Por Canuto  

Un desarrollador presentó jcode, un arnés de agentes de codificación de código abierto que, según sus propias pruebas, arranca en 14 milisegundos y utiliza 27,8 MB de RAM en una configuración optimizada.
***

  • jcode registró un tiempo de 14 milisegundos hasta el primer fotograma, frente a 3.436,9 milisegundos de Claude Code en la prueba citada.
  • El proyecto reporta 27,8 MB de RAM por sesión con las incrustaciones locales desactivadas y un crecimiento cercano a 10 MB por sesión adicional.
  • La herramienta incorpora memoria semántica, enjambres de agentes, automatización de navegador, múltiples proveedores y compatibilidad con modelos locales.

Un nuevo proyecto de código abierto busca llamar la atención en el competitivo mercado de agentes de inteligencia artificial para programación. Se trata de jcode, un arnés diseñado para ejecutar, coordinar y administrar agentes de codificación desde una interfaz de terminal.

El proyecto fue presentado como una alternativa enfocada en la velocidad de arranque y el uso eficiente de recursos. Su creador sostiene que estas características resultan especialmente importantes cuando un desarrollador mantiene varias sesiones activas al mismo tiempo.

La comparación que generó mayor interés enfrenta a jcode con Claude Code. Según los datos publicados por el proyecto, jcode tarda 14 milisegundos en mostrar su primer fotograma, mientras Claude Code alcanza 3.436,9 milisegundos en la misma métrica.

El resultado representa una diferencia de 245,5 veces entre ambas herramientas dentro de esa prueba. El cálculo no describe necesariamente la calidad de las respuestas de los modelos, sino la rapidez con la que cada interfaz inicia y presenta su primera representación visual.

La información fue destacada por @thisguyknowsai, Brady Long, quien calificó el resultado como otro momento inesperado en la evolución de los agentes de programación. La publicación puso el foco en una dimensión que suele recibir menos atención que la capacidad de razonamiento.

Velocidad de arranque y consumo de memoria

El repositorio de jcode explica que sus benchmarks se realizaron en una máquina con Linux y durante 10 lanzamientos interactivos mediante una interfaz PTY. El tiempo hasta el primer fotograma mide cuánto tarda la herramienta en presentar su primera salida renderizada.

Además del primer fotograma, el proyecto midió el tiempo hasta la primera entrada. En este caso, jcode registró 48,7 milisegundos, frente a 3.512,8 milisegundos de Claude Code, una diferencia de 72,2 veces.

La prueba incluyó otros clientes. Antigravity CLI tardó 383,5 milisegundos en mostrar el primer fotograma, pi alcanzó 590,7 milisegundos y Codex CLI llegó a 882,8 milisegundos.

OpenCode registró 1.035,9 milisegundos, GitHub Copilot CLI marcó 1.518,6 milisegundos y Cursor Agent llegó a 1.949,7 milisegundos. Las cifras corresponden a las versiones indicadas por el proyecto para esa ejecución.

La diferencia también aparece en el consumo de memoria. Una sesión de jcode con las incrustaciones locales desactivadas utilizó 27,8 MB de PSS, mientras una sesión de Claude Code empleó 386,6 MB, equivalente a 13,9 veces la referencia de jcode.

La configuración normal de jcode, con sus funciones de incrustación disponibles, consumió 167,1 MB. En la misma tabla, pi utilizó 144,4 MB, Codex CLI 140 MB, OpenCode 371,5 MB y GitHub Copilot CLI 333,3 MB.

Cursor Agent registró 214,9 MB y Antigravity CLI 243,7 MB. El proyecto utiliza PSS, una métrica que busca reflejar de manera más precisa la proporción de memoria atribuible a cada proceso.

La escalabilidad fue otro punto central. Con 10 sesiones activas, jcode con las incrustaciones locales desactivadas consumió 117 MB, mientras la versión normal alcanzó 260,8 MB.

En esa misma prueba, pi utilizó 833 MB y Codex CLI 334,8 MB. OpenCode llegó a 3.237,2 MB, GitHub Copilot CLI a 1.756,5 MB y Claude Code a 2.300,6 MB.

El crecimiento adicional por sesión fue de aproximadamente 9,9 MB para jcode con la función local desactivada y 10,4 MB para jcode en su configuración habitual. Claude Code añadió cerca de 212,7 MB por sesión, según los resultados publicados.

Memoria semántica y colaboración entre agentes

jcode no se limita a presentar una terminal rápida. Su arquitectura incorpora un sistema de memoria semántica que convierte cada turno o respuesta en un vector y luego busca relaciones mediante similitud del coseno.

Los resultados relevantes pueden incorporarse a la conversación para ayudar al agente a recuperar información anterior. El sistema también puede utilizar un agente secundario que evalúa si una memoria es relevante antes de realizar trabajo adicional.

Las memorias se extraen y almacenan de manera periódica. El proyecto menciona eventos como la deriva semántica, el transcurso de varios turnos o el cierre de una sesión como posibles momentos para ejecutar esa extracción.

La herramienta incluye comandos explícitos para buscar o guardar memorias. También ofrece búsqueda de sesiones anteriores mediante recuperación aumentada, una función orientada a reutilizar el contexto acumulado en proyectos prolongados.

La consolidación automática reorganiza las memorias y revisa posibles conflictos u obsolescencia. Esta aproximación intenta reducir la necesidad de que el usuario repita instrucciones o reconstruya manualmente el historial de un proyecto.

Otra función destacada es el modo swarm o enjambre. Este permite iniciar dos o más agentes dentro del mismo repositorio y administrar su colaboración mediante un servidor.

Cuando un agente modifica un archivo que otro ya había leído, el servidor puede notificar el cambio. El segundo agente puede revisar las diferencias, ignorar la alerta si no afecta su tarea o ajustar su trabajo para evitar conflictos.

