Claude Code cuesta 100 $/mes – OpenCode hace lo mismo gratis
En marzo de 2026, Lenny Rachitsky publicó un artículo con un título rotundo: «Everyone should be using Claude Code». El material se extendió por LinkedIn, acumuló cientos de miles de visualizaciones, y ahora cada semana algún manager pregunta: ¿cómo puedo probarlo?
La respuesta es incómoda. Claude Code requiere una suscripción Anthropic Max de 100 dólares al mes. Es uno de los agentes de IA más comentados del año – y está detrás de un muro de pago que no todos pueden o quieren asumir. Para muchos equipos, ese coste recurrente es difícil de justificar solo para explorar una herramienta nueva.
Existe una alternativa directa. OpenCode es un proyecto open-source que hace exactamente lo mismo, funciona con cualquier modelo (incluidos los gratuitos) y se instala en 15 minutos.
Qué es Claude Code y por qué todo el mundo habla de él
Empecemos por lo esencial, porque la mayoría de las descripciones en prensa se pierden lo principal.
Claude Code no es un chat. Es un agente que se ejecuta en tu ordenador y trabaja con tus archivos directamente. Le das una tarea en lenguaje natural – «haz un resumen de todas las transcripciones de reuniones de marzo» – y él abre los archivos, los lee, los analiza y devuelve el resultado. Sin copiar y pegar, sin subir documentos manualmente, sin límites de tamaño de contexto.
Eso es exactamente lo que quería decir Lenny: la herramienta elimina la fricción entre la intención y el resultado. No trabajas con la interfaz de la IA – trabajas con tus archivos a través de la IA.
Para un manager, esto importa más de lo que parece. El estudio de Workday demostró que solo el 14% de los empleados obtienen un beneficio real de la IA – los que integraron la herramienta en su trabajo de forma sistemática. El enfoque agéntico, donde la IA accede por sí misma a los archivos necesarios, es precisamente lo que reduce la barrera de esa sistematización.
Pero Claude Code tiene un problema de accesibilidad: 100 dólares al mes es un precio alto para experimentar. Y ahí aparece OpenCode.
OpenCode: el mismo principio, sin barreras
OpenCode es un proyecto open-source. Se presenta como «the open source AI coding agent», pero el nombre es engañoso: el agente trabaja con cualquier archivo de texto, no solo con código.
El principio es idéntico al de Claude Code: un agente de terminal que lee y edita archivos en tu ordenador, responde a comandos en lenguaje natural y sabe ejecutar cadenas de acciones. La diferencia clave es la modularidad. OpenCode no depende de Anthropic. Funciona con cualquier proveedor.
Adelantando un poco – también existe una versión de escritorio. Más sobre eso en un momento.
Esto cambia la situación radicalmente para cualquiera que busque alternativas asequibles:
- DeepSeek – modelo potente con coste mínimo, acceso directo vía API
- Google Gemini – funciona vía API, las tarifas empiezan desde el nivel gratuito
- OpenRouter – agregador a través del cual se accede a decenas de modelos, incluidas opciones baratas para tareas rutinarias
- Modelos locales (Ollama) – sin internet y sin pago, si tienes suficiente RAM y CPU
Para quienes tengan acceso a Claude vía API, OpenCode también lo soporta. Pero la clave es que el acceso a Claude no es necesario.
Un detalle técnico importante: OpenCode no es un script ni un wrapper. Es una aplicación completa con dos modos de trabajo: build (acceso total, el agente puede crear y editar archivos) y plan (solo lectura, únicamente análisis). Para la mayoría de las tareas de gestión, el modo plan es un punto de entrada razonable: el agente lee tus archivos, pero no los modifica.
Estas tareas funcionan porque los prompts están bien formulados. En el módulo abierto hay 9 lecciones que enseñan exactamente eso. Gratis, sin instalación.
Sin pago requerido • Notificación al lanzamiento
Cómo se organiza la carpeta de trabajo de un manager
Antes de pasar a las tareas, es importante entender cómo ve el agente tu trabajo. No sabe nada más allá de los archivos en la carpeta actual. Por eso la estructura de la carpeta es tu contexto.
Así podría estar organizada la carpeta de un proyecto con la que el agente va a trabajar:
El archivo CONTEXT.md es opcional, pero útil. Contiene una breve descripción del proyecto, el equipo y las prioridades actuales. El agente lo lee primero y lo utiliza como trasfondo para todas las tareas. Una página de texto ahorra decenas de preguntas de aclaración.
