Agentes 24/7: la carrera de la IA ahora se juega en el harness

• 1. Cinco meses que reordenaron todo
• 2. Por qué todos apuntan al mismo lugar
• 3. El harness: todo lo que rodea al modelo
• 4. Grok Build y el CLI: acá no fueron primeros
• 5. Abajo del capó: arquitectura para bajar costos
• 6. Lo que cambia para los que construimos
• Fuentes

Grok Bot salió y en siete semanas Meta y OpenAI salieron detrás con lo mismo. Mientras el escalado bruto rinde cada vez menos, la ventaja se arma alrededor del modelo.

Hace un año, la pregunta era qué modelo era el más inteligente. Hoy, cuando me siento a armar algo, me pregunto otra cosa: qué producto me cierra el laburo, cuánto me cuesta cada tarea terminada y qué tan rápido responde. Esa diferencia, que parece chica, cambia todo el tablero. Va mi lectura de builder sobre lo que pasó en estos últimos meses.

§1. Cinco meses que reordenaron todo

• Mayo 2026. Google presenta Gemini Spark en su I/O: un agente personal 24/7 que corre en máquinas virtuales en la nube. Arranca con testers y suscriptores Ultra en Estados Unidos.
• Mayo 2026. SpaceXAI lanza Grok Build, su CLI agente de código, en beta.
• Agosto 2026. Sale Grok Bot: agentes que trabajan todo el día con su propia compu en la nube, metidos en tus apps.
• Septiembre 2026. Meta lanza Muse, un agente que se conecta a tu mail, calendario y pagos y corre en su propia máquina virtual (AP).
• Septiembre 2026. En su DevDay, OpenAI presenta Dots: agentes siempre encendidos, con su propia computadora en la nube.

Tres labs, el mismo tipo de producto, siete semanas de diferencia.

Para ser justo: Google mostró la idea antes, en mayo, y la fue abriendo de a poco. Lo que veo es que SpaceXSI (ex xAI) fue la que puso el @bot en manos de la gente con más fuerza en agosto mediante @cursor_ai, y Meta y OpenAI salieron detrás en septiembre con productos casi calcados.

§2. Por qué todos apuntan al mismo lugar

Si los labs más grandes llegan al mismo producto en semanas, la explicación más simple es que el modelo solo ya no alcanza para diferenciarse.

Los números lo muestran. Según el AI Index 2026 de Stanford, en marzo 2026 los cuatro primeros modelos de Arena estaban dentro de 25 puntos Elo. Un estudio sobre 60 benchmarks encontró que casi la mitad ya están saturados. Cuando todos sacan más o menos la misma nota, la nota deja de decidir.

Ilya Sutskever lo dijo así en la charla con Dwarkesh Patel:

Se terminó la era del escalado y volvemos a la era de la investigación.

Días después aclaró en X que el escalado va a seguir mejorando cosas (The Decoder). Me parece importante decirlo: el escalado sigue sumando, pero cada salto cuesta mucho más y se nota menos en el producto final.

§3. El harness: todo lo que rodea al modelo

Le digo harness a todo lo que envuelve al modelo y lo vuelve útil:

• Herramientas que puede usar: apps, APIs, navegador.
• Memoria que sobrevive entre sesiones.
• Contexto: qué ve en cada paso.
• Agentes que corren en paralelo.
• CLI: la terminal donde vive y escribe código.
• Compu propia en la nube, con permisos.

Google ya lo dice con todas las letras: Spark “usa el harness de Antigravity”, según su propio blog. La palabra pasó de la jerga de los builders al anuncio oficial.

Y fijate la receta común. Grok Bot, Spark, Muse y Dots comparten lo mismo: una máquina propia en la nube, acceso a tus apps, memoria entre conversaciones y un pedido de permiso antes de lo sensible. El modelo de abajo puede cambiar. Lo que el usuario siente es el harness.

§4. Grok Build y el CLI: acá no fueron primeros

Grok Build salió en mayo 2026, como beta para los planes Heavy y ahora es open source (Bloomberg).

Lo interesante es que el CLI fue el laboratorio del harness. Ahí se aprendió a darle herramientas al modelo, a manejar contexto largo, a correr subagentes y a verificar el trabajo antes de devolverlo. Los bots 24/7 de este año son esa misma receta sacada de la terminal y llevada a tus apps.

Como builder, lo veo todos los días. Cambio de modelo y el resultado se mueve un poco. Cambio cómo le doy contexto, qué herramientas tiene y cómo verifica su trabajo, y el resultado se mueve muchísimo.

§5. Abajo del capó: arquitectura para bajar costos

La otra mitad de la pelea está debajo. La mejora que más se siente hoy viene de la arquitectura:

• Mezcla de expertos (MoE): solo se activa una parte del modelo por token.
• Destilación: lo que sabe un modelo grande pasa a uno chico.
• Razonamiento en inferencia: gasta cómputo solo cuando la pregunta lo pide.
• Modelos chicos y rápidos para el grueso de las tareas.

Esto importa mucho para un bot que trabaja 24/7. Un agente hace decenas de llamadas por tarea, todo el día. Si cada llamada es cara o lenta, el producto no cierra.

Los datos acompañan. Epoch AI mide que el precio para alcanzar un mismo nivel de rendimiento cae entre 9 y 900 veces por año según la tarea, con una mediana de 50 veces. Otro trabajo estima caídas de 5 a 10 veces por año en la frontera, y unas 3 veces por año atribuibles solo a mejoras algorítmicas. Sin esa caída, ningún agente siempre encendido sería negocio.

§6. Lo que cambia para los que construimos

Si el modelo más inteligente pesa cada vez menos en la decisión, hoy miro tres cosas cuando elijo stack:

1. Costo por tarea terminada. El precio por token engaña: un modelo barato que necesita cinco intentos puede salir más caro que uno caro que acierta de una.
2. Velocidad del loop. Si cada paso tarda, la experiencia se cae.
3. Calidad del harness. Herramientas, memoria, contexto y verificación. Ahí se gana o se pierde la mayor parte.

Mi apuesta: va a ganar el que te cierre el laburo rápido y barato. @SpaceXSI viene mostrando que mover rápido en producto rinde, y el resto sale detrás en semanas. Esa misma velocidad le pone presión: si un bot se replica en siete semanas, la ventaja dura poco y hay que volver a ganarla cada vez. Para los que construimos es una buena noticia: más competencia en el harness y en el costo significa mejores herramientas y más baratas.

Ahora les pregunto a ustedes: ¿con qué stack están armando agentes y qué les pesa más al elegir, el modelo o todo lo que lo rodea?

§Fuentes

• Gemini Spark, I/O (mayo 2026)
• Grok Build (mayo 2026)
• Grok Bot (agosto 2026)
• Meta Muse (septiembre 2026)
• OpenAI Dots (septiembre 2026)
• Nombre SpaceXSI (octubre 2026)
• Sutskever en Dwarkesh; su aclaración
• AI Index 2026, cap. 2
• Saturación de benchmarks
• Epoch AI, precios de inferencia
• Caída de precios frontier y algorítmica

Publicado originalmente en X: https://x.com/LaZuricata/status/2111109534441783552