0904 | IA local, agentes y mundos generados: la semana en herramientas

Clara Vega: Hola y bienvenidos, soy Clara Vega.

Mateo Ruiz: Y yo soy Mateo Ruiz. Hoy vamos a recorrer una hornada de lanzamientos que tienen algo en común: en vez de vender humo sobre el futuro de la IA, casi todos intentan resolver un problema muy concreto de trabajo diario, y muchos lo hacen con IA local y privada.

Clara Vega: Sí, hay un hilo claro aquí: herramientas que se integran donde tú ya trabajas, en tu Mac, en tu navegador, en tu terminal, y que prometen no mandar tus datos a ningún sitio. Vamos a desmenuzar unas cuantas, mirar qué dicen sus creadores, con escepticismo razonable, y ver dónde están los huecos.

Mateo Ruiz: Empecemos por el escritorio Mac, porque ahí es donde se ve mejor la filosofía. Tidy es una app que corrige gramática en cualquier aplicación de Mac usando Apple Intelligence, o sea, la IA que ya viene en el sistema.

Clara Vega: Y eso es lo interesante: no es un modelo nuevo, es una capa encima de algo que Apple ya te da. El caso de uso es simple, estás escribiendo un correo, una nota, lo que sea, y en vez de copiar y pegar en ChatGPT para pulir el texto, tienes la corrección ahí, en la app donde estás.

Mateo Ruiz: La limitación obvia es que depende de Apple Intelligence, así que su calidad es la calidad del modelo de Apple, y probablemente funcione mejor en inglés que en español, aunque eso no lo dice la fuente, ojo, es una pregunta abierta mía. Lo que sí sabemos es que la propuesta es gramática y pulido, no reescritura creativa.

Clara Vega: Y en la misma línea, pero en otro rincón del escritorio, está Grove. Es un terminal para macOS que cuesta cinco dólares, pago único, y su idea es unir al usuario y al agente de código en el mismo sitio.

Mateo Ruiz: Cómo funciona: tú y el agente controlan los mismos procesos, y lo puedes hacer desde el menu bar, desde la CLI o vía MCP. Y tiene un botón de "Explain" que usa Apple Intelligence, otra vez IA local, para explicarte lo que está pasando.

Clara Vega: Ese detalle me parece el más honesto del producto. Uno de los problemas reales de los agentes de código es que lanzan comandos y tú no siempre entiendes qué acabó de pasar. Un "explícame esto" instantáneo, sin mandar tu terminal a la nube, ataca exactamente esa fricción.

Mateo Ruiz: Cinco dólares una vez es un precio de "pruébalo sin pensar". La pregunta abierta es si un terminal nuevo justifica cambiar de herramienta, porque los terminales son de las cosas más personales que hay para un desarrollador.

Clara Vega: Siguiendo en Mac pero bajando a algo más pequeño: CodeLook. Es una extensión de Quick Look, o sea, la vista previa que sale cuando aprietas espacio sobre un archivo en el Finder, pero para código.

Mateo Ruiz: Soporta diecisiete tipos de archivo, incluye más de setecientos temas de Zed, el editor, y usa Tree-sitter para el resaltado de sintaxis. Cuatro dólares con noventa y nueve, pago único. Y la cifra que más destaca: cien por ciento privado, sin red.

Clara Vega: Eso último es coherente con todo lo demás que estamos viendo. Un archivo de código puede tener secretos, claves de API, cosas que no quieres mandar a ningún servicio. Una vista previa que funciona sin conexión elimina esa preocupación de raíz.

Mateo Ruiz: Es una utilidad pequeña, sin ambición de ser un editor. La comparación justa es con abrir el archivo en un editor pesado: CodeLook te ahorra eso para una mirada rápida. Si necesitas editar, no te sirve.

Clara Vega: Y del mismo escritorio, otra pieza de mantenimiento: Thaw. Es un fork open source, con licencia GPL-3.0, de Ice, que es una herramienta para gestionar la menu bar del Mac, esconder iconos, ordenarlos.

Mateo Ruiz: ¿Por qué un fork? Porque Thaw promete sin rastreo, añade triggers, un modo Zen y soporte para macOS 26 y 27. Cuando un proyecto original se estanca o cambia de dirección, el fork es el mecanismo de la comunidad para seguir vivo.

Clara Vega: Y de nuevo, open source y sin rastreo. ¿Ves el patrón, Mateo? En este primer bloque, las cuatro herramientas comparten una postura: IA local o software local, mínima dependencia de la nube, precios de pago único o gratis.

