Simulador FIRE vibe-coded: cuándo puedes dejar de trabajar

Una herramienta vibe-coded para responder la pregunta que todo founder se hace

Un desarrollador publicó en GitHub un simulador FIRE construido íntegramente junto a Claude, sin escribir el código a mano. La herramienta, llamada fire y alojada en el repositorio karmanyaahm/budget-tools, resuelve una pregunta muy concreta: cuántos años necesitas trabajar con tu salario actual antes de poder dejar de hacerlo — ya sea para retirarte por completo, para entrar en modo coast (cubrir gastos sin ahorrar más) o para jubilarte sin que tu cartera se reduzca después de los 100. El autor lo define como un "FIRE tool vibe-coded": la lógica, los tests y el registro de diseño fueron escritos por Claude a partir de descripciones en lenguaje natural.

Lo interesante no es solo el resultado financiero. Es que el proyecto se ha convertido en un caso práctico de cómo las herramientas de IA para programación ya sirven para construir software serio de simulación numérica, no solo demos. Y, de paso, demuestra por qué el movimiento FIRE sigue vigente en 2026 entre perfiles técnicos: el simulador permite moverte de ciudad, comparar regímenes fiscales de California y Texas, y probar ladders de ingresos de 120.000 a 320.000 dólares.

Qué hace exactamente la herramienta

El motor simula tu dinero día a día hasta los 112 años, en dólares reales. Cada jornada descuenta gastos (con un factor de seguridad del 1,1×) y suma ingresos netos de impuestos; el excedente se invierte. Cuando hay déficit, vende de la cartera y paga impuestos por esa venta. Sobre ese flujo aplica un solver de bisección que encuentra el mínimo tramo de salario alto — la variable X de tu plan — que mantiene el saldo por encima de cero todos los días hasta los 112.

🚀 Antes de buscar capital, valida el negocio

Una comunidad de emprendedores construyendo con IA como apalancamiento — sin humo de startup, con foco en lo que funciona.

👥 Construir en la comunidad

El simulador resuelve tres metas simultáneas para cada plan:

Retirarte con el dinero justo (la cartera llega exactamente a 0 a los 112).
Coast (un trabajo que cubra solo tus gastos esenciales hasta los 60).
Plano desde los 100 (la cartera nunca decrece después de los 100).

Para cada meta muestra la edad exacta de paro (con decimales de año) y el patrimonio al detenerse. Además incluye tablas de "what-if" con cuántas semanas antes podrías parar si ahorras un extra de A dólares a la edad Y, y permite migrar de ciudad a una edad determinada — por ejemplo, vivir en San Francisco hasta los 35 y mudarse a Austin después.

Los planes se escriben en Python plano, lo que convierte a Claude Code en una interfaz natural: describes tu vida en inglés, la IA genera el plan en custom_plans/, corre fire.py y te devuelve los resultados.

Por qué importa más allá de las finanzas personales

Para un founder o un profesional tech, el valor del proyecto está en dos planos distintos.

En lo financiero: según el análisis de WebTech360 sobre el movimiento FIRE en 2026, los planes sólidos de jubilación anticipada se parecen cada vez menos a una carrera por alcanzar "un número mágico" y más a un sistema flexible que sobreviva a 40 o 50 años de retiro. La regla clásica del 25× el gasto anual proviene del estudio de William Bengen de 1994 sobre tasas de retiro del 4% inicial, pero esa investigación asumía horizontes de 30 años — un plazo mucho más corto que el de alguien que se retira a los 45. El simulador del que hablamos toma en serio ese problema: modela explícitamente el riesgo de longevidad hasta los 112.

En lo técnico: el repositorio es un ejemplo tangible de lo que Andrej Karpathy bautizó como vibe coding. Según datos de Inferya citados por Observer, más de 25 millones de aplicaciones se habían construido con herramientas de vibe coding en 2026. GitHub Copilot, Claude Code, OpenAI Codex y Cursor son las más usadas en empresas grandes; Claude Code lidera la cuota de herramienta principal entre desarrolladores con un 28%, seguido por Cursor (24%), Copilot (17%) y Codex (11%). Un proyecto con ~190 tests automatizados escritos por IA y documentación generada con la misma técnica deja de ser una curiosidad: es producto funcional.

