Agentes de código en 2026: dos formatos, el terminal y el escritorio

En septiembre de 2026 ya no queda proveedor de modelos sin su agente de código: Anthropic, OpenAI, Google, Microsoft, xAI, DeepSeek, Moonshot, Alibaba, Z.ai, Tencent. A mitad de año, Claude Code, Cursor, Codex y Antigravity ya habían convergido en el mismo esquema de programación agéntica: el programa lee archivos, los modifica, ejecuta comandos, comprueba el resultado e informa. Las diferencias están en el empaquetado, los precios y el ecosistema, así que una lista alfabética con una docena de nombres no le sirve de nada al lector.

La división útil es la del formato. En el terminal viven los agentes para ingenieros: Claude Code, Codex CLI, Antigravity CLI, Grok Build, Kimi Code CLI, Qwen Code. El manager no trabaja ahí, pero es quien los paga, y necesita entender qué está pagando exactamente. En el escritorio están los agentes para trabajo de oficina: Claude Cowork, Copilot Cowork, Kimi Work, Tencent WorkBuddy. Estos sí están pensados para el manager y su equipo: RR. HH., operaciones, administración, proyectos, ventas. Ordenar archivos, montar un informe, procesar tickets de gastos, poner en orden las hojas de cálculo.

Acceso, dependencia y gasto invisible

Antes de comparar funciones, conviene saber quién controla su acceso. Con un agente propietario, es el proveedor: sus normas de cuenta, sus restricciones regionales, sus verificaciones de identidad. Anthropic, por ejemplo, ha endurecido su antifraude y ahora pide a algunos usuarios un documento de identidad y un selfi en directo a través del proveedor de verificación Persona. Los proyectos grandes y las cuentas de empresa son los que más se exponen a un bloqueo.

La única clase de herramientas que no depende de la política de un proveedor concreto son los CLI de código abierto con clave propia: OpenCode, Oh My Pi, Aider, Kimi Code CLI●, Qwen Code, Kilo Code●, DeepSeek Harness●. El programa es abierto, la clave puede ser de cualquier proveedor y cambiar de proveedor es editar la configuración. Cómo se ve esto en la práctica lo explicamos en Claude Code cuesta 100 $/mes – OpenCode hace lo mismo gratis.

Otro rasgo revelador: los ingenieros pagan los agentes con cuentas personales y claves de terceros, y la mayoría de las herramientas no ofrece un panel donde la empresa vea ese gasto. Kilo da una idea del volumen: por su plataforma pasan unos 10 billones de tokens al mes de más de 3 millones de desarrolladores (datos del proveedor a julio de 2026, cuando Anaconda compró la empresa). Es gasto que no aparece en ningún presupuesto y datos corporativos que salen bajo un contrato firmado a título personal por un empleado.

Mientras tanto, el ciclo anual de compras no casa con el ciclo trimestral de cambios de precio. Un presupuesto de Copilot aprobado en el primer trimestre de 2026 con las tarifas de entonces había quedado obsoleto en junio por el cambio de modelo de facturación. Un contrato anual a precio cerrado sigue siendo la excepción en esta categoría.

Por el mismo motivo, una revisión como esta caduca antes de que salga la siguiente: desde febrero de 2026 hemos contado 36 cambios en las condiciones de los agentes, ocho de ellos de precio o de acceso. Por eso mantenemos precios y disponibilidad aparte, con la fecha de la última comprobación en cada fila, en el hub de agentes (en inglés).

El terminal, herramienta del ingeniero

Todos los agentes de la primera tabla dan por hecho que el usuario sabe qué es un repositorio, una rama y un terminal. Es la herramienta de trabajo del ingeniero.

Claude Code · Anthropic

• Modelo por defecto: Opus 5 por defecto; Fable 5 y Sonnet 5 se seleccionan a mano
• Licencia: propietaria
• Precio: el plan con el que realmente se trabaja es Max, 100–200 $ al mes; Pro a 20 $ existe, pero sus límites dan para una prueba. O pago por tokens

Incluido en todos los planes de pago de Claude. El sistema de subagentes más maduro; se posiciona como la mejor calidad en tareas con muchos archivos.

Codex CLI · OpenAI

• Modelo por defecto: gpt-5.6-sol, esfuerzo medio
• Licencia: abierta, Rust, más de 88.600 estrellas
• Precio: plan de ChatGPT o clave propia; se ha añadido el pago por tokens

Un mismo agente en terminal, IDE, web y nube. Enruta entre tres niveles de precio: Sol, Terra, Luna.