La carpeta templates/ contiene plantillas de formatos de salida. Se crean una vez: cómo debe verse un mensaje de Slack, cómo un email al director, cuál es el formato de un documento de Notion. El agente las usa como referencia de tono y estructura.
La carpeta output/ es donde el agente deposita los resultados. Los originales no se tocan (especialmente en modo plan).
Esta estructura no es un dogma. Pero cuanto más clara sea la organización de los archivos, más preciso trabaja el agente. Una carpeta caótica con 200 archivos sin estructura – y el agente empezará a confundirse igual que se confundiría una persona.
Tres tareas para empezar
Un agente de terminal no sustituye al chat. Es una herramienta para tareas donde la IA necesita trabajar con archivos reales, no con fragmentos que copiaste a mano. Los tres ejemplos siguientes utilizan la estructura de carpeta descrita arriba.
Tarea 1: notas de tres reuniones → tabla de tareas en 2 minutos
Un lunes típico. De la semana pasada quedan notas: sincronización con dirección, revisión técnica con el arquitecto, brainstorming sobre una nueva funcionalidad. Todo en un mismo archivo, mezclado – quién dijo qué, qué tareas, qué decisiones. Una situación conocida.
Entras en la carpeta con las notas y escribes al agente (archivo de este ejemplo):
Extrae de meeting-notes.md todas las tareas, organízalas por responsable y añade prioridad. Formato: tabla con columnas Tarea, Responsable, Plazo, Prioridad.
El agente lee el archivo, encuentra las tareas, las distribuye por personas. El resultado: una tabla estructurada:
A mano: 30 minutos de relectura y estructuración. Con el agente: 2 minutos, incluyendo la revisión del resultado.
Tarea 2: 5 entrevistas con clientes → patrones con citas
Se han realizado cinco entrevistas con clientes durante la semana. Cada una tiene 3–4 páginas de transcripción. Tu jefe pide los insights clave para el resumen semanal. Leer las cinco a mano: 2 horas como mínimo.
Analiza todos los archivos en la carpeta interviews/. Identifica los 3 principales puntos de dolor con frecuencia de mención. Añade citas textuales de las entrevistas para cada uno. Formato: para un resumen ejecutivo.
El detalle clave: el agente trabaja con la carpeta completa – no necesitas copiar cada entrevista por separado. Ve los cinco archivos, encuentra patrones recurrentes, los agrupa y los respalda con citas de conversaciones concretas.
Una observación práctica: conviene hacerlo en modo plan, para que el agente no pueda modificar accidentalmente los originales. Y revisar el resultado – como muestra el caso de OpenClaw, los agentes a veces «inventan» detalles que no estaban en la fuente.
Tarea 3: un material → tres formatos para diferentes audiencias
Tienes un borrador del resumen semanal. Tu jefe necesita un resumen por email. El equipo necesita un post en Slack. Para la base de conocimiento, un documento en Notion. Los mismos datos – tres tonos y formatos. Escribir manualmente tres versiones: 40–60 minutos.
A partir del archivo weekly-digest.md crea tres versiones: 1. Post de Slack para el equipo – corto, informal, con emojis 2. Email para el director – enfoque estratégico, 5 párrafos 3. Documento de Notion – detallado, para archivo, con enlaces Combínalos en un solo archivo digest-final.md.
El agente crea tres versiones con diferente estructura, tono y nivel de detalle. El post de Slack: 5 líneas. El email: con conclusiones y recomendaciones. El de Notion: análisis completo. Juzga tú mismo.
En total, las tres tareas: 4 horas de trabajo manual → ~15 minutos con el agente. No porque el agente sea «más listo» – sino porque lee los archivos directamente, sin copiar y pegar manualmente.
Pero hay un matiz que no se ve en los ejemplos anteriores. Los prompts de estas tareas parecen simples – y lo son. La complejidad aparece cuando necesitas un resultado no «más o menos parecido», sino preciso. Un cambio sutil en la formulación – y el agente empieza a inventar tareas que no existían en las notas, o a combinar citas de diferentes entrevistas en una sola. La diferencia entre «funciona» y «funciona de forma fiable» es la habilidad de formular tareas para la IA. Y es exactamente esa habilidad la que determina si el agente se convierte en parte de tu ritmo de trabajo o se queda en un experimento de una tarde.