Qué números arroja con planes reales

El repositorio incluye planes de ejemplo y los resultados ya resueltos para casos típicos del ecosistema tech estadounidense. Tres de los más útiles para comparar con tu propia situación:

Single, lean (perfil frugal): podrías retirarte a los 35,1 años con un patrimonio de US$1,42M, o entrar en modo coast a los 30,7 años con US$0,74M.
SF, una hija, ladder 120k → 175k → 230k: retiro a los 46 años con US$2,26M, coast a los 41,8 con US$1,65M.
SF, tres hijos, mismo ladder: el panorama cambia drásticamente — retiro a los 67,3 años con US$1,95M. Más hijos, mismo sueldo, misma ciudad: la edad de salida se dispara más de 20 años.

Sobre el efecto fiscal, la herramienta trae tablas comparativas CA vs TX para los mismos ingresos. En un salario bruto de US$200k con declaración conjunta después de casarte, en California el take-home queda en US$146,3k (tasa efectiva 26,8%) y en Texas sube a US$159,3k (20,3%). Esa diferencia de 13 puntos en la tasa efectiva sobre una carrera de 20 años se traduce, según las simulaciones del repo, en 3,3 años menos de trabajo para llegar al mismo objetivo de retiro a $0.

Las limitaciones que el propio autor reconoce

El README es claro: "no es consejo financiero, no fue revisado por un profesional, úsalo para explorar ideas". Más allá del disclaimer, las simplificaciones que conviene tener presentes son importantes:

No hay Monte Carlo ni riesgo de secuencia de retornos: los rendimientos son deterministas (5% real hasta los 60, luego 4%).
No modela Seguro Social: lo puedes agregar como un Income con start=67, pero no viene por defecto. Para un founder hispanohablante fuera de EE.UU., este punto es menor; para perfiles en EE.UU. es conservador por construcción.
Cuentas simplificadas: no incluye RMDs, employer match, HSA ni Roth conversion ladder. Los 401(k) y Roth se modelan con los límites 2026 (US$24.500 y US$7.500 respectivamente, según el propio config del proyecto).
Gastos de ejemplo son estimaciones 2026: el plan sf_family asume US$55.480/año a los 25 y US$114.820/año a los 35 con una hija. No son cifras universales, son SF.
No hay créditos fiscales por hijos ni deducciones detalladas.

Business Insider documentó en 2026 que la edad de retiro promedio en EE.UU. se mantiene en 62, mientras que la cohorte de 80+ que aún trabaja pasó del 3% al 4,2% en poco más de una década. Es decir: tanto el extremo FIRE como el extremo opuesto (trabajar hasta los 80 por elección o necesidad) están creciendo. Tener una herramienta que cuantifique el primer extremo, con sus limitaciones explícitas, sigue siendo valioso.

Qué significa esto para tu startup

La pregunta directa ya te la hiciste: ¿puedo dejar de operar mi startup algún día y vivir de los frutos? La herramienta no responde eso, pero el método sí se trasplanta a. Y, de forma más inmediata, hay tres aprendizajes accionables para founders hispanohablantes:

Modela tu runway personal con la misma seriedad que modelas el de tu empresa. Un founder que sabe exactamente cuántos meses puede no tener ingreso — porque su cartera lo sostiene — negocia mejor, tolera mejor un Q4 flojo y evita decisiones de supervivencia. El simulador FIRE existe en Python; un fork que ajuste a tu país y moneda es un fin de semana de trabajo si ya lo entiendes.
Usa Claude Code como par, no como sustituto, en proyectos cuantitativos. El repo tiene ~190 tests con escenarios cerrados verificables a mano (sin impuestos, 0% de retorno, montos en múltiplos de 365). Esa disciplina — tests pequeños que puedas revisar — es lo que separa un vibe-coded toy de un vibe-coded tool. Aplica el mismo principio a cualquier script de simulación que uses para pricing, unit economics o forecast de tesorería.
El costo del vibe coding es real, pero también lo es la velocidad. Una empresa como Base44 (adquirida por Wix por US$80M al año de existir) cruzó US$150M de ARR en mayo según TechCrunch; parte de su defensibilidad es haber desarrollado su propio modelo entrenado con datos de usuarios. Si tu ventaja competitiva depende de herramientas internas, considera el modelo de "construir con IA, validar con casos cerrados y mantener tests estrictos" que demuestra este proyecto.