Antigravity CLI · Google

• Modelo por defecto: Gemini 3.1 Pro, Claude Sonnet 4.6, GPT-OSS 120B
• Licencia: propietaria, Go
• Precio: gratis con límites / Pro 20 $ / Ultra 249,99 $

Sustituyó a Gemini CLI. Multimodelo, ejecución en paralelo.

GitHub Copilot CLI · Microsoft

• Modelo por defecto: a elegir entre tres proveedores: Anthropic, OpenAI, Google
• Licencia: no indicada
• Precio: incluido en la suscripción de Copilot

Modos Plan y Autopilot, delegación en subagentes, memoria de contexto entre sesiones.

Grok Build · xAI

• Modelo por defecto: Grok 4.6
• Licencia: Apache 2.0
• Precio: SuperGrok 30 $, Plus 100 $, Heavy 300 $ al mes; Grok Build está disponible desde el plan básico y el pago anual sale más barato. Cuando se hizo la captura, el agente ofrecía acceso gratuito «por tiempo limitado»

Salió de la beta con la versión 1.0; la captura muestra la compilación 1.0.13 del canal estable. Su apuesta de arquitectura es la ejecución en paralelo: los árboles de trabajo (worktrees) se crean directamente desde la pantalla de inicio. El acceso gratuito hay que tomarlo como una promoción: apareció con el lanzamiento y no figura en las tarifas.

El plan básico de 30 $ incluye subagentes en paralelo y worktrees, extensiones vía MCP, skills, plugins y hooks, además de un modo headless para scripts y CI/CD, algo poco habitual en una lista de precios: significa que el agente se puede meter en la canalización de compilación. X Premium+ solo viene de regalo en el plan superior, Heavy.

Kimi Code CLI · Moonshot

• Modelo por defecto: Kimi
• Licencia: MIT, TypeScript
• Precio: el CLI es gratuito; acceso al modelo por OAuth o clave

Subagentes coder / explore / plan en contextos aislados.

Qwen Code · Alibaba

• Modelo por defecto: Qwen3-Coder
• Licencia: Apache 2.0
• Precio: el OAuth gratuito se cerró; ahora hace falta una clave

Fork de Gemini CLI, abierto a cualquier modelo compatible con OpenAI.

ZCode · Z.ai

• Modelo por defecto: GLM-5.3; es su entorno oficial
• Licencia: no publicada
• Precio: Lite 12,60 $, Pro 56 $, Max 117,60 $ al mes; las tarifas se miden en créditos semanales
• Plataformas: macOS, Windows, Linux (en beta)

El único de la lista del terminal que existe en dos formas a la vez: línea de comandos y ventana de escritorio. De ahí los objetivos para tareas largas, el modo multiagente y el control mediante un bot de mensajería. Formalmente, eso lo convierte en un caso fronterizo como Kilo Code: entra en ambas categorías.

DeepSeek Harness · DeepSeek

• Modelo por defecto: V4-Pro, V4-Flash
• Licencia: MIT
• Precio: gratis, con clave propia

Principio de «todo es un plugin», sesiones reproducibles. Invoca a Claude Code y Codex como subagentes.

Kilo Code · Kilo, desde julio de 2026 parte de Anaconda

• Modelo por defecto: cualquiera, más de 500 modelos
• Licencia: MIT
• Precio: el programa es gratuito: clave propia, créditos a tarifa del proveedor o Kilo Pass desde 19 $ al mes; Teams, 15 $ por usuario

Cinco modos: Orchestrator, Architect, Coder, Debugger, Ask; agentes en paralelo.

OpenCode · comunidad

• Modelo por defecto: cualquiera, más de 75 proveedores
• Licencia: MIT
• Precio: gratis, con clave propia

La alternativa abierta de facto a Claude Code.

Oh My Pi · comunidad

• Modelo por defecto: cualquiera, más de 40 proveedores
• Licencia: MIT
• Precio: gratis, con clave propia

Ediciones hashline, LSP, depuración vía DAP.

Aider · comunidad

• Modelo por defecto: cualquiera, incluidos modelos locales vía Ollama
• Licencia: Apache 2.0
• Precio: gratis

Commits automáticos nativos de git. El ritmo de desarrollo se ha frenado desde mediados de 2026.

Precios según los proveedores, septiembre de 2026. Las tarifas de Claude están en la revisión de Claude y los planes de ChatGPT, en la revisión de ChatGPT.

Lo que le cuesta a un equipo

Los precios de arriba son por puesto, y así no se arma un presupuesto. Hagamos la cuenta para un equipo de cinco ingenieros con los datos de la misma tabla.

