1021 | Agentes que trabajan: la nueva pila de IA

Clara Vega: Hola y bienvenidos, soy Clara Vega.

Mateo Ruiz: Y yo Mateo Ruiz. Hoy vamos a hablar de algo que conecta casi todas las historias de esta semana: los agentes de IA están dejando de ser demos y están empezando a pagar cosas, buscar información, escribir código y hasta tocar hardware real.

Clara Vega: Sí, y lo interesante es que para que eso pase, alguien tiene que construir la infraestructura debajo. Así que empecemos por ahí: el cómputo, el pago, la búsqueda y la autoevolución de los agentes.

Mateo Ruiz: Vamos con cuatro lanzamientos que apuntan justo a eso. El primero es RunInfra, que ofrece planes planos de diez dólares al mes con modelos abiertos rápidos, concretamente GLM 5.3 y DeepSeek, dentro de Claude Code.

Clara Vega: Eso es interesante porque rompe con el modelo de pago por tokens. Tú pagas tus diez dólares y usas lo que necesites con esos modelos abiertos. Y hay un dato técnico que llamó mi atención: dicen que tienen un 99,5% de aciertos de caché.

Mateo Ruiz: Ojo, eso es lo que ellos afirman. Un 99,5% de aciertos de caché significaría que la mayoría de las peticiones no se procesan desde cero, se sirven desde caché, lo que abarataría mucho el servicio y permitiría ese precio plano. Pero es una afirmación del fabricante, no un resultado verificado por terceros.

Clara Vega: Correcto. Y eso conecta con el segundo, que es quizás el más provocador de los cuatro: Composio Instant. La idea es darle a los agentes de IA una cartera compartida para pagar más de mil quinientas herramientas al momento, sin registros ni API keys.

Mateo Ruiz: Piénsalo. Hoy, si quieres que un agente use un servicio externo, normalmente tienes que crear una cuenta, generar una API key, pegarla en la configuración... Todo eso es fricción. Composio Instant elimina ese paso: el agente simplemente paga por la herramienta cuando la necesita.

Clara Vega: Ofrecen dos dólares de crédito gratis para probarlo y dicen que no aplican comisión, es decir, cero por ciento de markup sobre el precio de la herramienta. La pregunta obvia es de dónde sale el dinero a largo plazo si no cobran comisión, pero como puerta de entrada es agresiva.

Mateo Ruiz: Y aquí está la pregunta que nos dejaron en el aire: ¿los agentes van a pagar y buscar de forma totalmente autónoma? Porque Composio Instant es literalmente eso: un agente con dinero.

Clara Vega: Sí, y la parte de búsqueda viene con Exa 3.0, una actualización de su API de búsqueda que dicen que es la mejor clasificada. Lo más concreto son dos cosas. La primera: Dynamic Highlights, una función que recorta el consumo de tokens un 95%.

Mateo Ruiz: Eso es enorme para agentes. Si un agente busca en la web y tiene que procesar páginas completas, se come el contexto y el presupuesto en minutos. Si las herramientas le devuelven solo lo relevante, no páginas enteras, el coste por búsqueda se desploma.

Clara Vega: La segunda es el precio: Exa Lite cuesta cuatro dólares por mil peticiones. Y mencionan que han incorporado miles de millones de documentos nuevos. De nuevo, son cifras del fabricante, pero la dirección es clara: búsqueda más barata y más eficiente para máquinas, no para humanos.

Mateo Ruiz: Y el cuarto cierre del bloque es el más filosófico: Harness², un framework open source de Google Research que permite que los agentes autoevolucionen su propio harness, es decir, el andamiaje que los rodea, las herramientas, los flujos. Afirman hasta once y medio puntos de mejora en benchmarks.

Clara Vega: Aquí hay que ser cuidadosos. Los benchmarks mejoran, sí, pero un punto en un benchmark no siempre se traduce en mejor trabajo real. Lo relevante es el concepto: que el agente pueda modificar su propio entorno de trabajo. Es un paso más hacia agentes que se gestionan a sí mismos.

Mateo Ruiz: Y fíjate en el hilo común del bloque: más barato con RunInfra y Exa, sin fricción de acceso con Composio, y más autónomo con Harness². La infraestructura está madurando. Pero un agente con dinero y búsqueda no sirve de nada si no tiene proyectos reales donde trabajar. Y de eso va el siguiente bloque.

