The Moltbook Observatory Archive: an incremental dataset of agent-only social network activity

Resumen Técnico: El Archivo del Observatorio Moltbook

Problema y Contexto
La emergencia de plataformas sociales a gran escala pobladas exclusivamente por agentes de IA autónomos representa una nueva clase cualitativa de entorno en línea. A diferencia de las plataformas moderadas por humanos o mixtas (humanos-agentes), estos entornos permiten que los sistemas de IA interactúen, coordinen e intercambien información sin mediación humana. Si bien la investigación sobre las interacciones entre agentes se ha acelerado desde principios de 2026, los recursos existentes se limitan a entornos de simulación controlados (por ejemplo, AgentBench, WebArena) o a puntos de referencia sintéticos (por ejemplo, WASP, AgentPI) que carecen de la validez ecológica de las interacciones reales y no guiadas. Además, los archivos existentes de redes sociales (por ejemplo, Reddit Pushshift) están compuestos por contenido creado por humanos y enfrentan restricciones crecientes de acceso. Existe una necesidad crítica de un conjunto de datos observacional a gran escala que capture interacciones naturalistas y no guiadas entre agentes heterogéneos para estudiar el comportamiento social emergente, las normas de comunicación y fenómenos relevantes para la seguridad, como la inyección de prompts y la manipulación coordinada.

Metodología
Para abordar esta brecha, los autores desarrollaron el Observatorio Moltbook, un sistema de monitoreo pasivo diseñado para capturar datos de "Moltbook", una red social lanzada en enero de 2026 donde las cuentas son exclusivamente agentes de IA.

• Recopilación de datos: El observatorio opera como un recolector en segundo plano que consulta la API de Moltbook en un horario fijo sin interactuar con la plataforma (sin publicar, comentar ni votar).
  • Tasas de consulta: Se recuperan nuevas publicaciones cada 2 minutos (50 publicaciones por consulta); perfiles de agentes cada 15 minutos; metadatos de submolt (comunidad) cada hora; tendencias de frecuencia de palabras cada 10 minutos; y capturas de estado de toda la plataforma cada hora.
  • Restricciones de muestreo: Debido a los límites de velocidad de la API, el archivo representa una muestra observacional. La cobertura fue casi completa durante los períodos de estado estable (marzo-abril de 2026), pero significativamente incompleta durante picos de alta actividad (por ejemplo, el 9 de febrero, donde la captura se estimó en <10%). La recopilación de comentarios comenzó cinco días después de la recopilación de publicaciones, lo que resultó en una cobertura parcial (el 23,8 % de las publicaciones con comentarios reclamados tienen registros coincidentes en el archivo).
• Almacenamiento y exportación: Los objetos recuperados se normalizan en una base de datos SQLite local. El sistema realiza exportaciones incrementales a archivos Parquet, particionados por fecha (dump_date).
  • Mecanismo de relleno: El exportador utiliza ventanas de relleno rodante específicas de la tabla (por ejemplo, 7 días para publicaciones/agentes, 30 días para submolts) para reexportar registros recientes y capturar campos actualizados (por ejemplo, puntuaciones, recuentos de comentarios).
  • Deduplicación: Los datos fusionados se deduplican por clave primaria, reteniendo la observación más reciente.
• Anotaciones calculadas: Un kit de herramientas de análisis complementario genera anotaciones heurísticas basadas en patrones de expresiones regulares y coincidencia de palabras clave. Estas incluyen marcadores para spam duplicado, inyección de prompts (11 patrones), contenido relacionado con criptomonedas (8 grupos de patrones) y manipulación. El sentimiento se calcula como una puntuación compuesta que promedia las estimaciones de VADER y TextBlob.

Contribuciones Clave
La contribución principal es el Archivo del Observatorio Moltbook, el primer conjunto de datos observacional a gran escala de una red social poblada exclusivamente por agentes de IA autónomos.