Por suscripción, Claude Code va incluido en cualquier plan de pago de Claude, pero el plan de entrada engaña. Los límites de Pro a 20 $ dan para una prueba, no para la jornada de un ingeniero: en una tarea real se agotan en un par de horas. Conviene presupuestar el equipo desde Max: cinco puestos salen por 500–1.000 $ al mes. Codex CLI funciona con un plan de ChatGPT y Grok Build con SuperGrok o X Premium+, así que la factura depende de qué suscripciones tenga ya el equipo. Kilo Code para equipos se calcula aparte: 15 $ por usuario, 75 $ al mes para cinco.

Aquí hay un detalle que le da la vuelta a la cuenta. El agente del proveedor llega con su propio modelo y se paga por suscripción, no por contador de API: Claude Code va con el plan de Claude, Codex CLI con el de ChatGPT, Grok Build con SuperGrok desde 30 $, Copilot CLI con la suscripción de Copilot. Dentro de la suscripción nadie cuenta tokens; solo hay límites del plan. El mismo volumen de trabajo por API sale bastante más caro con la mayoría de proveedores, y en un equipo activo la diferencia se multiplica. La otra cara es la dependencia: la suscripción de Claude le da Claude, y dentro de ella no se puede cambiar de modelo.

Con clave propia, la licencia no cuesta nada: OpenCode, Oh My Pi, Aider y DeepSeek Harness se distribuyen con licencias MIT y Apache 2.0. La factura llega del proveedor del modelo y depende de cuánto haya leído y escrito el agente. Esa factura no tiene techo: la suscripción topa con los límites del plan, la clave sigue funcionando mientras quede saldo. La diferencia entre ambos modelos se reduce a quién asume el riesgo de pasarse: el proveedor o usted.

Las herramientas ya responden con controles de gasto: alertas por gasto anómalo con umbrales diarios, semanales y mensuales, desglose del consumo por miembro del equipo, listas centralizadas de proveedores y modelos permitidos. Han aparecido justo donde se factura por clave sin ningún límite por encima.

Queda una tercera vía, alojar el modelo en casa, y con ella viene un error muy extendido. ServerFlow, una empresa rusa que vende hardware para servidores, hizo la cuenta con su propio equipo y llegó a una conclusión contraria a su interés comercial: un servidor con un terabyte de RAM y una sola H100 cuesta como mínimo 6,5 millones de rublos, ejecuta modelos abiertos de cientos de miles de millones de parámetros y una tarea agéntica con OpenCode tarda alrededor de una hora. Los costes variables sí son menores: según su cálculo, la electricidad sale aproximadamente un 42 % más barata que los mismos tokens por API. Con esos volúmenes, el hardware tardaría más de 160 años en amortizarse. Ejecutar en local compra control sobre los datos, ausencia de límites externos y libertad para experimentar; ahorro en tokens, no.

Cronología de 2026

El calendario muestra la velocidad del mercado:

Cada uno de estos ocho eventos cambió las condiciones para quienes ya habían elegido herramienta: se acabó el acceso gratuito a Qwen Code, se apagó Gemini CLI, Kilo Code cambió de dueño.

El horizonte de cualquier decisión aquí se mide en meses, y conviene incluirlo de antemano en el presupuesto y en las normas de compras.

En qué se diferencian si el esquema es el mismo

Las diferencias están en cómo se organiza el trabajo alrededor del modelo. En Claude Code, los subagentes son el flujo habitual: la tarea se divide en partes que se reparten en contextos separados, y Fable 5 y Sonnet 5 se activan a mano cuando Opus 5 es excesivo.

Codex CLI funciona por defecto con gpt-5.6-sol y ahorra presupuesto enrutando: una tarea sencilla va al nivel barato sin que decida una persona. Antigravity CLI y GitHub Copilot CLI responden a la misma pregunta de otro modo: dentro de un mismo programa hay varios modelos (Gemini 3.1 Pro, Claude Sonnet 4.6 y GPT-OSS 120B en el caso de Google; Claude Opus 4.6 y Sonnet 4.6, GPT-5.3-Codex, Gemini 3 Pro y Claude Haiku 4.5 para tareas rápidas en el de Microsoft), y cambiar de modelo pasa a ser un ajuste, no un motivo para instalar otra herramienta.

Grok Build apuesta por el paralelismo: hasta ocho agentes trabajan a la vez en la misma tarea.

El mismo equipo de ServerFlow se propuso comprobar cuánto influyen estas diferencias en el resultado. Montaron su propio benchmark de 16 tareas: SQL, Python, C/C++, Rust e infraestructura de correo. Los scripts de verificación no se montan dentro del contenedor, así que el agente no puede espiar la respuesta; cada tarea tiene 20 minutos y cada ejecución empieza en un directorio y una sesión nuevos. Probaron cuatro entornos de agente (harness): OpenCode, Pi, Hermes y OpenClaw, con seis modelos locales y dos motores de inferencia. Tres de ellos no están en la tabla de arriba: Pi es el entorno mínimo sobre el que se construye Oh My Pi, aunque sus prompts de sistema difieren en un orden de magnitud; Hermes y OpenClaw son proyectos abiertos independientes de la misma categoría.

