Un agente de código que arregla bugs con el Wi-Fi apagado
OpenCode encontró un bug, propuso un cambio de una línea y ejecutó cinco tests con la conexión a internet desconectada. Lo hizo con Qwen3.5 9B corriendo en la misma laptop, servido por Ollama en localhost. El experimento lo documentó un Principal Engineer de Thomson Reuters que trabaja desde las estribaciones del Himalaya, donde los cortes de red y de energía son parte de la rutina.
Para un founder, el dato relevante no es la anécdota. Es que un flujo de trabajo con agentes de IA dejó de depender de la nube. Eso cambia la conversación sobre costos, privacidad y continuidad operativa.
¿Qué se puede hacer con un agente de código sin internet?
El autor es explícito sobre el alcance. Si el modelo, las dependencias del proyecto y las herramientas de test ya están descargadas, un agente puede:
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de negocio arman su mano derecha con IA: un agente que cada mañana te ordena el día y te pide el OK antes de actuar. Entra a la lista de espera y recibe el Kit.
👥 Recibir el Kit- Explicar una función desconocida
- Investigar un test que falla
- Refactorizar un fragmento pequeño de código
- Terminar una feature acotada
Lo que no puede hacer es descargar un paquete nuevo ni consultar la web: eso sigue necesitando conexión. El propio autor advierte que su arreglo de una línea no dice nada sobre cómo se comportaría el modelo frente a un repositorio grande o un framework desconocido.
Cómo se monta: OpenCode, Ollama y Qwen en la misma máquina
La elección de OpenCode no es casual. Es un agente de código open source que trabaja sobre el proyecto: le das una tarea y puede leer archivos, proponer ediciones y ejecutar comandos como la suite de tests. En esta configuración, los prompts de permiso obligan a revisar cada comando y cada cambio antes de aprobarlo.
Ollama se encarga de correr el modelo; OpenCode se encarga de la interacción con el proyecto. El archivo opencode.json apunta baseURL a http://127.0.0.1:11434/v1, habilita solo el proveedor local y bloquea las herramientas web. El autor usó OpenCode 1.19.4.
El orden importa: primero se descarga todo con internet, después se desconecta. El servicio se levanta con OLLAMA_HOST=127.0.0.1:11434 OLLAMA_NO_CLOUD=1 OLLAMA_CONTEXT_LENGTH=65536 ollama serve, y el modelo con ollama pull qwen3.5:9b. Antes de cortar la red conviene verificar que el agente responde; después, una llamada contra 127.0.0.1 sigue funcionando mientras que una petición externa falla.
Aider es otra alternativa si prefieres un flujo de edición más guiado: también soporta Ollama.
¿Qué tan bueno es un modelo local? Los números publicados
El autor no se apoya en impresiones. Cita la model card de Qwen, que publica resultados en dos benchmarks: LiveCodeBench v6 (generación de código) y BFCL-V4 (function calling, clave cuando el modelo tiene que elegir una herramienta y pasarle los argumentos correctos).
| Modelo | LiveCodeBench v6 | BFCL-V4 |
|---|---|---|
| Qwen3.5 4B | 55.8 | 50.3 |
| Qwen3.5 9B | 65.6 | 66.1 |
| gpt-oss-20b | 74.6 | No reportado |
Son cifras de la model card, no mediciones de esa laptop. Y no miden la velocidad ni el flujo completo de OpenCode: eso lo verifica el test que pasa o no pasa.
El costo real no es el precio: es la memoria
El atractivo de un modelo local es que no pagas tokens. El costo se paga en RAM y en paciencia.
| Modelo | Descarga aproximada |
|---|---|
| Qwen3.5 4B | 3,3–4,0 GB |
| Qwen3.5 9B | 6,6–7,6 GB |
| Qwen3.5 27B | 17–20 GB |
El tamaño de descarga no equivale al requisito de memoria. El autor cita a Voltti, que presupuesta 12–16 GB de memoria para una build de Qwen3.5 9B de 6,6 GB, y advierte que una configuración de 64.000 tokens de contexto puede pedir más.
Ese punto es donde más founders se equivocan. Según InfoWorld, Ollama sugiere 64.000 tokens como contexto mínimo para agentes y herramientas de código, pero su valor por defecto es de 4.000 tokens en equipos con menos de 24 GB de VRAM. XDA Developers lo aterriza: con 8 GB de RAM el sistema entra en swap y todo se vuelve lento; con 16 GB el setup es usable hasta cierto punto, y sin Apple Silicon conviene una GPU dedicada. Wired resume el escalón: 8 GB es el mínimo, 16 GB es mejor y 32 GB o más hace falta para los modelos más grandes.
¿Los agentes locales ya compiten con los de la nube?
