda de 10 pasos en unas pocas líneas.
- Integraciones
- Independiente del modelo: llamas a cualquier LLM dentro de tu propia función de generación. Los extras opcionales añaden las dependencias de AB-MCTS-M y la visualización; los árboles de búsqueda se pueden guardar con checkpoints y exportar a HTML.
- Datos y privacidad
- TreeQuest no hace por sí mismo ninguna llamada de red; lo que tu función de generación envíe a un proveedor de LLM es lo único que sale de tu máquina. Apache 2.0 no pone límites al uso comercial.
- Coste a escala
- El gasto es el número de pasos de búsqueda por el coste de cada llamada de generación y puntuación; a 250 llamadas por tarea, como en las ejecuciones de Sakana en ARC-AGI-2, el presupuesto se deduce directamente del precio por llamada de tu modelo.
- Límites
- No selecciona la respuesta final más allá de top_k por puntuación. AB-MCTS-M es lento por paso; según el README, los lotes de más de cinco ensanchan demasiado el árbol.
Lo bueno
- API pequeña: una función de generación que devuelve (state, score)
- AB-MCTS-A, AB-MCTS-M y búsqueda multi-LLM en un solo paquete
- Checkpointing y reanudación para ejecuciones largas que sufren errores de la API
- Interfaz ask-tell por lotes para llamadas en paralelo
- Apache 2.0, versiones regulares, método publicado en NeurIPS 2025
Lo malo
- Los resultados dependen por completo de tu función de puntuación
- No ayuda a elegir la respuesta final: en ARC-AGI-2, Pass@2 fue del 19,2% frente a más del 30% en Pass@250
- Los pasos de AB-MCTS-M pueden ser lentos
- Los lotes grandes distorsionan el árbol de búsqueda
- Tres contribuidores; comunidad pequeña
Ideal para
Ingenieros que ya tienen un verificador para las salidas del modelo y quieren un algoritmo de búsqueda probado para convertir un presupuesto de llamadas mayor en mejores respuestas.
Alternativas a TreeQuest
TreeQuest: preguntas frecuentes
- ¿Merece la pena TreeQuest?
- Una implementación limpia y mínima de un método de búsqueda respetado que hace exactamente una cosa y te deja las partes difíciles, puntuar y elegir la respuesta final. Le damos un 3.8 sobre 5.
- ¿Cuánto cuesta TreeQuest?
- Gratuito con Apache 2.0. Los costes son las llamadas al LLM que hagan tus funciones de generación y puntuación.
- ¿Qué inconvenientes tiene TreeQuest?
- Los resultados dependen por completo de tu función de puntuación; no ayuda a elegir la respuesta final: en ARC-AGI-2, Pass@2 fue del 19,2% frente a más del 30% en Pass@250; los pasos de AB-MCTS-M pueden ser lentos; los lotes grandes distorsionan el árbol de búsqueda; tres contribuidores; comunidad pequeña.
- ¿Para quién es TreeQuest?
- Ingenieros que ya tienen un verificador para las salidas del modelo y quieren un algoritmo de búsqueda probado para convertir un presupuesto de llamadas mayor en mejores respuestas.
- ¿Cuánto cuesta TreeQuest para un equipo o en producción?
- El gasto es el número de pasos de búsqueda por el coste de cada llamada de generación y puntuación; a 250 llamadas por tarea, como en las ejecuciones de Sakana en ARC-AGI-2, el presupuesto se deduce directamente del precio por llamada de tu modelo.
- ¿Es TreeQuest seguro para los datos de la empresa?
- TreeQuest no hace por sí mismo ninguna llamada de red; lo que tu función de generación envíe a un proveedor de LLM es lo único que sale de tu máquina. Apache 2.0 no pone límites al uso comercial.
- ¿Cuáles son las mejores alternativas a TreeQuest?
- Las alternativas más cercanas que hemos analizado son ShinkaEvolve, The AI Scientist (v1, v2 and v3) y LangGraph.
Respuestas comprobadas el 26 oct 2026.