Clara Vega: Exacto. Agentes que ejecutan trabajo real: código, documentación, tareas y hasta hardware. Empecemos con snyvi, de snygy. Es una aplicación de escritorio gratuita y open source, licencia MIT, que le da a cada proyecto un escritorio propio con hasta cuatro agentes de código en paralelo. Y todo funciona local, sin salir de tu máquina.

Mateo Ruiz: Eso responde a un problema real. Si trabajas en varios proyectos a la vez, cada uno con sus agentes, se vuelve un caos de terminales y ventanas. La idea de un escritorio por proyecto, con hasta cuatro agentes trabajando en paralelo, es una forma de ordenar ese caos. Y el que sea local y MIT tranquiliza a quien no quiere subir su código a ningún sitio.

Clara Vega: En el extremo opuesto está ToDo.is, que no vive en tu escritorio sino en tus canales de mensajería. Es un agente que ejecuta tareas: investigación, archivos, webs, las veinticuatro horas del día, y está disponible en web, WhatsApp y Telegram.

Mateo Ruiz: Y hay un detalle que me parece importante: dicen que pregunta antes de realizar acciones riesgosas. Eso es una forma de control humano. No es un agente que hace lo que quiere; consulta antes de hacer algo con consecuencias. Es un buen diseño, aunque obviamente la definición de "arriesgado" la hace ellos.

Clara Vega: Ahora, hay una categoría intermedia entre "el agente escribe código" y "el agente ejecuta tareas": los agentes que escriben documentación. Para eso está Mintlify Autopilot, que vigila repositorios y Slack, y redacta actualizaciones de documentación como pull requests.

Mateo Ruiz: Lo interesante es cómo aprende: dicen que aprende del estilo de los pull requests previos, tanto de los fusionados como de los cerrados. Es decir, no solo mira lo que se aceptó, sino también lo que se rechazó. Eso le da una señal de qué estilo funciona y qué no en ese equipo.

Clara Vega: Y de vuelta al mundo no-code, aunque con un giro curioso: Jotform App Builder. Permite crear aplicaciones sin código, como portales, tiendas o catálogos, dentro de ChatGPT y Claude, a partir de tus formularios de Jotform.

Mateo Ruiz: Es una jugada inteligente porque aprovecha algo que la gente ya tiene: formularios. En vez de empezar de cero, conviertes tus formularios en aplicaciones dentro de los entornos de IA donde la gente ya trabaja. No requiere que el usuario sepa programar.

Clara Vega: Y cerramos el bloque con el más hardware de todos: ESP-Mosaico. Es una placa de desarrollo modular basada en ESP32-S31, y su propuesta es que los agentes de código de IA puedan construir, desplegar e iterar sobre hardware real.

Mateo Ruiz: Eso es una frontera interesante. Hasta ahora los agentes escribían software. Si pueden construir, desplegar y hacer iteraciones sobre hardware físico, el alcance del trabajo de los agentes se expande a otro dominio. Obviamente, hardware es más lento y más caro de iterar que software, pero es una dirección clara.

Clara Vega: Recapitulando el bloque: el trabajo de los agentes ya abarca código con snyvi, documentación con Mintlify Autopilot, tareas cotidianas con ToDo.is, apps no-code con Jotform y hardware con ESP-Mosaico. Es una ampliación de alcance muy rápida.

Mateo Ruiz: Y de ahí pasamos a algo más mundano pero muy real: las herramientas del desarrollador. Porque al final, gran parte del trabajo dev sigue siendo gestionar entornos locales y servicios en la nube. Ahí entran cuatro herramientas.

Clara Vega: La primera es xtty, un terminal nativo de macOS pensado para trabajo SSH. Permite conexión por lotes, o sea, conectarte a varias máquinas a la vez, autofill de contraseñas a través del Keychain, soporte de sz y rz, pestañas, y muestra el estado del agente.

Mateo Ruiz: Muy orientado a quien vive en terminales gestionando servidores. El autofill vía Keychain elimina la fricción de las contraseñas sin comprometer la seguridad, y el soporte de sz y rz indica que piensan en flujos de transferencia de archivos clásicos, no solo en SSH moderno.

Clara Vega: La segunda, Portlivo, es una app para la barra de menú de Mac que cuesta ocho dólares noventa y nueve, pago único, y lista todos los servidores y puertos locales que tienes corriendo. Desde ahí puedes abrirlos, matarlos, reiniciarlos o ver los logs con un clic.

Mateo Ruiz: Es uno de esos problemas tontos que todos tenemos: diez terminales abiertas con servidores en puertos distintos, y no recuerdas cuál es cuál. Ponerlo en la barra de menú con acciones de un clic es una solución muy directa. El pago único también se nota, frente al modelo de suscripción que domina el mercado.