Hay evidencia mixta, y conviene leerla con cuidado. Un preprint citado en el artículo, The Scaffold Effect in Coding Agents, comparó OpenCode, Goose y OpenHands-SDK sobre 50 tareas de Terminal-Bench Pro usando dos modelos en la nube:
| Agente | Qwen3.6 Plus | MiniMax M2.5 |
|---|---|---|
| Goose | 48% | 38% |
| OpenCode | 50% | 46% |
| OpenHands-SDK | 50% | 46% |
Los corchetes del estudio original son intervalos de confianza del 95%, y los propios autores advierten que la mayoría de las diferencias no eran estadísticamente claras. El mismo trabajo reportó que OpenCode consumió unas 40 veces más tokens por tarea resuelta que Goose. Y son corridas con APIs en la nube y otros modelos: no predicen el rendimiento de Qwen3.5 9B local.
El contexto de sector ayuda a calibrar. InfoWorld recoge el testimonio de Simon P. Couch, ingeniero de Posit, que contó que hace unos meses cualquier LLM que pudiera correr en su Macbook sacaba 0% en una evaluación de coding agéntico que armó, y que los lanzamientos de Qwen 3.5 y Gemma 4 de abril sacaron 90%. En la misma nota, el desarrollador Simon Willison afirmó en su charla de PyCon US 2026 que los modelos que caben en una laptop "empezaron a superar ampliamente las expectativas". Del otro lado, ZDNET probó Goose con Qwen3-coder y necesitó cinco intentos para que un plugin de WordPress funcionara.
Los riesgos que el demo no muestra
Un modelo local te da privacidad y control, pero no te protege de los riesgos de la cadena de herramientas. En octubre, según TechCrunch, atacantes entraron en un sistema antiguo de OpenCode y afectaron al 1,4% de los usuarios de OpenCode Console, donde algunos guardan sus API keys. Hubo alertas de gasto y cargos no autorizados de cientos de dólares, y algunos casos por encima de los 1.000 dólares. Anthropic y Google bloquearon las claves expuestas y OpenAI trabajó con OpenCode para restaurar accesos y devolver créditos. El cofundador Dax Raad aclaró que la app open source y la herramienta de línea de comandos no se vieron afectadas.
La lección operativa es simple: el agente local es tu código y tu modelo; las claves de terceros son otra superficie de riesgo, y viven en otro lugar.
¿Qué significa esto para tu startup?
Un equipo chico puede sacar ventaja de esto sin comprar hardware nuevo. Cuatro movimientos concretos:
- Prepara el proyecto antes de perder la conexión. Descarga dependencias y guarda la documentación en disco. Los ejemplos del walkthrough usan solo la librería estándar de Python, así que sus tests no necesitan descargar paquetes. Si tu proyecto depende de un gestor de paquetes, ese es el paso que se olvida.
- Dale al agente el comando de test exacto. En la prueba original, OpenCode propuso
pytestcuando el proyecto usabaunittest. Un comando explícito en el prompt evita vueltas innecesarias y hace que el resultado sea verificable. - Usa el modelo local como respaldo, no como reemplazo. Según XDA Developers, el caso más práctico aparece cuando se agotan los límites de API de un modelo de frontera o cuando la conectividad es inestable: cambias a local para arreglos pequeños y sigues trabajando en lugar de quedarte bloqueado.
- Mantén los tests originales sin tocar. El autor corrió los tests por su cuenta después de que el agente terminara, y conservó el archivo de tests intacto. Así un resultado en verde sigue comprobando el comportamiento que te importa, no el que el modelo decidió.
Conclusión
El experimento responde una pregunta acotada: sí, se puede leer un archivo, hacer un cambio y correr tests sin internet, con un modelo de 9B en la propia laptop. No responde si eso escala a un repositorio grande. El propio autor deja dos ejercicios pendientes —un reporte CSV y un analizador de logs, cada uno con siete tests— como el siguiente paso para medir cuánto aguanta el setup.
Para un founder, la conclusión práctica es que la dependencia total de la nube dejó de ser obligatoria para ciertas tareas. Y en un equipo pequeño, donde cada hora de un desarrollador bloqueado cuesta caro, tener un plan B que corre en el portátil es una decisión de infraestructura, no una curiosidad técnica.
Fuentes
- Coding From the Himalayas With an Offline AI Agent (fuente original)
- Hackers hit AI coding tool OpenCode, running up charges on users' AI accounts - TechCrunch
- 5 Free AI Coding Agents You Should Try in 2026 - KDnuggets
- I tried a Claude Code rival that's local, open source, and completely free - ZDNET
- I used Claude Code with a local LLM on Ollama - XDA Developers
- How to get better results from local LLMs with Ollama - InfoWorld
- How to Run a Chatbot on Your Own Computer - Wired
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de negocio arman su mano derecha con IA: un agente que cada mañana te ordena el día y te pide el OK antes de actuar. Entra a la lista de espera y recibe el Kit.
👥 Recibir el Kit