En porcentaje de tareas resueltas, los entornos van muy igualados: la diferencia suele ser de unas pocas tareas de dieciséis y no hay un rezagado claro. El único 16 de 16 lo dio la combinación de OpenClaw con uno de los modelos Qwen. OpenClaw y OpenCode parecieron los más estables. El único fallo grave de las pruebas los autores lo atribuyen a la llamada a herramientas en un motor de inferencia concreto, no al entorno en sí.

La diferencia apareció en una tarea práctica: construir una plataforma low-code para flujos de trabajo. Ahí se separaron la factura y el tiempo. OpenClaw lo resolvió al primer intento en 55 minutos y 60.000 tokens. Pi necesitó tres intentos, 140.000 tokens y 130 minutos. Hermes, cinco intentos, 190.000 tokens y 150 minutos. En una ejecución anterior con un modelo mayor, OpenCode gastó 280.000 tokens y siete rondas de correcciones sin llegar a un resultado funcional.

Para el manager la conclusión es sencilla: la elección del entorno apenas influye en si la tarea se resuelve, pero multiplica el coste y el plazo. Las salvedades son las habituales: el benchmark lo escribieron los propios autores, solo probaron modelos locales y la empresa vive de vender servidores. Publicaron el código del benchmark en GitHub, así que las cifras se pueden verificar.

Qué muestran los benchmarks de agentes

Los benchmarks habituales de modelos miden respuestas a problemas. Los de agentes miden otra cosa: si el programa lleva el trabajo hasta el final en un entorno real. El de referencia es Terminal-Bench, de Stanford, Harbor y Laude Institute: el agente recibe un terminal y tareas reales: compilar código, levantar un servidor, configurar un sistema, analizar un incidente, entrenar un modelo.

Importa más cómo está construida la tabla que quién va primero. Cada fila describe una combinación de entorno + modelo + nivel de esfuerzo, y junto al porcentaje de tareas resueltas figuran el dinero y los tokens gastados. Versión 4.0, 330 ejecuciones por fila:

Las dos filas del medio muestran el mismo 57,88 % con una diferencia de precio de 2,7 veces. Más arriba se ve lo mismo dentro de una misma pila: en Codex, pasar de high a max añade 0,3 puntos porcentuales y mil dólares, es decir, un cuarenta por ciento más en la factura de la ejecución.

Merece mención aparte la fila de Claude Code con GLM-5.3: un modelo ajeno en el entorno de Anthropic resuelve el 41,82 % por 2.700 $, frente al 51,82 % por 6.000 $ del Opus 5 nativo. Diez puntos de calidad cuestan aquí más del doble, y esa es exactamente la disyuntiva que el manager resuelve sin mirar cuando compra en bloque la suscripción de un proveedor.

El mejor resultado es el 58 %. Más de la mitad de las tareas no las resuelve nadie, así que «el agente se apañará solo» todavía no es una realidad en este tipo de trabajo.

Una salvedad sobre las cifras: las filas las rellenan los propios participantes y la tabla no tiene verificación independiente. Cómo leer los benchmarks en general lo explicamos en Los benchmarks de IA pierden sentido.

Código abierto y claves propias

Para una empresa que no quiere depender de un solo proveedor, la lista del terminal tiene un argumento propio: las licencias. Codex CLI es abierto: Rust, casi 90.000 estrellas en GitHub (datos de GitHub a septiembre de 2026). Claude Code y Antigravity CLI son cerrados; la licencia de ZCode no figura en las fuentes públicas, y tampoco se encontró la de GitHub Copilot CLI.

Un programa abierto significa que se puede leer el código y comprobar qué hace la herramienta con los archivos, y que la clave es suya, para cualquier proveedor. Eso sí, las estrellas de GitHub miden popularidad; si un proyecto está vivo lo dicen los commits de las últimas semanas y la fecha de la última versión.

DeepSeek Harness es un caso aparte. Su arquitectura se basa en el principio de «todo es un plugin»: archivos, terminal, plugins, sesiones reproducibles. Hay además un fork independiente, dsh cli: un agente de terminal con interfaz a pantalla completa, salida en streaming, historial de sesiones y gestión de permisos; no necesita navegador.

