Unreal Agent: hasta 40% menos costo que Codex en agentes IA

Qué es Unreal Agent y por qué importa a los founders que construyen con IA

Unreal Agent es un SDK open source publicado por Unreal Labs que reimagina la capa que conecta un modelo de lenguaje con sus herramientas externas — lo que el sector empieza a llamar harness. En lugar de obligar al modelo a gestionar esperas, sondeos y heartbeats de cada llamada a una herramienta, el harness de Unreal Agent registra cada llamada como "en progreso" de inmediato y deja que termine en segundo plano, liberando al modelo para que continue trabajando y el usuario para que pueda redirigirlo en cualquier momento sin esperar.

La promesa central: hasta 40% menos de costo que Codex y hasta 20% menos que Pi en cargas de trabajo reales y benchmarks agentic, con tasas de aprobación (pass rates) similares o ligeramente superiores. Para un founder que está pagando por tokens cada vez que su agente autónomo ejecuta flujos largos, ese porcentaje cambia la unidad económica del producto.

El problema que ataca: el "impuesto del harness"

Cuando despliegas un agente en producción, descubres rápido que el modelo pasa una fracción enorme de sus turnos y tokens gestionando llamadas a herramientas: esperando resultados, sondeando para ver si una API terminó, alternando entre herramientas que corren a velocidades distintas. Un equipo de la UC Berkeley ("HarnessTax", 2026) cuantificó ese costo oculto y arrancó una conversación seria sobre el diseño del harness como disciplina de investigación por derecho propio.

El artículo de Unreal Labs recoge esa conversación y aporta dos hallazgos propios:

• Huella mínima del harness. Prompts simples, resultados de herramientas optimizados a nivel de tokens, sin sub-agentes ni flujos ("workflows") anidados. Cada decisión de ingeniería apunta a que el modelo gaste tokens en razonar, no en administrar el runtime.
• Más trabajo de herramientas por turno del modelo. El patrón asincrónico está documentado para el LLM, lo que le permite lanzar varias llamadas pesadas a la vez (configurar un entorno de desarrollo, explorar el código, buscar en la web en paralelo) sin malgastar tokens en esperas o sondeos.

Qué métricas concretas midieron en benchmarks

Unreal Labs probó su agente con GPT-6 Astra xhigh sobre tres benchmarks de codificación disponibles en Harbor, la plataforma que usan Meta y otros para ejecutar y reproducir resultados agentic. Los resultados compartidos en el post:

• En el primer benchmark, Unreal Agent logra 57,9% pass rate (igualando el líder Codex) con un costo total de US$1.428, frente a US$2.350 de Codex y US$1.827 de Pi.
• En el segundo, pasa de 63,3% (Codex) y 64% (Pi) a 65,8%, con US$936 vs US$1.303 y US$1.033 respectivamente.
• En el tercero, 72,4% vs 69% (Codex) y 69,6% (Pi), con US$1.367 vs US$1.633 y US$1.584.

El ahorro promedio ronda el 28-39% frente a Codex según el benchmark, acompañado de menos turnos del modelo y, en dos de los tres casos, de menos tokens de entrada y salida. Los autores aclaran que las diferencias de pass rate entran dentro del margen de varianza estadística.

Por qué Codex cuesta más: el ángulo del SDK

El artículo se explaya sobre las fricciones que encontró el equipo al construir productos agentic sobre los SDK de los grandes proveedores. Enumera, entre otras:

• Asunciones CLI-local. SDKs como el de Claude Agent están pensados para sesiones locales con subprocesos y límites de recursos que no encajan bien cuando llevas el agente a producción en la nube.
• Migración dolorosa entre proveedores. Cambiar de modo API puede romper herramientas o compactación; actualizar el SDK a veces cambia formatos de mensaje y obliga a reescribir integraciones.
• Dependencias pesadas que añaden riesgo de mantenimiento y de cadena de suministro sobre un runtime que ya necesitas entender y parchear.
• Ganchos del harness como mecanismo de seguridad. Los autores argumentan que confiar la seguridad a hooks y tools especiales tiende a requerir más mantenimiento y ser menos robusto que políticas deterministas fuera del harness (allow/deny de hosts, tokens granulares, proxies con gates de aprobación).