Clara Vega: La tercera, Hoistbay, es gratuita y open source, licencia MIT, y es una aplicación de escritorio para S3 y CloudFront. Ofrece reglas automáticas de cabeceras, descarga de carpetas y, sobre todo, invalidación de caché con un clic.

Mateo Ruiz: La invalidación de caché con un clic es el gancho. Cualquiera que haya trabajado con CloudFront sabe que invalidar la caché desde la consola web es un proceso tedioso y lento. Automatizarlo desde el escritorio es un ahorro de tiempo real para quien despliega sitios estáticos.

Clara Vega: Y la cuarta es la más conceptual: Tiny Little Office, de Paul Ford. Son diez aplicaciones donde los documentos viven enteramente en el hash de la URL. Sin cuentas, sin servidores, y todo open source.

Mateo Ruiz: Es una declaración de principios. Tus datos no están en la nube ni en una base de datos; están en la propia URL que compartes. Si pierdes la URL, pierdes el documento. Es una limitación obvia, pero también una garantía de privacidad total: no hay servidor donde mirar.

Clara Vega: Fíjate en el contraste del bloque: xtty y Portlivo resuelven gestión local, Hoistbay resuelve el nexo con la nube, y Tiny Little Office va en la dirección contraria, eliminar la nube por completo. Cuatro respuestas muy distintas al mismo fondo: dónde vive el trabajo del desarrollador.

Mateo Ruiz: Exacto. Y de las herramientas del desarrollador pasamos a los productos que usan los usuarios finales. Ahí es donde la IA se integra en datos, vídeo, robots y hardware de inferencia. Vamos con cuatro.

Clara Vega: El primero es yggy, un grafo de conocimiento de IA que se construye a sí mismo a partir de documentos y sistemas. La clave está en dos detalles: los hechos conservan sus fuentes, y las fusiones son reversibles. Está alojado en la Unión Europea y expone API y MCP.

Mateo Ruiz: Que los hechos conserven sus fuentes es fundamental para la confianza. Si un grafo te dice algo, puedes rastrear de dónde salió. Y que las fusiones sean reversibles significa que si el sistema mezcla mal dos conceptos, puedes deshacerlo. No es una caja negra que crece sin control. Y el alojamiento en la UE apunta a quien tiene requisitos de soberanía de datos.

Clara Vega: El segundo es Kling 4.0, en generación de vídeo. Permite hasta diez keyframes, quince referencias, clips de treinta segundos, sincronización labial en más de diez idiomas, y viene con MCP y CLI. Además hay una capa Flash más barata a 720p.

Mateo Ruiz: Diez keyframes y quince referencias dan mucho control sobre la coherencia del vídeo, que es la asignatura pendiente de la IA generativa. Y el lip sync multilingüe apunta directo al contenido internacional. La capa Flash a 720p es la vía económica para quien no necesita la máxima calidad.

Clara Vega: El tercero nos lleva al mundo físico: Asimov 1, el robot humanoide open source de Menlo. Mide un metro veinte, tiene veinticinco articulaciones, y el kit cuesta veinte mil dólares. Dicen que ya lo han enviado a más de veinte países.

Mateo Ruiz: Un humanoide open source por veinte mil dólares es un umbral muy bajo comparado con lo que solía costar este tipo de hardware. Las veinticinco articulaciones y el tamaño de un metro veinte sugieren algo más ligero y enfocado a investigación o tareas ligeras que a trabajo industrial pesado. Y que sea open source significa que la comunidad puede modificarlo.

Clara Vega: Y el cuarto es el GPU Intel D270 para inferencia. Ofrece hasta 480 GB de LPDDR5X, sin memoria HBM, 350 vatios refrigerado por aire, un ancho de banda de 1,5 TB por segundo, y 1,3 PFLOPS en FP8.

Mateo Ruiz: Aquí hay una apuesta clara: en lugar de HBM, que es carísima, usan LPDDR5X, que es más lenta pero muchísimo más barata y permite 480 GB de memoria. Eso permite cargar modelos muy grandes que no caben en GPUs tradicionales. Y el hecho de que sea refrigerado por aire a 350 vatios lo hace desplegable en datacenters normales, sin refrigeración líquida.