Mateo Ruiz: Totalmente. Y la última de este bloque es la más ambiciosa: Omi. Es una app de Mac, open source, que captura pantalla y reuniones localmente, y luego puedes preguntarle sobre lo que viste u oíste. Responde con citas, o sea, te señala dónde estaba esa información.

Clara Vega: Eso de las citas es clave para la confianza. Una IA que resume tus reuniones puede alucinar; una que te devuelve la frase exacta de la transcripción o un recorte de lo que apareció en pantalla te permite verificar. Es una diferencia de diseño importante.

Mateo Ruiz: Además es pausable, o sea, controlas cuándo graba, y usa tus propias claves de API. Eso responde a la pregunta obvia: si esto está grabando mi pantalla todo el día, ¿quién ve los datos? La respuesta del diseño es que el procesamiento es local y tú tienes las llaves.

Clara Vega: Aunque digamos lo obvio: incluso siendo local, capturar pantalla y audio de reuniones tiene implicaciones, sobre todo si hay otras personas en la llamada. Que sea técnicamente privado no resuelve la pregunta de si deberías grabar a tu jefe sin decírselo.

Mateo Ruiz: Buen punto. Y conectando con eso: si Omi te ayuda a recordar lo que viste, el siguiente bloque trata de herramientas que aprenden de cómo tú trabajas con la IA. Ahí entra Blume.codes.

Clara Vega: Explícame Blume, porque el concepto me pareció de los más originales del día.

Mateo Ruiz: Es una app de escritorio que observa tus sesiones con agentes como Claude Code, Codex o Cursor, detecta las correcciones que repites una y otra vez, y las convierte en rules y skills reutilizables. Es gratuito y funciona localmente.

Clara Vega: Eso ataca un problema real que cualquiera que use agentes conoce. Estás cansado de escribir "no uses esa librería", "sigue esta convención", "el formato es este", cada semana. Blume dice: deja que yo vea esas correcciones y las convierta en instrucciones permanentes.

Mateo Ruiz: La gran ventaja es que es evidencia directa: no escribes las reglas en abstracto, se extraen de lo que realmente corrigiste. Y al ser local y gratis, el coste de probarlo es cero.

Clara Vega: Las preguntas que yo haría: ¿qué pasa con las correcciones equivocadas? Si corregiste algo mal una vez, ¿eso se convierte en una regla mala? No sabemos cómo filtra o cómo valida lo que aprende. Es de las cosas que solo el uso revela.

Mateo Ruiz: Y del aprendizaje del agente pasamos a construir cosas con el agente. Fillo es infraestructura headless de formularios para productos, y el detalle interesante es que se construyó usando un agente de código. Ofrece validación y uploads directos a S3, Google Drive o Box, sin iframes.

Clara Vega: Lo de "sin iframe" importa porque muchos servicios de formularios te dan un widget embebido que se ve raro y te limita. Headless significa que tú controlas la interfaz y Fillo se encarga del trabajo sucio: validación, almacenamiento de archivos.

Mateo Ruiz: Y que el producto en sí fue construido con agentes de código es una especie de demo implícita: "nosotros comimos nuestro propio pienso". Aunque ojo, eso es una afirmación del creador, no una auditoría del código resultante.

Clara Vega: Bien dicho. Y aquí vuelve Grove, del bloque anterior, como hilo: MCP aparece otra vez. Causal también lo usa. Causal es un canvas infinito con IA espacial para planear proyectos creativos, cuesta ocho libras al mes en su plan Pro, tiene widgets personalizados, y el MCP sirve para hacer handoff: pasas lo que planeaste al agente para que lo ejecute.

Mateo Ruiz: Ese handoff es la idea potente. Hoy planear en una pizarra y luego explicarle al agente qué hacer son dos pasos separados y llenos de pérdida de información. Si el canvas donde visualizas tu proyecto puede hablar directamente con el agente, te ahorras la traducción manual.

Clara Vega: Y "IA espacial" significa que la disposición de las cosas en el lienzo tiene significado, la IA entiende el mapa, no solo el texto. Para proyectos creativos, donde las relaciones visuales importan, eso encaja.

Mateo Ruiz: Y cerramos este bloque con Readr, que encaja por la misma filosofía de reducir fricción con IA local. Es un lector de ebooks gratuito y open source, con IA que responde preguntas al margen con citas, y narra localmente usando Kokoro, un modelo de texto a voz. Soporta EPUB y PDF sin DRM.

Clara Vega: De nuevo el patrón de las citas: igual que Omi no te da un resumen sin fundamento, Readr te responde apuntando al pasaje del libro. Y la narración local con Kokoro significa que puedes escuchar tu libro sin mandar el texto a un servicio de voz en la nube, y sin pagar suscripción.

