Agentes de IA open source a examen: OpenClaw, Hermes, Prime Agent, OpenCode...
El 5 de agosto de 2026, Prime Intellect hizo público Prime Agent, un harness de coding autodefinido capaz de reescribir sus propios prompts, sus habilidades (skills) e incluso sus sub-agents mientras trabaja. La noticia dio rápidamente la vuelta a los boletines del sector, no tanto por la puntuación declarada en el benchmark ARC-AGI-3 (95,5 %, por encima del umbral humano de referencia), sino por una pregunta más incómoda: ¿qué distingue realmente hoy en día a un agente de otro? Hasta hace poco bastaba con mirar el modelo bajo el capó: GPT, Claude, Gemini, DeepSeek, abierto o propietario. Con los agentes de nueva generación, esta lógica se ha quebrado.
Un agente moderno ya no es solo un modelo que responde a una pregunta. Es un sistema que añade memoria persistente entre sesiones, herramientas para leer y escribir archivos, acceso a una terminal, un navegador que guiar, sub-agents que trabajan en paralelo, un scheduler que decide cuándo actuar sin que nadie se lo pida, skills que se acumulan con el tiempo, un estado que mantener coherente y, en algunos casos, la capacidad de modificar sus propias reglas operativas. El modelo sigue siendo el motor, pero la carrocería, el volante y los frenos son ya un proyecto independiente que determina cuánto puede recordar, ejecutar y aprender ese motor.
Vale la pena aclarar de inmediato un equívoco frecuente en torno a la palabra "gratuito". Una cosa es el software open source, otra la instalación self-hosted sin costes de licencia, otra el uso de modelos gratuitos o de pago a través de API, y otra el uso de modelos ejecutados en local. Son variables independientes que se combinan de diferentes maneras. OpenCode, uno de los agentes de coding que veremos, lo he utilizado con éxito en varias ocasiones tanto con modelos gratuitos como DeepSeek Flash como con modelos locales expuestos a través de LM Studio: el coste del agente es nulo, el coste operativo depende del modelo elegido y del hardware disponible, no de una suscripción al software que lo orquesta todo.
Tres familias, no una clasificación única
Situar a OpenClaw y OpenHands en la misma comparación directa tendría poco sentido, un poco como comparar a un mayordomo para todo con un capataz especializado en un solo oficio. Conviene distinguir tres familias antes incluso de examinar las características individuales: los asistentes personales autónomos, diseñados para estar siempre disponibles, acumular información a lo largo del tiempo y recibir solicitudes desde múltiples canales (OpenClaw, Hermes Agent); los agentes de coding y research, orientados a escribir código, explorar repositorios y automatizar tareas técnicas (Prime Agent, OpenCode, OpenHands, Goose); y los harness de referencia, útiles más para comprender las arquitecturas subyacentes que para el uso diario (Pi, Letta).
OpenClaw, el mayordomo que vive en múltiples canales
OpenClaw es un gateway multicanal que conecta aplicaciones de mensajería como Telegram, Slack, WhatsApp, Discord o iMessage con un agente de IA siempre activo. El usuario instala un único proceso Gateway en su máquina o en un servidor, y ese proceso se convierte en el puente entre las conversaciones cotidianas y un asistente capaz de ejecutar comandos de shell, leer y modificar archivos, navegar por la web, gestionar contenedores y llamar a API externas. La documentación oficial describe el núcleo del sistema como un ciclo agentico que atraviesa cuatro fases: desde el ensamblaje del contexto hasta la inferencia del modelo, la ejecución de herramientas y la persistencia del estado.
El proyecto ha crecido a una velocidad extraordinaria. Tras su relanzamiento bajo el nombre de OpenClaw en enero de 2026, superó las 200.000 estrellas en GitHub en pocas semanas, convirtiéndose en uno de los repositorios más seguidos del año, no solo por la utilidad de la herramienta, sino porque impuso un patrón arquitectónico que otros proyectos han seguido o citado explícitamente después.
Sus puntos fuertes son coherentes con este enfoque: un amplio ecosistema de skills e integraciones, sesiones persistentes que sobreviven al reinicio, tareas recurrentes programables mediante cron y webhooks, y un acceso real a la shell, el navegador y el sistema de archivos (file system) que lo asemeja más a un asistente operativo que a un chatbot potenciado.
Sin embargo, esta misma amplitud es también su límite más evidente. Cuantas más superficies toca un agente, mayor es la superficie que un atacante puede explotar; y no es casualidad que el caso de OpenClaw se haya convertido en los últimos meses en un verdadero banco de pruebas para la investigación sobre la seguridad de los agentes de IA, como veremos en una sección dedicada. Quienes lo instaléis pensando en un asistente siempre activo que controle notificaciones, ejecute scripts y trabaje desde Telegram sin reiniciarse nunca debéis asumir una configuración compleja y una superficie de ataque que gestionar con atención, no un sistema en sandbox listo para usar.
Hermes Agent, el agente que escribe sus propios procedimientos
Hermes Agent es el proyecto de código abierto de Nous Research, un laboratorio que en los últimos años se ha labrado una sólida reputación en el campo de los modelos lingüísticos abiertos. El elemento que lo distingue no es tanto la amplitud de sus integraciones, sino su ciclo de aprendizaje cerrado: tras una tarea compleja, típicamente cuando se requieren múltiples llamadas a herramientas diferentes, el agente puede escribir de forma autónoma una nueva skill, reutilizarla en sesiones posteriores, corregirla cuando resulte obsoleta o errónea, y conservar todo esto como conocimiento persistente entre una conversación y otra.
El proyecto ha alcanzado más de 215.000 estrellas en GitHub y complementa el motor principal con un sistema satélite de evolución, hermes-agent-self-evolution, que aplica técnicas de búsqueda evolutiva para optimizar de forma automática los prompts, las skills y los comportamientos del sistema, un trabajo que obtuvo espacio como oral paper en el ICLR 2026. Más allá del lenguaje técnico, la idea es sencilla: en lugar de limitarse a responder, el agente observa sus propias trazas de ejecución, comprende por qué algo no ha funcionado y propone variantes mejores, con un mecanismo que recuerda de cerca a la selección natural más que a una simple regla de optimización estática.
Sus puntos fuertes son la memoria persistente, la creación automática de skills, el soporte para múltiples plataformas de mensajería y entornos de desarrollo, y un enfoque multiproveedor que no vincula al usuario a un único proveedor de modelos. El límite es igualmente claro y lo admiten los propios documentos del proyecto: la calidad del sistema depende enteramente de la calidad de las skills que construye, y un ciclo de aprendizaje que no distinga entre un procedimiento eficaz y otro que solo funciona en apariencia corre el riesgo de consolidar errores en lugar de corregirlos. Es un poco el problema que la novela La casa de hojas de Mark Z. Danielewski pone en escena a nivel narrativo: una estructura que se escribe a sí misma puede expandirse de forma fascinante, pero también perder el rumbo si nadie comprueba a dónde conduce cada nueva habitación.
Prime Agent, cuando el contexto se convierte en una variable
Si Hermes representa el aprendizaje mediante skills, Prime Agent representa una idea aún más radical, aplicada no al comportamiento sino a la propia arquitectura del agente. El proyecto se basa en dos conceptos técnicos que conviene traducir a términos sencillos. El primero, del que hablé hace meses aquí en el portal, es el Recursive Language Model, la idea de que el contexto de una conversación no debe tratarse como un flujo de texto fijo que comprimir cuando se vuelve demasiado largo, sino como una variable de Python sobre la que el modelo puede operar programáticamente, tal como lo haría con cualquier otro dato. El segundo es el Continual Harness, la parte del sistema que permite al agente modificar de forma rastreable y reversible sus instrucciones suplementarias, su memoria, sus skills e incluso las especificaciones de los sub-agents que utiliza, sobre la base de lo que ha aprendido durante la ejecución.
En la práctica, en lugar de depender de una lista estática de herramientas predefinidas, el modelo trabaja dentro de un kernel de IPython persistente y puede escribir código para invocar herramientas, lanzar sub-agents como funciones anidadas y conservar información fuera de la ventana de contexto activa, de modo que las sesiones muy largas no pierdan el acceso a lo ocurrido al principio.
En el plano de los resultados, Prime Intellect declara una puntuación del 95,5 % en ARC-AGI-3 utilizando Opus 5, por encima del umbral humano de referencia publicado para ese benchmark, y un rendimiento competitivo en tareas de contexto largo utilizando menos tokens que los harness tradicionales. Son números interesantes, pero deben leerse con la cautela que merecen todos los benchmarks declarados directamente por quienes desarrollan el producto: útiles como indicación de rumbo, no como veredicto definitivo hasta que se disponga de reproducciones independientes.
Los límites son igualmente reales. La curva de aprendizaje es más pronunciada que la de un asistente de coding tradicional, el proyecto es aún joven en comparación con herramientas más maduras, y la propia capacidad de automodificación que hace interesante a Prime Agent puede amplificar los comportamientos incorrectos tanto como los correctos. La ejecución del código Python y de los comandos se realiza en cualquier caso con los permisos del usuario que lo lanza, por lo que la responsabilidad de aislar el entorno sigue siendo exclusivamente de quien lo configura.
OpenCode, OpenHands y Goose: tres caminos diferentes hacia el código
Si OpenClaw, Hermes y Prime Agent apuestan por la memoria, el aprendizaje y las arquitecturas recursivas, OpenCode, OpenHands y Goose permanecen más anclados en el terreno práctico del desarrollo de software, cada uno con su propia personalidad.
