Describe la app. El agente la construye. Tú la llevas a producción.
EDRS Labs desarrolla aplicaciones con vibe coding: tú explicas qué necesitas en lenguaje natural y agentes de IA escriben el código, mientras nosotros guiamos, revisamos y publicamos.
- Planifica la arquitectura y el modelo de datos
- Genera la interfaz, la API y la base de datos
- Escribe y ejecuta las pruebas
- Publica una vista previa para revisar
Programar conversando con un agente de IA
En el vibe coding describes el resultado que buscas y un agente de IA planifica, escribe, ejecuta y corrige el código. Tu trabajo pasa de teclear sintaxis a dirigir: definir qué construir, probarlo y decidir qué cambiar.
Los agentes actuales ya no solo autocompletan líneas. Leen todo el repositorio, usan la terminal, corren pruebas y trabajan varias tareas en paralelo. Por eso el cuello de botella dejó de ser escribir código y pasó a ser pedir bien y revisar bien.
Describes
Explicas el objetivo, las reglas de negocio y cómo debe verse. Entre más concreto, mejor el primer resultado.
El agente genera
Propone un plan, crea los archivos, instala dependencias y ejecuta el proyecto en un entorno de pruebas.
Revisas
Pruebas la app, lees los cambios y detectas lo que no coincide con lo que querías.
Iteras y publicas
Pides ajustes con un mensaje, repites hasta quedar conforme y despliegas.
Menos tiempo entre la idea y algo que puedes usar
Estas son las ventajas que más se notan al construir producto con agentes de IA.
Prototipos en horas
Pasas de una idea a una versión funcional que puedes enseñar a clientes o usuarios antes de invertir semanas.
Menor barrera técnica
Personas de producto, diseño o negocio pueden construir y validar sin depender de un equipo grande.
Más tiempo en el producto
El agente se encarga del código repetitivo y de la configuración; tú decides experiencia, alcance y prioridades.
Iteración rápida
Cambiar un flujo o un diseño cuesta un mensaje, así que puedes probar varias versiones y quedarte con la mejor.
Trabajo en paralelo
Los agentes con subagentes y worktrees atienden varias tareas a la vez: una función, una migración y las pruebas.
Costo por tarea a la baja
Hay modelos con buen desempeño desde USD 2 por millón de tokens de entrada, y opciones gratuitas para empezar.
Dónde pide cuidado
- Seguridad. El código generado se revisa antes de publicarse: secretos, permisos, validación de entradas y dependencias.
- Calidad. Pedimos pruebas automáticas desde el principio para que un cambio no rompa lo anterior.
- Mantenimiento. Guardamos el contexto del proyecto en archivos del repositorio para que cualquier persona o agente pueda continuar.
- Plugins de terceros. Cada extensión que se instala en un agente recibe acceso a tu entorno; se revisa antes de activarla.
Del prototipo a una app que puedes poner en manos de usuarios
Combinamos la velocidad de los agentes con revisión humana, pruebas y despliegue, para que lo que se genera rápido también se sostenga en producción.
- Aplicaciones web
- Productos con cuentas de usuario, base de datos, pagos y paneles de administración.
- Herramientas internas
- Dashboards, formularios y flujos que reemplazan hojas de cálculo y procesos manuales.
- MVPs y prototipos
- Una primera versión funcional para validar la idea con usuarios reales.
- Integraciones y automatización
- Conexión con APIs, servicios y herramientas que ya usas, mediante servidores MCP y scripts.
Definimos
Objetivo, usuarios y criterios de éxito escritos como una especificación clara para el agente.
Prototipamos
Una versión funcional que puedes abrir y probar desde el navegador.
Endurecemos
Pruebas, revisión de seguridad y de código, y ajustes de rendimiento.
Publicamos
Despliegue, dominio, monitoreo y documentación para continuar el proyecto.
¿Tienes un proyecto en mente? Escríbenos por GitHub.