Mateo Ruiz: La limitación obvia: sin DRM significa que tus libros de Kindle con protección no entran aquí. Es para gente que gestiona su propia biblioteca. Y la calidad de la narración local será inferior a la de Audible, seguramente, aunque para eso habría que probarlo.

Clara Vega: Pasemos ahora a los agentes que hacen trabajo real en la web, porque aquí es donde las promesas son más grandes y las preguntas más duras. Tabbit AI es un navegador agéntico con un GUI Agent que opera sitios web usando tus sesiones ya iniciadas.

Mateo Ruiz: O sea, no pide contraseñas ni repite logins: usa las sesiones donde ya estás dentro, lo que le permite hacer cosas en tus herramientas reales, no en demos. Dice lograr sesenta y cuatro por ciento de éxito en BrowserBench, con skills reutilizables y CLI y MCP.

Clara Vega: Ese sesenta y cuatro por ciento hay que tratarlo como lo que es: la cifra que el equipo eligió comunicar. No sabemos con qué comparar, ni en qué tareas, ni si es bueno o malo en términos absolutos. Pero es más honesto que no dar ninguna cifra.

Mateo Ruiz: Las skills reutilizables son el paralelo directo con Blume del bloque anterior: en vez de re-describir la tarea cada vez, guardas el procedimiento. Y la integración con tus sesiones logadas es lo que distingue a un navegador agéntico de un agente que usa APIs.

Clara Vega: Ahora, la contraoferta. Airtop Agent Builder no usa un LLM paso a paso: compila tus workflows en código determinístico, self-healing, que se repara solo cuando algo cambia. El creador afirma aproximadamente uno por ciento del coste y seis veces más rápido que un agente LLM por paso.

Mateo Ruiz: Y subrayo "el creador afirma", porque esos números vienen del lanzamiento, no de un benchmark independiente. Pero el argumento conceptual es sólido: un agente LLM que piensa en cada paso es caro y lento; si puedes compilar el workflow a código determinístico, pagas una vez y ejecutas barato.

Clara Vega: El self-healing es lo que salva el enfoque determinístico de su debilidad clásica, que es que se rompe cuando la web cambia. Si el código se repara solo cuando un selector deja de funcionar, tienes lo mejor de ambos mundos, en teoría.

Mateo Ruiz: Y la pregunta abierta del día, creo: ¿cuándo quieres un agente generalista flexible como Tabbit y cuándo un workflow compilado como Airtop? Para tareas repetitivas de alto volumen, determinístico parece ganar. Para tareas impredecibles, necesitas el agente.

Clara Vega: En esa misma línea de trabajo real, MagiCrew ofrece agentes empresariales open source, con un workspace compartido entre agentes, entregables terminados y control de costes y aprobación.

Mateo Ruiz: Lo del control de aprobación me parece el detalle más maduro. En una empresa no puedes dejar que un agente haga lo que quiera con tu dinero; tener puntos de aprobación humana y visibilidad de costes es lo que hace que esto sea desplegable de verdad.

Clara Vega: Y el workspace compartido: varios agentes colaborando en el mismo espacio, con entregables como resultado, no solo conversaciones. Es una apuesta por el agente como colega, no como chatbot.

Mateo Ruiz: Y el cuarto de este grupo, Nex, es más específico: automatiza workflows GTM, go-to-market, de alto volumen, como limpiar el CRM o cualificar listas. Detrás hay gente ex-HubSpot y está respaldada por Dharmesh Shah, el fundador de HubSpot.

Clara Vega: Ese respaldo es señal de credibilidad del equipo, no prueba de que el producto funcione, seamos precisos. Pero el enfoque es sensato: en vez de un agente que "hace de todo", uno apuntado a un dolor concreto y cuantificable, la suciedad en el CRM, donde cada hora de trabajo manual es medible.

Mateo Ruiz: Exacto. Y fíjate que los cuatro productos de este bloque responden a la misma pregunta de formas distintas: cómo hacer que los agentes trabajen de forma fiable. Tabbit apuesta por flexibilidad con sesiones reales, Airtop por determinismo compilado, MagiCrew por estructura empresarial, Nex por especialización vertical.

Clara Vega: Y esa pregunta de fiabilidad nos lleva directo al siguiente tema: si los agentes multiplican por diez las llamadas a modelos, ¿quién controla todo ese tráfico? Ahí entra ARBR.

Mateo Ruiz: Cuéntanos, porque este concepto de gateway era nuevo para mí hasta hace poco.

Clara Vega: ARBR es un gateway open source, con licencia MIT, compatible con la API de OpenAI, para dirigir, gobernar y observar modelos. Self-hosted, o sea, lo montas en tu propia infraestructura. Y tiene dos funciones que me parecieron las más valiosas: sugiere cambios de modelo basándose en evals, y soporta rollback.