La implicación para un founder: si tu equipo está eligiendo hoy entre Claude Agent SDK, OpenAI Codex CLI, LangChain, los SDK de las big tech y construir uno propio, la factura de overhead que cobra el harness puede ser la diferencia entre un MVP que escala y uno que se come tu runway.

El detalle técnico: por qué la asincronía funciona

Cada vez que Unreal Agent emite una llamada a una herramienta, anexa inmediatamente al log de la sesión un registro de evento en estado "en progreso" y sigue ejecutando en segundo plano. Cuando la herramienta termina, anexa el resultado y entonces llama al LLM. Hacer esto sin invalidar la caché de contexto fue, según los autores, un desafío de ingeniería en sí mismo.

Un detalle honesto del post: el patrón de usar dos elementos de resultado de tool-call (uno en progreso, uno final) en un mismo contexto está poco especificado en la documentación de la Responses API. Durante las pruebas encontraron rechazos en algunos modelos de algunos proveedores de inferencia (no en OpenAI), y el campo de estado de function_call_output parecía no tener efecto en esos casos. Los autores piden a la industria que este patrón sea soportado explícitamente y de forma consistente entre proveedores.

Qué incluye el SDK hoy

El SDK de Unreal Agent se distribuye en tres formas:

• Biblioteca en Go integrable directamente en tu base de código.
• Ejecutable runner similar a claude -p o codex exec, para quienes prefieren invocar al agente desde la línea de comandos.
• Benchmark runner compatible con Harbor, para reproducir las pruebas y validar mejoras propias.

El código está en el repositorio de GitHub de Unreal Labs, y el equipo pide contacto en [email protected] para clientes colaboradores que quieran integrar el enfoque en producción.

Qué significa esto para tu startup

• Antes de elegir SDK agentic, mide el impuesto del harness en tu flujo real. Si tu agente encadena 20+ llamadas a herramientas por sesión, el modelo de pricing por tokens se dispara precisamente donde menos lo esperas. Replicar el benchmark de Harbor con tu carga real, aunque sea con un subconjunto de 50 tareas, te dice cuánto de tu factura es "trabajo útil" y cuánto es overhead del harness.
• Pregúntate si necesitas sub-agentes y workflows. La mayoría de productos agentic que conocí arrancan imitando arquitecturas multi-agente porque suena sofisticado, y descubren meses después que el costo y la latencia no se justifican. El enfoque de Unreal Agent —prompt simple, sin orquestación anidada, asincronía manejada por el harness— vale como hipótesis a testear antes de invertir complejidad.
• Diseña la seguridad fuera del harness, no dentro. Si tu política de seguridad depende de hooks y de tools especiales del agente, vas a dedicar sprints enteros a mantenerla cuando el SDK cambie. Approvals deterministas a nivel de red o sandbox (allow/deny de hosts, tokens con permisos mínimos, proxies con gates) son trabajo de una vez y sobreviven a cualquier migración de modelo o de SDK.
• Exige providers que soporten tool-calls asincrónicos consistentes. El post deja entrever que ni siquiera la Responses API documenta bien el patrón de dos elementos de resultado en el mismo contexto, y que algunos proveedores rechazan el payload. Si estás construyendo sobre múltiples proveedores de inferencia, esa inconsistencia puede traducirse en regresiones silenciosas cuando cambias de modelo.

Conclusión

Unreal Agent no es el primer intento de cuestionar elSDK predeterminado de un gigante, pero es uno de los que llega con datos abiertos, benchmarks reproducibles en Harbor y un ángulo honesto (los propios autores reconocen que la diferencia de pass rate cae dentro del margen de varianza). Para founders hispanohablantes construyendo productos agentic en LATAM o España, donde cada euro/dólar de costo de inferencia pesa más, el mensaje central es accionable: antes de añadir agentes a tu roadmap, mide cuánto del costo de tokens se va en gestionar herramientas, y considera si una capa asincrónica propia o un SDK liviano como el de Unreal Agent te da más runway que el framework "full-featured" que arrancó tu prototipo.

Fuentes

• Unreal Agent — Unreal Labs