Los agentes de programación que vale la pena conocer
Un agente es la herramienta que conversa contigo, lee tu código y lo modifica. Cada uno trabaja con uno o varios modelos. Precios de entrada al 6 de octubre de 2026; confírmalos en el sitio de cada herramienta.
| Agente | Formato y licencia | Cuándo conviene | Costo de entrada |
|---|---|---|---|
| Claude Code | Terminal e IDE · propietario | Trabajo agéntico complejo. Primer lugar en Terminal-Bench 4.0. | Pro desde USD 17/mes (anual) |
| OpenAI Codex | App, CLI e IDE · CLI Apache-2.0 | Rendimiento alto con el menor costo por tarea. | Plus USD 20/mes |
| Cursor | Editor tipo VS Code · propietario | Edición en línea y agentes en la nube con Projects. | Gratis (Hobby); Pro USD 20/mes |
| GitHub Copilot | Extensión de IDE y CLI | Equipos en GitHub que quieren varios modelos en una sola factura. | Gratis; Pro USD 10/mes |
| Gemini CLI | Terminal · Apache-2.0 | Empezar sin pagar: 1,000 solicitudes al día con cuenta personal. | Gratis |
| OpenCode | Terminal · MIT | No depender de un solo proveedor: más de 75 proveedores de modelos. | Gratis; Go USD 10/mes |
| Cline | Extensión VS Code y JetBrains · Apache-2.0 | Agente dentro de tu editor con tu propia clave de API. | Gratis + uso del modelo |
| Goose | Escritorio y CLI · Apache-2.0 | Automatizar más que código, con respaldo de la Linux Foundation. | Gratis + uso del modelo |
| Kilo Code | VS Code, JetBrains y CLI · MIT | Más de 500 modelos al precio del proveedor, sin sobrecosto. | Gratis + uso |
| Kiro | IDE por créditos | Presupuesto predecible con nivel gratuito. | 50 créditos gratis; Pro USD 20/mes |
| Google Antigravity | App y CLI | Varios agentes en paralelo con modelos Gemini. | Individual gratis |
Aider sigue funcionando con modelos actuales, pero no recibe cambios en su repositorio desde mayo de 2026. Roo Code cerró su extensión el 15 de mayo de 2026 y remite a Cline y a ZooCode.
Cómo elegir según tu prioridad
| Si buscas | Empieza con | Alternativa |
|---|---|---|
| El mayor puntaje en tareas de terminal | Claude Code + Opus 5.5 | Claude Code + Sonnet 5.5 |
| El menor costo por tarea resuelta | Codex + GPT-6.1 Sol (USD 1.92 por tarea) | Codex + GPT-6 Astra (xhigh) |
| Empezar gratis | Gemini CLI | Antigravity, Copilot Free o Cursor Hobby |
| Código abierto y sin proveedor fijo | OpenCode | Cline, Goose o Kilo Code |
| Trabajar dentro del editor | Cursor | GitHub Copilot o Cline |
El modelo importa tanto como el agente
El agente es la herramienta; el modelo es quien razona y escribe el código. Un mismo agente rinde distinto según el modelo que uses y el nivel de esfuerzo que configures. Precios en USD por millón de tokens, al 6 de octubre de 2026.
| Modelo | Proveedor | Contexto | Entrada / salida | Cuándo elegirlo |
|---|---|---|---|---|
| Claude Opus 5.5 | Anthropic | 1M | 4 / 20 | Tareas largas y difíciles; lidera el ranking de agentes. |
| Claude Sonnet 5.5 | Anthropic | 1M | 2 / 10 | Equilibrio entre calidad y precio para el uso diario. |
| Claude Fable 5.1 | Anthropic | n/d | 10 / 50 | Primer lugar en Terminal-Bench 2.1 (nivel modelo). |
| GPT-6 Astra | OpenAI | 1.05M | 10 / 50 | El modelo más capaz de OpenAI en Codex. |
| GPT-6.1 Sol | OpenAI | 1.05M | 2 / 10 | Mejor costo por tarea resuelta en Terminal-Bench 4.0. |
| GPT-6 Luna | OpenAI | n/d | 0.10 / 0.50 | Volumen alto y tareas acotadas. |
| Gemini 3.8 Flash | 1.05M | 0.75 / 3.75* | Rápido y económico; disponible en Antigravity. | |
| Grok 4.7 | xAI | 500K | 2 / 6 | Integrado en Cursor y Grok Build. |
| GLM-5.3 · Kimi K3 | Z.ai · Moonshot | 1M · n/d | varía | Pesos abiertos: puedes alojarlos o usarlos con OpenCode y Cline. |
* Precio de introducción hasta el 31 de diciembre de 2026; después USD 1.50 / 7.50. Muchos equipos usan un modelo fuerte para planear y uno económico para ejecutar tareas sencillas.