OpenCode es probablemente el más adecuado para representar el punto de vista del desarrollador que desea libertad de elección sin renunciar a un mínimo de estructura. Utilizable desde la terminal, el IDE o una aplicación de escritorio, ofrece agentes especializados para la planificación y la implementación, soporta sub-agents y el protocolo MCP, y es compatible con múltiples proveedores de modelos. En las pruebas directas realizadas con esta herramienta, el software funcionó sin problemas tanto con modelos gratuitos de buen nivel como DeepSeek Flash, como con modelos locales expuestos a través de LM Studio, confirmando que el coste real depende casi siempre del modelo elegido y del hardware disponible, no de una suscripción al software de orquestación. La otra cara de la moneda es que no está diseñado como asistente personal siempre activo, la memoria a largo plazo no es su punto fuerte y la configuración de los proveedores requiere a veces intervenciones manuales.
OpenHands se mueve en un registro más cercano a una plataforma de ingeniería agentica que a una herramienta personal de línea de comandos. Los agentes que orquesta pueden leer y modificar código, ejecutar comandos, trabajar directamente sobre los archivos de un repositorio e integrarse con las herramientas típicas del ciclo de desarrollo, desde la resolución automática de incidencias hasta la escritura de pruebas y el refactoring. Es la herramienta más indicada para quienes deseen experimentar con verdaderos equipos de agentes de software, pero requiere a cambio una infraestructura más estructurada y una supervisión atenta cuando las tareas se vuelven completamente autónomas.
Goose, desarrollado por Block, apuesta en cambio por un enfoque local y generalista. Se ejecuta en la máquina del usuario, soporta diferentes modelos a través del protocolo MCP y se presta a tareas heterogéneas que van desde el coding hasta la investigación técnica, la escritura o el análisis de datos. Está menos centrado en el self-improvement en comparación con Hermes o Prime Agent, y su seguridad depende directamente de los permisos que se le concedan, un recordatorio útil: la ejecución local reduce algunos riesgos relacionados con la exposición a Internet, pero no equivale automáticamente a un entorno seguro.
Pi y Letta, dos referencias arquitectónicas
Dos proyectos merecen una mención aparte, no porque compitan directamente con los otros seis, sino porque ayudan a interpretarlos mejor.
Pi es un harness mínimo para agentes de coding, construido en torno a la idea opuesta a la de OpenClaw o Hermes: en lugar de ofrecer el mayor número posible de funciones ya listas, proporciona una base extensible mediante skills, extensiones y paquetes, dejando al desarrollador la responsabilidad de componer el entorno que realmente necesita. Es interesante notar que la misma interfaz de terminal de Pi es reutilizada por otros proyectos de la lista, incluido Prime Agent, señal de que en el ecosistema de agentes open source ciertos componentes terminan convirtiéndose en infraestructura compartida más que en propiedad de un solo producto.
Letta aborda en cambio de frente el problema de la memoria y del estado persistente, ofreciendo una plataforma diseñada para construir agentes stateful cuyo estado se puede gestionar, inspeccionar y hacer evolucionar con el tiempo. Es un buen punto de referencia para distinguir la simple conservación de un historial de conversación del verdadero aprendizaje procedimental, la diferencia que separa a un agente que recuerda lo que sucedió de uno que realmente aprende algo de esa experiencia.
El análisis en una tabla
Los valores que figuran a continuación son evaluaciones comparativas cualitativas basadas en la documentación y en el uso directo de los productos, no puntuaciones derivadas de benchmarks científicos estandarizados.
Seguridad, el caso de OpenClaw como lección para todos
Un chatbot tradicional produce texto, un agente produce acciones: ejecuta comandos, lee y modifica archivos, accede a repositorios, navega por la web, envía mensajes, llama a API, inicia procesos, instala skills. Por tanto, el riesgo no depende únicamente de la calidad del modelo subyacente, sino de la combinación entre el modelo, las herramientas concedidas, los permisos, la memoria y los contenidos externos que el sistema es capaz de leer.
OpenClaw se ha convertido, casi a su pesar, en el caso de estudio más citado para comprender esta dinámica, simplemente porque concentra en un único entorno un número muy elevado de estas capacidades. Un grupo de investigación de la Texas A&M University publicó en marzo de 2026 una taxonomía sistemática basada en 190 informes de seguridad presentados contra el framework, organizados por nivel arquitectónico y tipo de violación de la confianza, identificando en particular rutas que combinan múltiples vulnerabilidades de gravedad moderada hasta lograr la ejecución de código no autenticado en el proceso host. Otros trabajos independientes han medido los riesgos de las skills instalables a través del marketplace del proyecto: una investigación estimó que más de un tercio de las skills integradas por defecto presentan un nivel de riesgo alto o crítico, mientras que un análisis de la plataforma del marketplace detectó más de mil paquetes considerados maliciosos, aproximadamente uno de cada cinco de los disponibles. Cifras de este tipo deben tomarse siempre como una instantánea de un momento preciso más que como un juicio permanente sobre el proyecto, porque la superficie cambia rápidamente a medida que los desarrolladores publican correcciones.
