He probado cómo funciona OpenCode con varios LLM alojados localmente en Ollama y llama.cpp, y para comparar, he añadido algunos modelos gratuitos de OpenCode Zen.

El mayor salto de capacidad en OpenCode proviene de los agentes especializados: la separación deliberada de la orquestación, la planificación, la ejecución y la investigación.

OpenHands es una plataforma de código abierto e agnóstica a modelos para agentes de desarrollo de software impulsados por IA. Permite que un agente se comporte más como un compañero de codificación que como una simple herramienta de autocompletado.

LocalAI es un servidor de inferencia autohospedado y local-first diseñado para comportarse como una API de OpenAI de reemplazo directo para ejecutar cargas de trabajo de IA en tu propio hardware (portátil, estación de trabajo o servidor local).

llama.cpp es un motor de inferencia en C/C++ para modelos GGUF: llama-cli para chat interactivo, llama-completion para prompts guiados por guion, y llama-server para una API HTTP compatible con OpenAI.

OpenCode es un agente de codificación con IA de código abierto que puedes ejecutar en la terminal (TUI + CLI) con superficies opcionales de escritorio e IDE. Este es el Inicio rápido de OpenCode: instalación, verificación, conexión de un modelo/proveedor y ejecución de flujos de trabajo reales (CLI + API).

Airtable se considera mejor como una plataforma de aplicación de bajo código construida alrededor de una interfaz de usuario “similar a una base de datos” colaborativa - excelente para crear rápidamente herramientas operativas (seguimiento interno, CRM ligero, pipelines de contenido, colas de evaluación de IA) donde los no desarrolladores necesitan una interfaz amigable, pero los desarrolladores también necesitan una superficie de API para la automatización e integración.

La inferencia de LLM parece ser “solo otra API” hasta que se producen picos de latencia, las colas se saturan y tus GPUs se mantienen al 95% de uso de memoria sin una explicación obvia.

La mayoría de las configuraciones de IA local comienzan de la misma manera: un modelo, un entorno de ejecución y una interfaz de chat.

OpenClaw es un asistente de IA autoalojado diseñado para ejecutarse con entornos de ejecución de LLM locales como Ollama o con modelos basados en la nube como Claude Sonnet.

AWS S3 sigue siendo la línea base “por defecto” para el almacenamiento de objetos: es completamente gestionado, fuertemente consistente y diseñado para ofrecer una durabilidad y disponibilidad extremadamente altas. Garage y MinIO son alternativas autoalojadas compatibles con S3: Garage está diseñado para clusters pequeños a medianos, livianos y geodistribuidos, mientras que MinIO enfatiza una amplia cobertura de funciones de la API de S3 y un alto rendimiento en despliegues más grandes.

Temporal es un motor de flujos de trabajo de código abierto y nivel empresarial que permite a los desarrolladores crear aplicaciones de flujo de trabajo duraderas, escalables y tolerantes a fallos, utilizando lenguajes de programación familiares como Go.

Garage es un sistema de almacenamiento de objetos compatible con S3, de código abierto y autohospedado, diseñado para despliegues pequeños a medianos, con un fuerte énfasis en la resiliencia y la distribución geográfica.

Los sistemas de LLM fallan de maneras que la monitorización de APIs tradicional no puede detectar: las colas se llenan en silencio, la memoria de la GPU se satura mucho antes de que la CPU parezca estar ocupada, y la latencia se dispara en la capa de agrupamiento (batching) en lugar de en la capa de aplicación.

Chunking es el hiperparámetro más subestimado en Generación Aumentada por Recuperación (RAG): silenciosamente determina lo que ve tu LLM, cuán costosa se vuelve la ingesta, y cuánto del contexto de la LLM consumes por respuesta.

Elegir la pila correcta de automatización del navegador y web scraping en Go afecta la velocidad, el mantenimiento y donde se ejecuta tu código.