Harness se relaciona de otra forma con el resto de esta revisión: puede invocar a Claude Code y Codex como subagentes. Es una capa por encima de otros agentes y no pretende sustituirlos. No será competidor del resto de la lista del terminal: está por encima de ella.

Una lista así se lee y se archiva fácilmente. Lo difícil empieza cuando es usted quien le plantea la tarea al agente: «prepara un informe» devuelve un documento que alguien tiene que leer entero y cotejar con las fuentes. La distancia entre «el agente ha traído algo» y «esto se puede pasar a dirección» es la habilidad de plantear la tarea y verificar el resultado. Se adquiere con práctica.

Quién se sienta frente a la herramienta

Las dos mitades de esta revisión las hacen los mismos proveedores. Anthropic lanza Claude Code para el terminal y Cowork para el escritorio; Moonshot, Kimi Code CLI y Kimi Work; Microsoft, GitHub Copilot CLI y Copilot Cowork. Antigravity 2.0 se relanzó el 19 de mayo de 2026 en Google I/O como una plataforma que cubre ambos formatos a la vez.

También hay una excepción entre las herramientas. Kilo Code es un único programa que vive a la vez en VS Code, JetBrains, el CLI y la nube, es decir, cubre los dos formatos al mismo tiempo. Aun así, la mayoría de las herramientas de esta revisión se quedan en una de las dos categorías, así que la división sigue funcionando. En Kilo Code la clave es propia (BYOK) y sin recargo: la inferencia se cobra a tarifa del proveedor, con solo un 5 % de comisión al recargar créditos, además de un marketplace de MCP.

Las categorías se distinguen por quién abre el programa y con qué trabaja en él. El agente de terminal trabaja con código: repositorio, ramas, compilación. El agente de escritorio para trabajo de oficina, con archivos, hojas de cálculo, navegador y documentos. Para eso no hace falta línea de comandos, y los agentes de oficina están hechos precisamente para que no la haya.

El escritorio, agentes para trabajo de oficina

La segunda tabla mezcla públicos distintos. Cursor y Windsurf son IDE con agente integrado, herramientas de ingeniero. La aplicación de Codex se dirige tanto a ingenieros como al resto: muestra git, worktrees, comprobaciones en el navegador, archivos y artefactos de forma visual, sin necesidad de terminal. Antigravity 2.0 es una plataforma para ingenieros. Al manager le interesan cuatro filas de esta tabla: Cowork, Copilot Cowork, Kimi Work y WorkBuddy.

Claude Cowork · Anthropic

• Para quién: trabajo de oficina
• Precio: Pro / Max / Team

Las sesiones viven en la nube; el agente accede a las carpetas locales mediante la aplicación aparte Claude Desktop. Apareció en enero de 2026.

Codex, aplicación · OpenAI

• Para quién: ingenieros y no ingenieros
• Precio: plan de ChatGPT

git, worktrees, comprobaciones en el navegador y artefactos se muestran de forma visual; no hace falta terminal.

Antigravity 2.0 · Google

• Para quién: ingenieros
• Precio: gratis / 20 $ / 249,99 $

Una plataforma de cinco superficies: IDE, aplicación de escritorio, CLI, SDK y Managed Agents API.

Kimi Work · Moonshot

• Para quién: trabajo de oficina
• Precio: Moderato 19 $, Allegro 99 $, Vivace 199 $

Local por arquitectura: monta carpetas directamente, trabaja con el navegador con la sesión iniciada, se ejecuta de forma programada. Un «enjambre» de hasta 300 subagentes desde el plan Allegro.

Copilot Cowork · Microsoft

• Para quién: trabajo de oficina
• Precio: dentro de la suscripción de Microsoft 365

Un entorno aislado en la nube con puntos de control y registro de auditoría; el acceso lo concede el administrador. Por dentro, la tecnología Claude Cowork de Anthropic.

Tencent WorkBuddy · Tencent

• Para quién: trabajo de oficina
• Precio: no publicado

Divide la tarea en partes y entrega para revisión informes, presentaciones y hojas de cálculo terminados.

Cursor y Windsurf · terceros

• Para quién: ingenieros
• Precio: no se recoge en esta revisión

IDE con agente integrado. Windsurf tiene un matiz: su propia dirección ahora redirige al producto de escritorio de Devin, así que como herramienta independiente solo sobrevive de nombre.

Nube o equipo local

Dentro de este grupo hay una diferencia que, para una empresa con requisitos sobre sus datos, pesa más que cualquier lista de funciones: dónde procesa el agente los archivos.

Claude Cowork mantiene por defecto las sesiones en la nube. A las carpetas y aplicaciones locales accede mediante la aplicación aparte Claude Desktop para macOS y Windows, con permisos: el acceso se concede a carpetas concretas. Lo que entra en la sesión lo procesa la infraestructura del proveedor.