Instalación en 15 minutos
OpenCode tiene dos opciones de interfaz: una aplicación de escritorio con la ventana de chat habitual y un cliente de terminal para quienes se sienten cómodos con la línea de comandos. La funcionalidad es idéntica – la diferencia está solo en la envoltura.
Si no trabajas en el terminal habitualmente – empieza con la versión de escritorio. Es una aplicación normal: descargas, instalas, abres la carpeta con tus archivos y empiezas a trabajar. Sin comandos, sin cd al directorio correcto.
Versión de escritorio (recomendada para empezar)
Descarga el instalador para tu sistema desde opencode.ai/download. macOS, Windows, Linux – todos compatibles.
Después de instalar:
- Abre la aplicación
- Indica la carpeta con tus archivos de trabajo
- En el primer arranque, la aplicación preguntará por el proveedor y la clave API. Existen versiones gratuitas de modelos. Son más lentas, pero permiten empezar sin coste.
La interfaz parece un chat normal – introduces la tarea en español, obtienes el resultado. El agente ve todos los archivos en la carpeta seleccionada y trabaja con ellos directamente.
Versión de terminal (para usuarios avanzados)
Si te sientes cómodo en el terminal, el cliente de terminal es más rápido y minimalista. Sin ventanas extra, todo en un mismo lugar. Las instrucciones actualizadas conviene consultarlas en la documentación oficial.
Después de instalar, entra en la carpeta con tus documentos de trabajo y ejecuta:
| |
Se abrirá la interfaz de terminal. Introduce la tarea – por ejemplo: «Lee todos los archivos .md en esta carpeta y haz una lista de todas las tareas que se mencionan como pendientes».
Configuración del proveedor
La forma más sencilla de empezar es elegir OpenCode Zen. Es un conjunto curado de modelos verificados por el equipo de OpenCode. Los modelos gratuitos están incluidos – puedes probar el agente sin gastar un céntimo.
Si necesitas un modelo concreto, OpenCode funciona con cualquier proveedor mediante clave API. Para DeepSeek, la clave se obtiene en platform.deepseek.com; para Gemini, en Google AI Studio (ai.google.dev). Gemini ofrece un nivel gratuito de API con varios modelos (incluido Gemini 2.5 Flash), suficiente para una familiarización completa con la herramienta. Ambos servicios se registran sin restricciones geográficas.
¿Instalaste OpenCode pero no estás seguro de formular las tareas correctamente? El módulo abierto tiene 9 lecciones con casos reales de gestión. Te muestra cómo escribir prompts que dan resultados predecibles.
Sin pago requerido • Notificación al lanzamiento
Qué puede salir mal
Una sección honesta que normalmente se omite en los tutoriales.
El agente no encuentra los archivos
El problema más frecuente: ejecutar OpenCode desde el directorio equivocado. El agente trabaja con los archivos de la carpeta actual y sus subcarpetas. Si lo lanzaste desde el directorio raíz de usuario, no ve los documentos que están en Documents/Work/Q1-reports. Solución: siempre haz cd a la carpeta correcta antes de ejecutar.
El resultado contiene alucinaciones
Los agentes LLM a veces «inventan» detalles que no están en la fuente. Especialmente cuando trabajan con muchos archivos a la vez. La regla es simple: para tareas con consecuencias (tareas con nombres, plazos, decisiones) – verifica el resultado contra el original. Lleva 2–3 minutos, pero merece la pena.
El modelo no entiende el contexto
Los modelos baratos o pequeños manejan mal documentos largos e instrucciones complejas. Si el resultado decepciona, prueba con un modelo más potente. DeepSeek V3 o Gemini 3 Pro superan significativamente a las opciones mínimas en tareas analíticas complejas.
Permisos de acceso en macOS
En el primer arranque, macOS puede bloquear OpenCode con el mensaje «desarrollador no identificado». En los ajustes de seguridad (Ajustes del Sistema → Privacidad y seguridad) hay que permitir explícitamente la ejecución. Es el procedimiento estándar para cualquier herramienta open-source.
La elección del modelo importa
Diferentes modelos tienen diferentes fortalezas según el tipo de tarea. Si tu idioma de trabajo no es el inglés, prueba varios: DeepSeek y Gemini manejan bien múltiples idiomas. Para modelos locales vía Ollama, puede ser mejor escribir las instrucciones en inglés aunque los documentos estén en otro idioma. Qué modelo se adapta mejor a tus tareas – consulta nuestro benchmark de 54 modelos.