• Alcance del conjunto de datos: La versión documentada (instantánea 2026-04-15) cubre 78 días de actividad (2026-01-27 a 2026-04-14).
  • Volumen: 2.615.098 publicaciones y 1.213.007 comentarios de 175.886 agentes publicadores únicos en 6.730 comunidades.
  • Estructura: El conjunto de datos está organizado en seis tablas: agents (agentes), posts (publicaciones), comments (comentarios), submolts, snapshots (instantáneas) y word_frequency (frecuencia de palabras).
  • Formato: Distribuido como archivos Parquet particionados por fecha (con un total de 1,45 GiB) bajo la licencia MIT, con un manifiesto de esquema legible por máquina (manifest.json) y un archivo de estado (state.json) para la reproducibilidad.
• Artefactos técnicos: La versión incluye el código de recopilación, el script de exportación (sqlite_to_hf_parquet.py) y un kit de herramientas de análisis complementario para reproducir estadísticas descriptivas y visualizaciones.

Resultados y Estadísticas Descriptivas
El artículo proporciona una visión estadística integral del ecosistema capturado:

• Patrones de actividad: La plataforma exhibió una distribución de cola pesada de actividad. El 28,5 % de los agentes publicó exactamente una vez, mientras que el agente mediano publicó 4 veces y la media fue de 14,9. El agente más activo publicó 14.165 veces.
• Dinámica temporal: A diferencia de las plataformas dominadas por humanos, la actividad de los agentes se distribuye relativamente uniformemente a lo largo del ciclo de 24 horas (3,45 %–5,34 % por hora), lo que refleja la naturaleza automatizada de la población.
• Estructura comunitaria: El submolt "general" domina con el 60,4 % de todas las publicaciones. Otras comunidades significativas se relacionan con la acuñación de tokens, la filosofía y la seguridad.
• Características del contenido:
  • Longitud: Las publicaciones tienen una longitud mediana de 131 caracteres; los comentarios son más largos (mediana de 339 caracteres).
  • Seguridad y riesgo: El 64,1 % de las publicaciones se marcan como relacionadas con criptomonedas. 9.247 publicaciones (0,35 %) se marcan por inyección de prompts. Una puntuación de riesgo compuesta (suma ponderada de la tasa de inyección, tasa de duplicados, promoción de criptomonedas, etc.) clasifica a 4 agentes como "críticos" y a 38.029 como "de alto riesgo".
  • Sentimiento: El sentimiento medio general es ligeramente positivo (0,1239), con el 54,4 % de las publicaciones clasificadas como neutrales.
• Estructura de red: Un gráfico de respuestas construido a partir de 18.881 nodos y 127.238 aristas revela 15 comunidades. La tasa de reciprocidad es de 0,0585 y la relación de participación orgánica (excluyendo la auto-interacción y los bots) es del 66,7 %.
• Eventos externos: La adquisición de Moltbook por Meta Platforms el 10 de marzo de 2026 no mostró ninguna discontinuidad detectable en el volumen de publicaciones o comentarios.

Significado y Afirmaciones
Los autores posicionan este trabajo como un recurso fundamental para el estudio de los sistemas multiagente. El archivo es significativo porque:

1. Captura interacción naturalista: Proporciona contenido de texto completo de interacciones no guiadas entre agentes heterogéneos, eliminando la confusión de la mezcla humano-agente encontrada en plataformas de propósito general.
2. Apoya la investigación de seguridad: Ofrece instancias del mundo real de inyección de prompts, ingeniería social y manipulación que surgieron orgánicamente, sirviendo como complemento a los puntos de referencia sintéticos para entrenar y evaluar clasificadores de seguridad.
3. Permite estudios longitudinales: La estructura incremental y particionada por fecha permite a los investigadores estudiar la evolución de las normas, la deriva de temas y los efectos de eventos externos en el comportamiento de los agentes a lo largo del tiempo.
4. Facilita la reproducibilidad: Al publicar los datos, el código y los archivos de estado bajo una licencia abierta, los autores permiten la verificación por terceros y la extensión de los métodos de análisis.

El artículo mantiene un tono modesto respecto a sus limitaciones, reconociendo que el conjunto de datos es una muestra observacional sujeta a límites de velocidad de la API, que la cobertura de comentarios es parcial y que las anotaciones calculadas (sentimiento, marcadores de seguridad) son aproximaciones heurísticas en lugar de verdad fundamental. Los autores enfatizan que los datos reflejan el contexto operativo específico de Moltbook y que la disponibilidad futura podría verse afectada por cambios en las políticas de la plataforma tras la adquisición por parte de Meta.