Kimi Work funciona al revés y vive en el equipo del usuario: monta carpetas directamente, maneja el navegador con la sesión iniciada mediante WebBridge y se ejecuta de forma programada. Los datos se quedan en local; a cambio, el agente actúa dentro de sus sesiones del navegador y ve enteras las carpetas montadas. El modo con hasta 300 subagentes está disponible desde el plan Allegro de 99 $; más detalles en la revisión de Kimi.

Tencent WorkBuddy divide la tarea en partes y entrega para revisión informes, presentaciones y hojas de cálculo terminados. Al cierre de esta revisión no había datos públicos ni de precios ni de arquitectura.

Copilot Cowork ofrece un tercer perímetro: un entorno aislado en la nube dentro de Microsoft 365, donde el acceso lo concede el administrador y las acciones del agente quedan en el registro de auditoría. Está construido sobre la tecnología Claude Cowork de Anthropic, integrada en Microsoft 365 Copilot: la misma tecnología se vende con dos marcas, directamente por Anthropic y por Microsoft dentro de su suscripción. Para el manager, elegir entre ellas se reduce al perímetro, la administración y el lugar donde se guardan los datos.

Capítulo aparte merece Agent Mode, que se ha convertido en el modo por defecto de Word, Excel y PowerPoint. Los demás agentes de escritorio hay que instalarlos en los equipos de trabajo; este ya está ahí, y por alcance es la base instalada más amplia de todos los agentes de esta revisión.

Para una empresa con requisitos sobre sus datos, Cowork y Kimi Work son dos soluciones distintas, y conviene contrastarlas con una lista corta:

• dónde se procesan los archivos: en la nube del proveedor o en el equipo del empleado;
• qué permisos recibe el agente y quién los concede;
• qué queda en los registros del proveedor tras la sesión.

Las respuestas deciden si seguridad aprueba la herramienta, antes de cualquier conversación sobre precio.

La misma lista conviene aplicarla a los agentes de terminal, aunque normalmente no se hace. El agente de escritorio lee hojas de cálculo y documentos. El de terminal ejecuta comandos en el equipo del desarrollador y ve el repositorio, las claves en las variables de entorno y el historial de commits. Su radio de impacto es mayor, y sin embargo pasa menos por la aprobación de seguridad: el ingeniero se lo instala él mismo.

Dónde fallan los agentes

Las tablas de arriba se basan en datos de los proveedores. Cómo se comportan estas herramientas en el trabajo real se ve en los profesionales que las analizan en sus canales. En ocho de esos análisis, publicados entre agosto y septiembre de 2026, se repiten cuatro temas. Son observaciones de personas concretas sobre sus tareas y su hardware, no mediciones.

Los permisos vienen abiertos por defecto. El entorno mínimo Pi arranca con acceso a todo: el autor de la revisión muestra cómo el agente sale del repositorio y lo considera una comodidad. En Oh My Pi, el modo de aprobación de herramientas por defecto se llama YOLO, y lo primero que recomienda cambiar el revisor es pasarlo a pedir confirmación. De fábrica, la herramienta está configurada para la velocidad; la prudencia la activa el usuario.

La prudencia se relaja con el tiempo. El mismo autor describe su propio camino: al principio limitaba el agente a un repositorio, luego «surgió la confianza» y las restricciones desaparecieron. Lo cuenta como una señal de madurez. Para quien responde del perímetro, es una curva de riesgo creciente dibujada por el propio usuario.

Un agente autónomo va dejando rastro. Un profesional que mantiene agentes en marcha durante días lo dice sin rodeos: crean archivos, cambian comandos, dejan scripts automáticos y «con el tiempo destrozan la máquina si nadie los vigila». Cada paso por separado parece inofensivo; el problema se acumula durante semanas.

Los plugins de un proyecto recién salido son un riesgo aparte. En las tres semanas posteriores al lanzamiento de DeepSeek Harness creció a su alrededor un ecosistema de plugins; en la instalación por defecto, el autor de una de las guías contó unos 165. Otro revisor, el canal AI RANEZ, advierte de que entre los plugins publicados los hay maliciosos y lo compara con lo que ya pasó alrededor de OpenCode. El código abierto y una comunidad activa aceleran el desarrollo y, a la vez, amplían la superficie de ataque.

Hay un tema más que solo se ve en una guía de instalación detallada. Desplegar DeepSeek Harness en un servidor limpio le lleva al autor unos veinticinco minutos: falta memoria, hay que crear el swap a mano, la compilación falla. Los comandos se los pide a la versión de chat de DeepSeek y los pega en el terminal, con este comentario: «no pensamos nada por nuestra cuenta, solo copiamos y pegamos». Una herramienta cuya instalación requiere una segunda IA sale más cara de lo que dice la palabra «gratis».