Más allá de las cifras específicas, los riesgos que describen estos trabajos se dividen en unas pocas categorías recurrentes: la prompt injection que llega desde una página web visitada por el agente o desde un mensaje recibido en un canal de chat, la escorrentía de datos sensibles hacia el exterior, las skills de terceros que ocultan comportamientos dañinos, un acceso demasiado amplio al sistema de archivos, credenciales de API expuestas por error, instancias del gateway accesibles directamente desde Internet, acciones ejecutadas sin una confirmación explícita por parte del usuario y, por último, la confusión entre las instrucciones impartidas por el usuario y las que llegan ocultas en los datos que el agente procesa, un problema de fondo que ninguna herramienta ha resuelto aún por completo.
Esta lección no solo afecta a OpenClaw, afecta a toda la familia de productos descritos en este artículo, cada uno con su propia declinación del riesgo. En Hermes Agent, una skill generada automáticamente puede convertirse en un procedimiento persistente sin que nadie la haya revisado línea por línea, lo que hace necesarios mecanismos de revisión, control de versiones y rollback. En Prime Agent, un harness capaz de modificarse a sí mismo puede consolidar una estrategia eficaz tanto como un atajo no deseado, el clásico problema del reward hacking aplicado a la arquitectura en lugar de solo al comportamiento. En OpenCode, el riesgo principal afecta al acceso al espacio de trabajo (workspace), a la terminal y a los servidores MCP conectados, y conviene siempre realizar pruebas en repositorios aislados antes de conceder permisos amplios. En OpenHands, las tareas de software completamente autónomas requieren contenedores dedicados, ramas (branches) separadas, suites de pruebas automáticas y una aprobación humana antes de cualquier fusión (merge). En Goose, por último, conviene recordar que la ejecución local no equivale automáticamente a seguridad: un agente con acceso a la máquina del usuario puede dañar datos o configuraciones incluso sin tocar nunca Internet.
De aquí se deriva una lista de comprobación (checklist) práctica que sirve para cualquiera que desee experimentar con una de estas herramientas, independientemente de la que se elija.
Conclusiones, sin un ganador
Buscar un ganador absoluto entre estos ocho proyectos significaría malinterpretar en qué se han convertido los agentes de IA a lo largo de este año. Tiene más sentido razonar por escenarios. OpenClaw sigue siendo la opción más natural para quienes buscan una automatización personal que viva en múltiples canales de mensajería simultáneamente. Hermes Agent es el proyecto más interesante para quienes deseen observar de cerca un verdadero ciclo de aprendizaje compuesto por memoria y skills que se acumulan. Prime Agent representa hoy el punto más avanzado de experimentación sobre la propia arquitectura del harness, con todos los riesgos y promesas que ello conlleva. OpenCode ofrece el mejor equilibrio para el desarrollo diario, especialmente para quienes desean mantener la libertad de alternar entre modelos gratuitos, locales o de pago. OpenHands se dirige a quienes se enfrentan a flujos de trabajo de software complejos que requieren múltiples agentes coordinados. Goose sigue siendo la opción más flexible para quienes buscan un agente local generalista sin demasiados límites arquitectónicos. Pi se dirige directamente a quienes prefieren construir su propio harness desde cero. Letta, por último, sigue siendo la referencia más útil para cualquiera que desee estudiar seriamente lo que significa para un sistema de software tener verdaderamente memoria.
El verdadero salto dado por los agentes de IA en estos meses no consiste únicamente en pasar de un modelo más pequeño a uno más potente, consiste en construir alrededor del modelo un entorno capaz de recordar, utilizar herramientas, coordinar actividades, recuperarse de los errores y, en algunos casos, modificar su propio modo de trabajar. Cuanto mayor es esta autonomía, sin embargo, más dejan la seguridad, la auditoría (audit) y el control humano de ser funciones accesorias que añadir más tarde para convertirse en parte integrante de la arquitectura desde el primer día.
Nota técnica: los datos sobre vulnerabilidades, adopción y benchmarks citados en este artículo proceden de fuentes públicas disponibles en el momento de la publicación. Al tratarse de un sector en evolución muy rápida, se aconseja verificar el estado actualizado de los proyectos individuales antes de tomar cualquier decisión operativa, especialmente en lo que respecta a los parches de seguridad.