Por Canuto  

AWS lanzó Strands, un harness de agentes de código abierto que, según sus propias pruebas, obtuvo resultados cercanos a Claude Code y Codex usando 28% menos tokens. La herramienta promete simplificar la creación de agentes, aunque sus benchmarks enfrentan una limitación clave: compararon principalmente agentes de programación y todavía falta una evaluación independiente.
***

  • AWS afirma que Strands obtuvo resultados casi equivalentes a Claude Code, Codex y otros harnesses en seis pruebas.
  • El sistema consumió 28% menos tokens gracias a su gestión predeterminada de caché y contexto, según la compañía.
  • La comparación fue principalmente contra agentes de programación, pese a que AWS presenta Strands como generalista.

AWS entró al mercado de los agentes de inteligencia artificial de código abierto con Strands, un harness diseñado para funcionar desde el primer momento en entornos locales o desplegados. La compañía asegura que la herramienta obtuvo resultados casi equivalentes a Claude Code, Codex y otros sistemas populares en seis pruebas, mientras consumía aproximadamente 28% menos tokens. La promesa combina facilidad de uso, menor gasto computacional y compatibilidad con el modelo que el cliente prefiera, aunque los resultados dependen de una evaluación elaborada por AWS.

En términos prácticos, un harness reúne las piezas que permiten a un agente interpretar instrucciones, usar herramientas, conservar contexto y completar tareas de varios pasos. AWS sostiene que construir uno desde cero obliga a conectar numerosas primitivas hasta conseguir una experiencia confiable, por lo que Strands busca ofrecer una alternativa preempaquetada mediante una sola línea de Python o TypeScript. El lanzamiento también incluye una interfaz de línea de comandos y un archivo de habilidades para facilitar la conexión de herramientas propias.

Una apuesta de AWS por los agentes abiertos

Strands se presenta como un SDK de código abierto para crear y ejecutar agentes de inteligencia artificial. AWS lo describe como una opción lista para usar, no como un conjunto de componentes que el desarrollador deba ensamblar manualmente. El proyecto está publicado bajo la licencia Apache 2.0 y puede ejecutarse localmente o desplegarse para trabajar con el proveedor de inteligencia artificial elegido, una característica relevante en un mercado donde las empresas buscan evitar depender de un único modelo.

El diseño permite utilizar modelos y herramientas de distintos proveedores. AWS también incluyó herramientas de shell, archivos y navegación web en el lanzamiento inicial. Esa separación entre el harness, el modelo y las herramientas puede facilitar que los usuarios cambien componentes, aunque el desempeño final dependerá de la combinación seleccionada y de las tareas ejecutadas.

La compañía describe el sistema como un agente de propósito general, una diferencia importante frente a muchas alternativas que nacieron específicamente para programar. Esa orientación pretende ampliar el uso de Strands hacia flujos de trabajo que requieran consultar información, manipular archivos o coordinar herramientas, en lugar de limitarse a escribir y revisar código. Sin embargo, la propia configuración del producto todavía se evaluó principalmente mediante tareas asociadas con agentes de programación.

Según la información publicada por The Register, AWS explicó que su objetivo consiste en permitir que los desarrolladores prototipen con rapidez utilizando un armazón que ya incorpora las funciones esenciales. La empresa considera que una experiencia con menos fricción puede producir agentes más útiles, porque reduce el tiempo dedicado a resolver problemas de integración antes de probar la capacidad del modelo. Esa tesis coloca la simplicidad operativa en el centro de la competencia, junto con la precisión y el costo.

El carácter abierto de Strands también puede resultar atractivo para equipos que quieren inspeccionar, adaptar o ampliar la lógica que coordina a sus agentes. AWS no lo presenta como un modelo de inteligencia artificial, sino como una capa de orquestación que puede conectarse con distintos modelos y herramientas. Esa separación permite que el usuario cambie componentes, aunque el desempeño final dependerá de la combinación entre el harness, el modelo seleccionado y las tareas ejecutadas.

El ahorro de tokens bajo la lupa

AWS afirmó que Strands consumió 28% menos tokens que los sistemas basados en modelos Claude o GPT durante seis pruebas de benchmark. La empresa atribuyó esa eficiencia a sus valores predeterminados para la caché de instrucciones y la administración del contexto, dos elementos que pueden influir directamente en el costo y la velocidad de los agentes. En algunos casos, añadió, Strands también alcanzó una precisión superior a la de otros harnesses comparados.

La gestión automática del contexto constituye una de las piezas centrales de esa explicación. Por defecto, Strands trunca los resultados de herramientas que superan 1.500 tokens, compacta la ventana de contexto cuando rebasa 85% de su capacidad e intenta recuperar información si se produce un desbordamiento. Estas decisiones pueden reducir el volumen de texto enviado al modelo, aunque también plantean la necesidad de comprobar que la compresión no elimine datos importantes para una tarea compleja.