Prompts de sistema: qué teme cada proveedor

El diseño de un agente se ve en su prompt de sistema, las instrucciones que recibe el modelo antes del primer mensaje del usuario. Estos textos son públicos, desde Claude Code y Cursor hasta ZCode y Google Antigravity; la colección está en un repositorio de GitHub. En ellos se ve qué teme cada proveedor.

Casi todas las reglas del prompt de Cursor tratan del informe de progreso: status_update_spec, summary_spec, completion_spec, todo_spec. Sobre calidad del código, casi nada. Estas reglas tapan un fallo concreto: el agente deja de informar de cómo va el trabajo y el usuario no entiende qué está pasando.

El prompt de ZCode consiste casi entero en restricciones del entorno: no arranques el servidor de desarrollo, no compiles, el usuario solo ve el puerto 3000 y una ruta. Es un CLI para proyectos Next.js, y aquí las restricciones cubren el riesgo principal: romper algo que no se puede revertir. Sobre el modelo GLM y su proveedor tenemos una revisión aparte.

En el prompt de Claude Code, las reglas determinan cuándo el agente entrega un archivo y cuándo responde en el chat, y exigen leer SKILL.md antes de crear cualquier archivo.

El volumen de estas instrucciones disminuye con el tiempo. El 21 de julio de 2026, Anthropic recortó el prompt de sistema de Claude Code en torno a un 80 % para los modelos de frontera: quitó los ejemplos y parte de las prohibiciones estrictas, porque los modelos nuevos trabajan mejor con contexto que con una lista de reglas [Simon Willison]. Las instrucciones se acortan a medida que el modelo se las arregla solo.

Si se leen estos textos uno al lado del otro, aparece lo que no sale en los anuncios. Los proveedores dan por resuelto escribir código: le dedican unas pocas líneas. Decenas de páginas describen otra cosa: cómo informa el agente del progreso, qué tiene prohibido tocar, en qué forma entrega el trabajo. Lo difícil de un agente es la previsibilidad y la rendición de cuentas.

El manager que delega trabajo en un agente tiene exactamente el mismo problema: qué se considera terminado, cada cuánto informa el agente, qué áreas tiene vedadas, cómo se verifica el resultado. Los proveedores lo resolvieron con instrucciones para sus herramientas. Por qué la verificación y la responsabilidad siguen siendo de la persona lo explicamos en Delegar en la IA (en ruso).

La plantilla de una instrucción así tiene cuatro líneas:

• criterio de entrega: qué archivo, en qué formato y con qué campos cuenta como resultado;
• frecuencia de informe: el agente informa del avance tras cada paso o cada cierto intervalo;
• zonas vedadas: carpetas, repositorios y servicios a los que no accede;
• método de verificación: qué abre primero la persona para cotejar el resultado con las fuentes.

En una tarea real, el resumen semanal de un proyecto, queda así:

• criterio de entrega: un archivo weekly.md con las secciones «Hecho», «Riesgos» y «Decisiones pendientes»; cada punto enlaza a una tarea del gestor de incidencias;
• frecuencia de informe: un mensaje tras cada fuente: gestor de tareas, correo, calendario;
• zonas vedadas: los repositorios y la correspondencia fuera del canal del proyecto;
• método de verificación: abrir la sección «Riesgos» y cotejar cada punto con la tarea a la que enlaza.

Implantación frente a uso real

La factura de las licencias llega tanto si el equipo abre la herramienta como si no. LeadDev midió la distancia entre ambas cosas: una encuesta a casi 600 ingenieros y responsables de ingeniería, 2026. Claude Code está comprado en el 78 % de los equipos y lo usa a diario el 50 %. En GitHub Copilot la brecha es mayor: 56 % frente a 14 %. En la versión web de Claude, 64 % frente a 18 % [LeadDev].

Los autores lo explican de forma sencilla: la herramienta se elige desde arriba y los ingenieros acaban usando lo que les resulta más cómodo. En sus palabras, la brecha en las cifras es un problema de compras que se hace pasar por un problema de adopción. La pregunta que proponen plantear al dar el visto bueno: por qué la gente esquiva la herramienta aprobada en busca de algo mejor.

Según la misma encuesta, el 31 % de las empresas mide el efecto de la herramienta.

