2026-10-15
Agentes de IA en local con modelos open-weights
Kimi K3, DeepSeek-V4.1-Flash, MiMo-V2.6 y GLM-5.3 compiten con los modelos cerrados en uso de herramientas, automatización y computer use. En local el agente trabaja sobre tus datos sin filtrarlos, y pagas por hora, no por token.
Un agente no responde a una pregunta: planifica, llama a herramientas, lee los resultados y reintenta. Una sola tarea puede durar horas y tocar el CRM, el correo, los documentos internos y las bases de datos. Es el caso de uso donde la ejecución local más importa, porque cada llamada a una herramienta arrastra datos de la empresa.
Los modelos más fuertes en agentes
Kimi K3 es la referencia para la investigación y el uso de herramientas. En la tabla de Moonshot AI: 91,2 en BrowseComp (GPT-5.6 Sol 90,4, Claude Fable 5 88,0), 94,5 en MCPMark-Verified y 84,8 en OSWorld-Verified. Pensado para sesiones largas con supervisión mínima, en contextos de hasta un millón de tokens. En el catálogo corre con vLLM en 8× B300 a unos 215 tok/s.
DeepSeek-V4.1-Flash está diseñado para cargas agénticas con mucha entrada: activa solo 8 B parámetros en prefill, y la caché KV de 890 bytes por token abarata los contextos largos llenos de salidas de herramientas. DeepSeek reporta 54,8 en AutomationBench (Claude Opus 5.0 50,3) y 31,8 en Agent's Last Exam, el valor más alto de su tabla. Se arranca con vLLM en 8× H200 desde ~16,5 $/h, o en local en un Mac de 128 GB con ds4 Metal.
MiMo-V2.6 de Xiaomi es omnimodal (texto, imagen, vídeo, audio) con una sola fase de reinforcement learning que mezcla coding, agentes, visión y ciberseguridad, de modo que las capacidades se refuerzan entre sí. La variante Flash-RL alcanza 73,6 en Toolathlon-Verified y 52,3 en AutomationBench, y corre en 4× RTX PRO 6000 a unos 3,1 $/h: la vía agéntica más barata del catálogo.
GLM-5.3 es fuerte en tareas de largo horizonte: 48,2 en AutomationBench y 73,0 en Toolathlon-Verified en la tabla de Z.ai, con contexto de hasta 1 M de tokens.
Las puntuaciones las declaran los fabricantes, con harnesses distintos de una ficha a otra: sirven para orientarse, no como clasificación absoluta.
Por qué mantenerlos en casa
- Los datos no salen. El agente lee y escribe en tus sistemas, pero el modelo responde en un endpoint expuesto solo en
127.0.0.1. Nada va a una API de terceros. - Coste por hora, no por token. Un agente que corre horas quema millones de tokens. Con una GPU dedicada la factura es previsible y la sesión se apaga cuando terminas.
- Claves MCP con alcance y caducidad. SophyAI emite claves MCP limitadas para dar a los agentes solo las herramientas que necesitan, durante el tiempo que haga falta.
Cómo se conecta
SophyAI publica un endpoint local compatible con OpenAI: los frameworks agénticos del catálogo apuntan a él —Agno, LangGraph, CrewAI, smolagents, OpenHands, Letta, n8n— sin cambiar el código. Elige una receta, arranca la sesión (local o cloud) y el agente habla con un modelo bajo tu control.
Para los otros dos escenarios, consulta coding agéntico, en local y ciberseguridad con modelos locales. La panorámica completa de modelos está en Los modelos de frontera open-weights, en local.