Quién resuelve más tareas reales de programación
Reunimos resultados públicos de benchmarks independientes. Última verificación: 8 de octubre de 2026 (hora de Ciudad de México). Cada vista indica la fecha de sus datos.
Agentes en Terminal-Bench 4.0
66 tareas difíciles de terminal (software, ciencia de datos, seguridad, operaciones y más), 330 ejecuciones por entrada. Cada fila es un agente con su modelo. Fuente: tbench.ai, datos al 6 de octubre de 2026.
- 1Claude Code + Opus 5.5esfuerzo máximo64.8%USD 14.30/tarea
- 2Claude Code + Sonnet 5.5esfuerzo máximo61.8%USD 22.22/tarea
- 3Codex + GPT-6 Astraesfuerzo máximo58.2%USD 9.90/tarea
- 3Codex + GPT-6.1 Solesfuerzo máximo58.2%USD 1.92/tarea
- 5Claude Code + Fable 5.1esfuerzo máximo57.9%USD 18.92/tarea
- 5Codex + GPT-6 Astraesfuerzo xhigh57.9%USD 7.12/tarea
- 5Claude Code + Fable 5.1esfuerzo xhigh57.9%USD 14.76/tarea
- 8Claude Code + Opus 5esfuerzo xhigh53.9%USD 18.44/tarea
- 9Grok Build + Grok 4.7esfuerzo xhigh37.6%USD 11.16/tarea
- 10Codex + GPT-5.6 Solesfuerzo máximo37.3%USD 7.70/tarea
Índice de agentes de código de Artificial Analysis (v1.5)
Promedia tres evaluaciones con el mismo peso: DeepSWE v1.1, Terminal-Bench 4.0 y SWE-Atlas-QnA. Datos al 22 de septiembre de 2026.
- 1Claude Code + Fable 5.1esfuerzo máximo62.2USD 12.39/tarea
- 2Devin Fusion CLI + Fable 5.1 y SWE-261.7USD 7.90/tarea
- 3Codex + GPT-6 Astraesfuerzo máximo61.6USD 7.47/tarea
- 4Claude Code + Opus 5esfuerzo máximo59.7
- 5Codex + GPT-6 Solesfuerzo máximo56.7USD 2.99/tarea
- 6Grok Build + Grok 4.756.3
- 7Muse Code + Muse Spark 1.354.3
- 8OpenCode + GLM-5.3esfuerzo máximo · único arnés abierto del índice53.6USD 4.24/tarea
Modelos de IA para programar
Los modelos se miden de varias formas; por eso mostramos tres vistas.
Terminal-Bench 2.1, nivel modelo (Artificial Analysis)
- 1Claude Fable 5.1esfuerzo máximo91.4%
- 2Claude Fable 5.1esfuerzo xhigh91.0%
- 3GPT-6 Astraesfuerzo alto89.9%
- 4GPT-5.6 Solesfuerzo xhigh89.5%
- 5Claude Opus 5esfuerzo máximo89.1%
- 6Gemini 3.8 Flashesfuerzo alto87.6%
- 7Kimi K3 (pesos abiertos)esfuerzo máximo85.0%
Mismo arnés para todos (mini-SWE-agent, Vals AI)
- 1Claude Opus 5.565.15%
- 2Claude Sonnet 5.564.14%
- 3GPT-6 Astra59.60%
SWE-bench Pro
- 1Claude Opus 5.5 *reportado por Anthropic89.9%
- 2Claude Sonnet 5.5 *reportado por Anthropic81.3%
- 3Claude Fable 5.181.2%
- 4Claude Opus 579.2%
- 5GPT-5.6 Sol64.6%
* Cifra de la ficha técnica del proveedor, no de una corrida estandarizada. SWE-bench Verified ya está saturado (Claude Opus 5 llega a 97.0%), por eso el ranking se movió a pruebas más difíciles.