Un tema aparte: no dar al agente acceso a datos confidenciales. El problema de la fuga de datos en el contexto corporativo no es una abstracción. OpenCode envía el contenido de los archivos a la API del proveedor seleccionado. Para documentos con datos personales de empleados, informes financieros o materiales bajo NDA, hay que pensarlo antes de ejecutar el agente.
Qué cambia esto en el trabajo de un manager
Aquí vale la pena detenerse y responder con honestidad: ¿para qué, en realidad?
El chat con IA ya es algo habitual. ChatGPT, Claude, Gemini – la mayoría de los managers han probado al menos uno. Y muchos se quedaron con la sensación de: interesante, pero no entró en el trabajo diario. Demasiado esfuerzo manual preparando el contexto.
El agente elimina precisamente esa barrera. No necesitas copiar fragmentos al chat, pensar en los límites del contexto, subir archivos uno por uno. El agente va directamente donde están los datos.
Eleanor Konik, autora de un popular boletín, describió este cambio mejor que muchos: «No intento hacer las cosas más rápido – intento hacerlas con menos atención». Tareas que antes simplemente no se hacían – no porque fueran difíciles, sino porque requerían cambio de contexto y clics rutinarios – ahora se ejecutan en segundo plano. No se trata de velocidad. Se trata de reducir la carga cognitiva en lo que no merece tu atención.
En la práctica, esto significa un desplazamiento: de «uso IA de vez en cuando para tareas puntuales» a «la IA es parte de mi ritmo operativo». El análisis de las 300 horas que devuelve una IA integrada sistemáticamente al manager muestra que la diferencia no está en la magia de una herramienta concreta, sino en la regularidad y sistematicidad de su aplicación.
OpenCode es una herramienta que facilita esa sistematicidad. No la garantiza. La facilita.
También hay limitaciones que conviene reconocer. El agente no sustituye el criterio. Se desenvuelve bien con «encuentra», «agrupa», «estructura». Se desenvuelve mal con «decide qué es más importante» o «determina en quién confiar». Eso sigue siendo tu trabajo.
Y es normal. El patrón Co-Pilot no sustituye decisiones, sino que acelera su preparación. El agente se encarga de la parte intensiva del análisis; el manager, del juicio final. Es precisamente este equilibrio el que produce un beneficio real, no la ilusión de automatización.
Curiosamente, los datos más honestos sobre resultados no vienen de los proveedores, sino de estudios de productividad en empresas reales: la IA ahorra tiempo en tareas, pero genera carga adicional en la verificación de resultados. El beneficio neto existe, pero es menor de lo que promete el marketing.
OpenCode en este sentido es una herramienta honesta. No promete magia. Simplemente elimina parte de la fricción entre la intención y los archivos.
La pregunta que a menudo no se hace
Lenny Rachitsky dice que todos deberían usar Claude Code. Es una afirmación contundente. Y probablemente sea cierta – para un perfil de usuario determinado.
Ese perfil: una persona que trabaja regularmente con grandes volúmenes de datos textuales, se siente razonablemente cómoda en el terminal y está dispuesta a invertir varias horas en la configuración inicial a cambio de un ahorro sistemático de tiempo después.
Si ese no es tu perfil ahora mismo – no es un problema. Significa que el punto de entrada adecuado a los agentes de IA es otro. Quizá empezar por entender qué tareas vale la pena delegar a la IA y cuáles no. Nuestro estudio de 52 modelos muestra que la brecha entre el «mejor» modelo y el «accesible» es significativamente menor que la brecha entre «usarlo sistemáticamente» y «usarlo esporádicamente».
OpenCode existe. Es gratuito. No requiere suscripciones de 100 dólares. La barrera de la que todos hablan en el contexto de Claude Code – eliminada.
Qué hacer con esta información depende de si estás listo para el siguiente paso.
La herramienta ya está. Ahora – la habilidad
OpenCode es gratuito y funciona con cualquier proveedor. Pero un agente es tan bueno como tu prompt. El programa del curso va desde los fundamentos del prompt engineering hasta especializaciones en gestión de proyectos y analítica. Aprende a formular tareas para que el resultado no necesite rehacerse.