Mateo Ruiz: Desglosemos eso. Compatible con OpenAI significa que tus aplicaciones existentes no tienen que cambiar nada: apuntan al gateway en vez de a OpenAI directamente. Gobernar significa políticas: quién puede usar qué modelo, con qué límites. Y observar: ver qué se llama, cuánto cuesta, qué falla.

Clara Vega: Y lo de los evals es lo más inteligente: en vez de que un humano decida "cambiamos al modelo X porque el vendedor dijo que es mejor", ARBR corre evaluaciones y sugiere el cambio con datos. Y el rollback te deja volver atrás si el modelo nuevo se comporta peor en producción.

Mateo Ruiz: Y encaja exactamente con la conversación que acabamos de tener: Airtop te dice que redujiste el coste por paso un noventa y nueve por ciento; MagiCrew te da control de costes; pero alguien tiene que gobernar todas esas llamadas al modelo a nivel de organización. ARBR se pone en esa capa.

Clara Vega: Ser MIT y self-hosted es coherente: una empresa no va a mandar todo su tráfico de IA por un gateway propietario de terceros si puede alojarlo ella misma. La limitación obvia es que tú tienes que operarlo, con lo que eso implica.

Mateo Ruiz: Y del control de modelos saltamos a los modelos mismos, o mejor, a lo que generan. El bloque final: vídeo y mundos generados por IA.

Clara Vega: Sí, y aquí cambiamos de registro: menos herramientas de productividad, más frontera. El anuncio grande es Atlas, de World Labs, que se presenta como un omni world model. Genera vídeo en 1440p de hasta un minuto con control de cámara, y además reconstruye escenas 3D a partir de pocas fotos.

Mateo Ruiz: "Omni" porque aparentemente hace ambas cosas: vídeo generativo y reconstrucción 3D, que normalmente son productos separados. El control de cámara es lo que diferencia el vídeo generativo serio del juguete: si no puedes decir hacia dónde mira la cámara, no puedes contar una escena.

Clara Vega: Un minuto de vídeo a 1440p es material usable, no solo clips de cuatro segundos. Pero hay que decirlo claro: Atlas está en acceso anticipado, restringido. Todo lo que sabemos viene de lo que World Labs cuenta; nadie lo ha puesto a prueba a escala todavía.

Mateo Ruiz: El otro es Higgsfield Genjutsu, que está disponible y hace vídeo-para-vídeo con dos técnicas: Motion Transfer y Object Swap. La idea: cambias el personaje o la locación de un vídeo manteniendo el movimiento original.

Clara Vega: Eso resuelve un problema real de los creadores: tienes un vídeo con el movimiento perfecto, la cámara, la coreografía, pero quieres otro personaje u otro escenario. En vez de regenerar y perder el movimiento, lo transfieres. Hasta cuarenta referencias y clips de tres a treinta segundos.

Mateo Ruiz: Cuarenta referencias es bastante margen para definir estilo. La limitación frente a Atlas es la duración: treinta segundos máximo, contra el minuto de Atlas. Y son enfoques distintos: Genjutsu transforma vídeo existente, Atlas genera desde cero y reconstruye mundos 3D.

Clara Vega: Pero ambos apuntan a lo mismo: vídeo controlable. La primera ola de vídeo generativo era la máquina tragaperras, generabas y rezabas. Esta ola es sobre dirección: control de cámara, transferencia de movimiento, intercambio de elementos. El creador dirige, el modelo ejecuta.

Mateo Ruiz: Y conectando con todo lo anterior: igual que las herramientas del principio querían IA local y controlada por el usuario, estas quieren vídeo controlado por el creador. Es la misma tensión de fondo: ¿cuánto control le das a la IA y cuánto te quedas?

Clara Vega: Pues cerremos con eso. Hemos visto desde un corrector gramatical de cinco conceptos hasta un gateway para gobernar modelos, y de ahí a mundos generados. Y en casi todos, las mejores ideas no eran "más IA", sino mejores mecanismos de confianza: citas verificables, códigos determinísticos, aprobaciones humanas, reglas extraídas de tu comportamiento real.

Mateo Ruiz: Y también las preguntas abiertas honestas: cifras de benchmarks comunicadas por los propios equipos, productos en acceso anticipado, y afirmaciones de rendimiento que aún nadie independiente ha verificado. Ese es el estado real de las cosas.

Clara Vega: Gracias por acompañarnos, soy Clara Vega.

Mateo Ruiz: Y yo Mateo Ruiz. Nos vemos en el próximo episodio.