Cómo leer estos números. Un mismo modelo puntúa distinto según el arnés y el nivel de esfuerzo. Por ejemplo, Anthropic reporta 70.6% para Sonnet 5.5 con su propio arnés, mientras que la corrida de tbench.ai con Claude Code da 61.8%. Pagar el esfuerzo máximo rara vez compensa: Codex con GPT-6 Astra logra 57.9% en xhigh por USD 7.12 por tarea y 58.2% en máximo por USD 9.90. Ningún benchmark sustituye probar el agente con tu propio proyecto.
Lo que se instala alrededor del agente
Un buen resultado depende de lo que rodea al modelo: las herramientas que puede usar, las reglas que sigue y cómo se coordinan varios agentes.
Plugins, skills y MCP
Dan nuevas capacidades al agente: abrir un navegador, leer un diseño de Figma, consultar errores de producción o seguir una guía de trabajo.
Harness (arnés)
Es la capa que envuelve al modelo: herramientas, memoria, permisos, hooks y el ciclo de control que decide cuándo actuar y cuándo verificar.
Orquestador
Reparte el trabajo entre varios agentes en paralelo, cada uno con su rol, y reúne los resultados.
Plugins y servidores MCP
- Playwright MCPPrueba flujos de interfaz en un navegador real.
- Figma MCPLleva diseños, tokens y espaciados al código.
- Sentry MCPTrae errores y trazas de producción al agente.
- Linear MCPLee y actualiza tickets para entender qué construir.
- Atlassian MCPConecta Jira y Confluence con el agente.
- ComposioUna sola entrada hacia muchas apps (Slack, Notion, Gmail, GitHub).
- Supabase agent-skillsBuenas prácticas de Postgres, RLS y optimización de consultas.
- Plugins oficiales de Claude CodeDirectorio de Anthropic: frontend-design, skill-creator, plugin-dev y más.
Harnesses
- ECCSkills, hooks, memoria y escaneo de seguridad para varios agentes.
- oh-my-openagentArnés para OpenCode, Codex y Claude Code con 46 hooks de ciclo de vida.
- TrellisEspecificaciones, tareas y memoria guardadas en tu repositorio para cualquier agente.
- Epic HarnessSkills de calidad automáticas (TDD, revisión, publicación) que aprenden de tus fallos.
Orquestadores
- Cursor ProjectsUn agente coordinador reparte tareas a subagentes en la nube.
- OpenAI CodexSubagentes en paralelo y worktrees activados por defecto.
- Google AntigravitySubagentes para tareas en paralelo desde una app y una CLI.
- oh-my-claudecodeOrquestación multiagente en equipo para Claude Code.
- RufloEnjambres de agentes con memoria persistente.
- myclaudeFlujo multiagente entre Claude, Codex, Gemini y OpenCode.
- AionUiInterfaz gráfica para trabajar con varios agentes a la vez.
- AutoGenMarco de Microsoft para flujos multiagente.
- ChatDevPlataforma para definir agentes, flujos y tareas.
- PraisonAIEquipo de agentes con planeación, memoria y paneles.
Skills por fase del desarrollo
Cuatro fases forman la base de un buen desarrollo. Dentro de cada una, las skills van ordenadas por estrellas en GitHub (cifras mínimas verificadas entre junio y octubre de 2026). obra/superpowers, con más de 290 mil estrellas, cubre las cuatro: brainstorming, plan, TDD, subagentes y verificación.
Fase 1 · Alineación y diseño
Antes de tocar el código: acordar qué se construye y cómo.
- mattpocock/skillsMás de 130 mil estrellas. Convierte la idea en PRD e issues (to-prd, to-issues) y ayuda a alinear antes de construir.