Con qué sustituir el porcentaje de licencias activadas lo describe Kilo en su blog. Es una metodología de proveedor y hay que leerla teniendo en cuenta la fuente, pero el conjunto de indicadores es razonable: profundidad de uso en lugar de alcance, porcentaje de pull requests con revisión automática, porcentaje de sesiones del agente que llegan al merge y retención de prácticas, es decir, si el equipo trabaja con plantillas comunes. Su propia advertencia: por encima del 80 % de activación, esa cifra deja de decir nada.

Para el manager surge aquí un segundo trabajo. Elegir la herramienta lleva una semana; comprobar que se usa lleva trimestres.

Elegir sin una única respuesta correcta

En esta revisión no hay una herramienta que valga para todos. La decisión sale de tres preguntas, y las tres han aparecido ya:

• quién se sienta frente al agente: para el ingeniero, la lista del terminal; para el manager de equipo, los agentes de escritorio para trabajo de oficina;
• dónde pueden estar los datos de la empresa: en la nube del proveedor, Cowork; en el equipo local, Kimi Work; si están prohibidos los servicios externos, CLI abiertos con clave propia;
• qué horizonte tiene la decisión: la cronología del año promete meses; una licencia abierta reduce el riesgo, porque la comunidad mantiene el código aunque el proveedor pase a otra cosa. Aider muestra la otra cara: ser abierto no garantiza el ritmo de desarrollo.

Si se resume en tres puntos de partida:

• equipo de hasta quince personas sin aprobación de seguridad: un CLI abierto con clave propia, OpenCode u Oh My Pi; licencia MIT, el proveedor se cambia editando la configuración y no interviene ninguna cuenta de proveedor;
• empresa con requisitos sobre sus datos: Copilot Cowork, si ya trabaja dentro de Microsoft 365: la administración y el registro de auditoría vienen integrados. Cuando el procesamiento tiene que quedarse en el equipo del empleado, solo sirve Kimi Work;
• equipo de ingeniería que necesita una herramienta para todos: Claude Code si Anthropic es un proveedor aprobado para usted, y Kilo Code cuando importan a la vez el terminal, el IDE y una factura previsible por puesto.

Elegir el modelo dentro de todo esto es una cuestión de otra capa: los agentes no cambian más despacio que los modelos. Cómo elegir entre los propios modelos lo explica el artículo comparativo de la serie, con una tabla resumen para elegir por tarea y presupuesto. La próxima entrega de la serie trata del entorno del agente: herramientas MCP, acceso a los datos de la empresa y registro de acciones.

Queda una pregunta que no está en ninguna tabla. Las herramientas más autónomas de 2026 exigen las instrucciones más largas sobre rendición de cuentas: cuanto menos participa la persona en el trabajo, más texto se dedica a las reglas de entrega y verificación. Los proveedores ya escribieron ese texto para sus agentes. Para las tareas de su equipo todavía está por escribir. ¿Y quién se encargará: el ingeniero que instala el agente o el manager que da por bueno el trabajo?

Otras partes de esta serie

Parte 1

ChatGPT en 2026: qué ha cambiado y por dónde empezar si eres manager

Parte 2

Claude de Anthropic en 2026: Opus 5, Fable 5.1, Mythos 5.1, Cowork y Chrome – guía para managers

Parte 3

Perplexity AI en 2026: el buscador inteligente que todo manager debería probar

Parte 4

Google Gemini en 2026: modelos, NotebookLM e integración con Workspace

Parte 5

Grok de SpaceXAI en 2026: análisis de la IA de Elon Musk

Parte 6

YandexGPT en 2026: análisis de la IA rusa de Yandex para empresas

Parte 7

DeepSeek en 2026: análisis de V4-Pro y V4-Flash tras la subida de precios

Parte 8

GigaChat en 2026: análisis honesto – ¿vale la pena usarlo para el trabajo?

Parte 9

Qwen de Alibaba en 2026: los pesos abiertos vuelven a los modelos insignia

Parte 10

Cómo se evalúa la calidad de los LLM en 2026: guía de benchmarks para managers

Parte 11

IA para crear contenido multimedia en 2026: imágenes, vídeo, música y presentaciones

Parte 12

Comparativa de herramientas GenAI 2026: ¿qué IA debe elegir un manager?

Parte 13

Chat Z.AI (GLM-5) en 2026: el modelo chino que finge ser Claude

Parte 14

Kimi de Moonshot en 2026: K3, K2.6, K2.7-Code y agentes

Parte 15

GigaChat en el trabajo: cómo sacar el máximo a la IA soberana rusa

Parte 16

Los benchmarks de IA pierden sentido: ¿cómo elegir un modelo entonces?

Parte 17

Meta Muse Spark: el primer modelo cerrado de Meta desde 2023

Parte 18

Modelos MAI de Microsoft en 2026: qué se puede usar de verdad y cuánto cuesta