El ahorro no fue absoluto frente a todos los competidores. AWS reconoció que el harness de DeepSeek fue más eficiente en el uso de tokens durante las mismas pruebas, pero sostuvo que obtuvo menor precisión, lo que muestra el intercambio habitual entre economía computacional y calidad de respuesta. Para los usuarios empresariales, la comparación no se resolverá únicamente con el menor consumo, porque también importan la tasa de errores, la estabilidad y el costo de supervisar resultados incorrectos.

El uso de caché y compactación puede ser especialmente importante cuando un agente repite instrucciones o consulta herramientas con frecuencia. Una configuración que evite reenviar información redundante puede reducir el gasto acumulado, pero sus beneficios variarán según la longitud de las tareas, el modelo utilizado y la cantidad de interacciones necesarias. Por esa razón, el porcentaje anunciado por AWS debe entenderse como un resultado de sus escenarios de prueba, no como una garantía universal para cada implementación.

La limitación de los benchmarks

La comparación incluyó Claude Code, Codex, oh-my-pi, OpenCode y DeepSeek Harness, todos presentados como agentes de programación. AWS ejecutó las pruebas mediante el framework Harbor y distribuyó las cargas entre varios nodos de sus servidores virtuales EC2, una configuración que permitió medir los sistemas en una infraestructura controlada. La empresa calificó su propio trabajo y anticipó que sus investigadores publicarían un artículo con más detalles sobre la metodología.

Ese diseño deja abierta una pregunta relevante: ¿cómo se comportaría Strands frente a agentes generalistas comparables, y no solamente ante herramientas centradas en código? La respuesta puede cambiar si las tareas incluyen investigación, atención al cliente, análisis documental o coordinación de procesos, escenarios donde las capacidades de navegación, memoria y uso de herramientas adquieren un peso distinto. La etiqueta de propósito general de Strands todavía necesita una validación que cubra esas situaciones.

También será importante conocer qué modelos utilizaron las pruebas, cómo se definió la precisión y si todos los sistemas recibieron condiciones equivalentes de contexto y herramientas. La cantidad de tokens, por sí sola, no describe la eficiencia completa de un agente si una respuesta más corta obliga a repetir una tarea o requiere correcciones humanas. Del mismo modo, una mayor precisión en un conjunto limitado de ejercicios no demuestra necesariamente una ventaja estable en cargas de producción.

El artículo técnico anunciado por los investigadores de AWS podría aclarar esas variables y ayudar a separar el rendimiento del harness del rendimiento de los modelos que lo alimentan. Una evaluación independiente también permitiría medir Strands con protocolos reproducibles, tareas generalistas y costos operativos comparables. Hasta que existan esos datos, la afirmación de paridad con sus rivales debe presentarse como un resultado preliminar atribuido a la compañía.

Qué ofrece el lanzamiento a los desarrolladores

Los interesados pueden probar Strands mediante una biblioteca de Python o TypeScript, además de la interfaz de línea de comandos. El paquete incorpora herramientas de shell, archivos y web, mientras que el archivo de habilidades busca simplificar la incorporación de funciones adicionales. Esa combinación puede acelerar los primeros prototipos, especialmente para equipos que no quieren diseñar desde cero la capa encargada de invocar herramientas y mantener el contexto.

La posibilidad de elegir el modelo también encaja con una tendencia creciente entre desarrolladores que buscan comparar proveedores o mantener flexibilidad tecnológica. Un harness que no dependa de un único modelo puede facilitar migraciones, experimentos y configuraciones mixtas, aunque cada cambio puede alterar la precisión, la latencia y el consumo de tokens. En la práctica, la portabilidad será tan útil como la calidad de las integraciones disponibles.

Para AWS, el lanzamiento refuerza su presencia en una competencia que ya no se limita a ofrecer infraestructura o acceso a modelos. Las empresas tecnológicas intentan controlar la capa de agentes porque allí se define cómo la inteligencia artificial recibe instrucciones, decide qué herramientas usar y ejecuta acciones con distintos grados de autonomía. Strands ofrece a AWS una forma de participar en ese nivel mediante código abierto, aun cuando su infraestructura propia fue utilizada para las pruebas divulgadas.

Por ahora, el principal atractivo del proyecto combina una promesa de menor consumo con una ruta sencilla para crear agentes funcionales. El principal punto débil es la falta de mediciones independientes y la aparente distancia entre su posicionamiento generalista y el carácter especializado de los benchmarks disponibles. El desempeño real de Strands comenzará a definirse cuando desarrolladores externos lo prueben en tareas diversas y publiquen resultados que puedan compararse más allá de las afirmaciones iniciales de AWS.

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