Los agentes también pueden enviarse mensajes directos o transmitir información a los demás participantes. El sistema administra los canales, los estados de finalización y los grupos que trabajan sobre un repositorio.

jcode permite que los agentes creen sus propios enjambres. En ese escenario, el agente principal actúa como coordinador y asigna tareas paralelas a otros agentes, con ejecución visible o sin interfaz.

El proyecto plantea esta función como una respuesta a las limitaciones de los flujos de trabajo tradicionales con Git. También considera que los worktrees no resuelven por completo los problemas derivados de múltiples agentes editando el mismo código.

Proveedores, modelos locales y automatización

jcode ofrece integración con proveedores respaldados por OAuth y con servicios que utilizan interfaces compatibles con OpenAI. La lista incluye Claude, OpenAI, Google Gemini, GitHub Copilot, Azure OpenAI y Alibaba Cloud Coding Plan.

También permite conectarse con Fireworks, MiniMax, LM Studio, Ollama y endpoints personalizados. Entre los perfiles compatibles aparecen OpenRouter, DeepSeek, Zai, Kimi, MoonshotAI, OpenCode Zen, Hugging Face, Groq, Mistral, Perplexity, TogetherAI y xAI.

El usuario puede añadir un endpoint propio mediante una URL base, un modelo y una clave almacenada de forma separada. Para servidores locales sin autenticación, el proyecto muestra como ejemplo una conexión con vLLM en una dirección de red privada.

Ollama y LM Studio pueden utilizarse mediante endpoints compatibles con OpenAI. jcode admite transmisión de respuestas, llamadas a herramientas y contenido de imágenes para modelos locales capaces de procesar visión.

La configuración también contempla parámetros adicionales en el cuerpo de las solicitudes. Estos campos permiten adaptar el agente a servicios que requieren opciones específicas para activar razonamiento u otras capacidades.

La herramienta incorpora soporte para archivos de configuración de MCP. Puede leer servidores definidos en los archivos propios de jcode y también importar configuraciones compatibles con Claude Code y Codex en determinados casos.

El flujo de autenticación ofrece opciones sin navegador para sesiones remotas o conexiones SSH. El usuario puede imprimir una URL, completar un callback más tarde o introducir un código manual cuando el proveedor lo permita.

En materia de interfaz, jcode incluye paneles laterales, widgets informativos, renderización de diagramas Mermaid y una terminal propia llamada Handterm. El proyecto afirma que su renderizador de Mermaid puede funcionar 1.800 veces más rápido que la alternativa que busca reemplazar.

La interfaz puede alinearse a la izquierda o centrarse, y permite desactivar emojis mediante la configuración. También ofrece una herramienta de búsqueda que incorpora información sobre la estructura de los archivos para ayudar al agente a interpretar el código con menos contexto.

La automatización de navegador utiliza actualmente Firefox mediante Firefox Agent Bridge. Entre las acciones disponibles figuran abrir páginas, obtener capturas, hacer clic, completar formularios, seleccionar opciones, desplazarse, cargar archivos y ejecutar evaluaciones.

Instalación, autodesarrollo y límites de la comparación

El proyecto ofrece instaladores para macOS, Linux y Windows. En macOS y Linux propone un comando basado en curl, mientras Windows cuenta con un script para PowerShell 5.1 o superior.

También existe una instalación mediante Homebrew y una opción para compilar desde el código fuente. El repositorio indica soporte completo para Linux x86_64 y aarch64, macOS con procesadores Intel o Apple Silicon, Windows x86_64 y Termux bajo requisitos adicionales.

El inicio rápido permite abrir la interfaz interactiva, ejecutar una instrucción sin interacción, reanudar una sesión por nombre y operar mediante un servidor persistente. La herramienta también acepta dictado desde un sistema de reconocimiento de voz configurado por el usuario.

Una característica más experimental es el autodesarrollo. El agente puede modificar el código fuente de jcode, compilarlo, probarlo, recargar su propio binario y continuar trabajando.

El proyecto recomienda utilizar un modelo de frontera para esa función. También advierte que la base de código no es sencilla y que modelos menos capaces podrían introducir cambios sutiles o destructivos.

Los benchmarks deben interpretarse dentro de su contexto. Las mediciones corresponden a una máquina específica, a versiones concretas y a una prueba de arranque, por lo que no determinan por sí solas la calidad de las respuestas, la precisión del código o el costo de uso.

La lista de versiones incluye jcode v0.9.1888-dev, pi 0.62.0, codex-cli 0.120.0, OpenCode 1.0.203, GitHub Copilot CLI 1.0.24 y 1.0.27, Cursor Agent 2026.04.08-a41fba1, Claude Code 2.1.86 y Antigravity CLI 1.0.0.

El proyecto señaló además que Antigravity CLI no estaba autenticado durante esa ejecución. Su pantalla inicial apareció normalmente, pero no mostró el texto de prueba escrito, por lo que utilizó un marcador interno para preparar la medición.

jcode todavía tiene trabajo pendiente. Entre sus planes figuran mejorar el tiempo de compilación incremental, crear un nuevo primitivo para coordinar cambios de Git y lanzar una aplicación nativa para iOS conectada mediante Tailscale.

La futura aplicación busca incorporar funciones similares a OpenClaw. Mientras tanto, el repositorio presenta a jcode como una plataforma abierta para combinar agentes, proveedores, memoria y herramientas en un mismo entorno.

El atractivo principal está en la eficiencia, pero su impacto dependerá de la adopción real. Si logra mantener sus cifras mientras amplía compatibilidad y estabilidad, podría intensificar la competencia entre los agentes de codificación más conocidos.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados