2026-10-15
Coding agéntico, en local
En SWE-bench, DeepSWE y Terminal-Bench los modelos open-weights están ya al nivel de los mejores cerrados. Con SophyAI los conectas a Cursor, OpenCode, Aider, Continue y Cline mediante un endpoint local, sin enviar tu código fuera.
El coding agéntico no es autocompletado: el modelo lee el repositorio, abre archivos, lanza comandos en el terminal, ejecuta las pruebas e itera. Es la prueba más dura, y también aquella en la que los modelos open-weights han cerrado la brecha.
Las cifras declaradas por los fabricantes
| Modelo | DeepSWE v1.1 | Terminal-Bench 2.1 | Notas |
|---|---|---|---|
| DeepSeek-V4.1-Flash | 74,2 | 90,6 | Codeforces 3471, el más alto de su tabla |
| Kimi K3 | 67,5 | 88,3 | FrontierSWE 81,2; ProgramBench 77,8 |
| MiMo-V2.6-Pro | 71,9 | 89,9 | Terminal-Bench 4.0 34,9 |
| GLM-5.3 | 66,9 | 88,2 | SOTA open en Terminal-Bench 3.0 (28,3) |
| GLM-5.3-Flash | — | — | 18 B activos, cerca de Opus 4.8 a una décima del coste |
| Qwen3.8-Flash-Next | 58,7 | — | SWE-bench Pro 62,5; SWE-bench Multilingual 81,0 |
Como referencia, en las mismas tablas los mejores modelos cerrados rondan 73–74 en DeepSWE v1.1 (Claude Opus 74,0, GPT-5.6 Sol 73,0). Las puntuaciones las declaran los fabricantes con harnesses y ajustes distintos, así que no son comparables una a una, pero muestran cuánto se ha reducido la brecha.
Qué receta elegir
- Una GPU, coste bajo. Qwen3.8-Flash-Next en GGUF en 1× RTX PRO 6000 hace ~95 tok/s a ~1,7 $/h: lo bastante ligero para dejarlo encendido toda la jornada. GLM-5.3-Flash en la misma GPU hace ~51 tok/s a ~1,7 $/h.
- Máxima calidad de código. GLM-5.3 y DeepSeek-V4.1-Flash son aquí los modelos abiertos más fuertes. DeepSeek-V4.1-Flash también corre en local en un Mac de 128 GB con ds4 Metal en Q2, o con vLLM en 8× H200 desde ~16,5 $/h para contextos largos y velocidad.
- Horizontes largos. Todos llegan a 1 M de tokens de contexto: un repositorio entero entra sin recortar.
Cómo conectarlo a tu editor
SophyAI publica un endpoint OpenAI en 127.0.0.1. Lo configuras como base URL en Cursor, OpenCode, Aider, Continue o Cline y el asistente usa el modelo local. El código del cliente nunca sale de tu red, y el coste es la hora de GPU, no el token.
Los otros dos escenarios: agentes de IA en local y ciberseguridad con modelos locales. Panorámica completa: Los modelos de frontera open-weights, en local.