- github/spec-kitMás de 90 mil estrellas. Toolkit oficial de GitHub de desarrollo guiado por especificaciones: especificar, planear y dividir en tareas.
- Fission-AI/OpenSpecMás de 50 mil estrellas. Especificaciones ligeras y vivas, útiles para cambios sobre código existente.
- bmad-code-org/BMAD-METHODMás de 45 mil estrellas. Agentes por rol (analista, PM, arquitecto) que producen el brief, el PRD y la arquitectura.
Fase 2 · Análisis de contexto e infraestructura
Darle al agente el contexto correcto del código, las librerías y la infraestructura.
- thedotmack/claude-memMás de 90 mil estrellas. Memoria persistente: captura lo que hizo el agente y lo reinyecta en sesiones futuras.
- upstash/context7Más de 60 mil estrellas. Documentación actualizada y por versión de cada librería, para evitar APIs inventadas.
- wshobson/agentsMás de 30 mil estrellas. Skills de infraestructura: Kubernetes, Terraform, GitOps y CI/CD.
- oraios/serenaAlrededor de 30 mil estrellas. Navegación y edición semántica del código por símbolos, con servidores de lenguaje.
- yamadashy/repomixMás de 28 mil estrellas. Empaqueta el repositorio completo en un archivo legible para la IA.
Fase 3 · Generación de código eficiente
Ejecución: escribir con calidad, con diseño cuidado y sin gastar tokens de más.
- anthropics/skillsMás de 150 mil estrellas. Skills oficiales de Anthropic: frontend-design, webapp-testing, documentos y más.
- nextlevelbuilder/ui-ux-pro-max-skillMás de 90 mil estrellas. Criterio de diseño para interfaces mejor resueltas.
- JuliusBrussee/cavemanMás de 68 mil estrellas. Reduce el consumo de tokens con respuestas concisas, sin tocar el código.
- vercel-labs/agent-skillsMás de 32 mil estrellas. Buenas prácticas de React, Next.js y diseño web de Vercel.
Fase 4 · Control de calidad y cierre
Post-ejecución: revisar, probar, auditar y publicar con confianza.
- garrytan/gstackMás de 110 mil estrellas. Flujo de ingeniería con revisión de código, QA y publicación.
- addyosmani/agent-skillsMás de 60 mil estrellas. Skills de ingeniería con compuertas de verificación antes de dar algo por terminado.
- trailofbits/skillsMás de 7 mil estrellas. Auditoría de seguridad, revisión diferencial y análisis estático de Trail of Bits.
- lackeyjb/playwright-skillMás de 2 mil estrellas. Pruebas y automatización de navegador con Playwright para verificar la app.
Antes de instalar: un plugin o servidor MCP puede leer archivos y ejecutar comandos con tus permisos. Revisa su código, fija la versión y pasa un escáner como snyk/agent-scan. Para explorar más hay listas curadas como awesome-claude-code y awesome-agent-harness.
Sigue nuestro trabajo en GitHub
Experimentos, código y proyectos de vibe coding en github.com/jorgeramos2708.
Lo que más nos preguntan
¿El vibe coding sirve para productos reales o solo para prototipos?
Sirve para ambos, siempre que el código pase por pruebas y revisión humana antes de publicarse. La velocidad se usa para explorar; la disciplina, para llegar a producción.
¿Qué agente debería probar primero?
Si quieres empezar sin pagar, Gemini CLI u OpenCode. Si buscas el mayor rendimiento hoy, Claude Code con Opus 5.5 lidera Terminal-Bench 4.0. Si te importa el costo por tarea, Codex con GPT-6.1 Sol es la opción más barata entre las de mejor desempeño.
¿Es seguro el código que genera una IA?
No por defecto. Hay que revisar secretos, permisos, validación de datos y dependencias, y ejecutar pruebas. Por eso incluimos esa revisión en cada proyecto.
¿Qué tan actual es el ranking?
Las fuentes se verifican a diario (hora de Ciudad de México) y cada vista indica su fuente y la fecha de sus datos. Aun así, los benchmarks cambian cada pocas semanas: confirma en las fuentes enlazadas antes de decidir.