Clara Vega: La gran incógnita aquí es el coste real y el rendimiento del D270 sin HBM. La memoria LPDDR5X con 1,5 TB por segundo es rápida para ese tipo de memoria, pero está por debajo de lo que ofrece HBM. La pregunta es si el trade-off compensa en la práctica, sobre todo en la generación de tokens de los grandes modelos de lenguaje.

Mateo Ruiz: Y de todo ese poder, datos, vídeo, robots y hardware de inferencia, al final llega a productos para el usuario final. Y ese es nuestro último bloque: IA para personas, en soporte, bienestar y lo social.

Clara Vega: Empecemos con uno que es puro producto social: bonds. Es una aplicación de mensajería donde cada chat de amigos tiene un compañero de IA llamado bondi, y ese bondi genera aplicaciones y juegos dentro del propio chat.

Mateo Ruiz: Es una idea curiosa. No es un asistente que respondes preguntas, es un compañero de chat que crea cosas. Si estás en un grupo y se os ocurre un juego, el bondi lo genera ahí mismo, en el contexto de la conversación. Es IA como entretenimiento, no como utilidad.

Clara Vega: De ahí saltamos a algo más utilitario: reception. Es chat de soporte nativo para aplicaciones iOS, con IA que responde a partir de la documentación del producto. También muestra reseñas y ofertas dentro del chat, y tiene una bandeja de entrada de Telegram para el equipo. Todo por veinticinco dólares al mes, precio fijo.

Mateo Ruiz: Veinticinco dólares fijos es una apuesta contra el modelo de precio por ticket o por resolución que domina en soporte. Y que la IA responda desde la documentación evita que invente respuestas, o al menos lo limita. El detalle de las ofertas y reseñas dentro del chat convierte el soporte en un canal de venta también.

Clara Vega: El tercero toca la parte emocional: Stella. Es una IA de bienestar emocional, por voz en iOS o por texto vía iMessage. Cuesta nueve dólares noventa y nueve al mes o cincuenta y nueve dólares noventa y nueve al año. Y con una advertencia importante: no es terapia.

Mateo Ruiz: Esa advertencia es fundamental. No es terapia, y eso hay que tomarlo en serio. La IA de compañía emocional es un área con mucho potencial pero también con riesgos: una persona vulnerable puede confundir apoyo con tratamiento. Es un producto que vive en una frontera sensible.

Clara Vega: Y la pregunta que queda abierta en este bloque es cómo evolucionan estos usos emocionales y sociales frente a las regulaciones. Porque la IA que habla de tus emociones, o que acompaña a tus hijos en un chat, es justo el tipo de producto donde los reguladores van a mirar.

Mateo Ruiz: Y cerramos con dos que son casi meta. Inflight es una capa de feedback para prototipos: permite anclar comentarios y vídeo directamente sobre la aplicación en vivo, y los agentes de código obtienen los siguientes pasos vía MCP.

Clara Vega: Es decir, cierras el círculo entre el que hace el prototipo y el que lo comenta. Tú marcas un punto en la app en vivo, dejas un comentario o un vídeo, y el agente de código recibe esa instrucción como siguiente paso. El feedback deja de ser una lista de correos y se convierte en una entrada directa para el agente.

Mateo Ruiz: Y el último es puro espíritu de comunidad: /dev/null. Es una red social para desarrolladores construida en directo en cuarenta y ocho horas por Nuno Maduro, Brent Roose, Matthieu Napoli y Pauline Vos. Con inicio de sesión de GitHub, open source, y fusionaban pull requests en stream mientras construían.

Clara Vega: Construir una red social en cuarenta y ocho horas, en directo, aceptando pull requests de la comunidad en stream, es casi un performance. Pero también es una prueba de lo que se puede hacer cuando los agentes y las herramientas están maduros. Y es open source, así que cualquiera puede ver cómo lo hicieron.

Mateo Ruiz: Así que, si juntamos todo el episodio: la infraestructura se abarata y se vuelve autónoma, los agentes ejecutan trabajo real en código, docs, tareas y hardware, los desarrolladores tienen mejores herramientas para gestionar todo eso, la IA entra en datos, vídeo y robots, y al final llega a productos para personas.

Clara Vega: Con muchas incógnitas abiertas, eso sí. El coste real del D270 sin HBM, cómo evolucionan los productos emocionales con la regulación, y si los agentes acabarán pagando y buscando de forma totalmente autónoma.

Mateo Ruiz: Nosotros seguiremos mirando. Gracias por acompañarnos, soy Mateo Ruiz.

Clara Vega: Y yo Clara Vega. Nos vemos en el próximo episodio.