E2B

E2B es una infraestructura de código abierto para ejecutar código generado por IA en entornos de pruebas (sandboxes) seguros en la nube. Fundada en 2023 por Vasek Mlejnsky y Tomas Valenta, la startup checo-estadounidense resuelve un problema específico: cuando un agente de IA escribe código, algo tiene que ejecutarlo de forma segura, a escala y sin poner en riesgo el sistema anfitrión u otros inquilinos. E2B proporciona esa capa de ejecución. Cada sandbox es un entorno Linux aislado impulsado por microVMs de Firecracker, la misma tecnología de hipervisor que AWS creó para Lambda, lo que significa que cada ejecución obtiene un kernel ligero dedicado en lugar de compartir uno con los inquilinos vecinos. La empresa recaudó 21 millones de dólares en una ronda de Serie A liderada por Insight Partners en julio de 2025, elevando la financiación total a 32 millones de dólares, e informa que el 88 % de las empresas del Fortune 100 utilizan la plataforma junto con clientes como Perplexity, Hugging Face, Manus y Groq.

El producto principal es el sandbox: un ordenador Linux efímero y programable que un agente de IA puede controlar a través de los SDK de Python o TypeScript. Los agentes pueden escribir y ejecutar Python, JavaScript, Ruby, C++ o cualquier lenguaje compatible con Linux; instalar paquetes a través de pip, npm o apt; gestionar archivos; abrir terminales; y ejecutar procesos largos durante un máximo de 24 horas por sesión. E2B también incluye un Code Interpreter SDK para transmitir resultados enriquecidos (gráficos, tablas, data frames) de vuelta a las aplicaciones de origen, un sandbox Desktop con VNC para los agentes que necesitan una interfaz gráfica, y una opción de autoalojamiento (self-hosting) para los equipos que desean ejecutar la pila en su propia nube. La licencia Apache-2.0 cubre el SDK completo y el entorno de ejecución principal. A partir de abril de 2026, el repositorio principal cuenta con 12.000 estrellas en GitHub, 883 bifurcaciones (forks) y un ritmo activo de lanzamientos semanales.

Lo que E2B hace realmente en abril de 2026

El sandbox de E2B es un entorno Linux con estado (stateful): persiste dentro de una sesión, por lo que un agente puede instalar un paquete en el primer paso, escribir un archivo en el segundo y ejecutar código que importe de ese paquete en el tercero, sin necesidad de reiniciar. Los sandboxes se inician en menos de 200 ms en la misma región de AWS, con una especificación predeterminada de 2 vCPU y 0,5 GB de RAM en el plan gratuito, escalando a 16 vCPU y 64 GB de RAM en los planes Pro y Enterprise. Las sesiones duran hasta 1 hora en el plan Hobby y 24 horas en el Pro, con una capacidad de pausa de 30 días que suspende la facturación mientras conserva el estado del sandbox.

El Code Interpreter SDK amplía el sandbox base para flujos de trabajo de ciencia de datos. Transmite los resultados de la ejecución, incluyendo gráficos de matplotlib, DataFrames de pandas y stdout/stderr estándar, como fragmentos tipados de vuelta a la aplicación de origen. Perplexity utiliza este SDK para renderizar gráficos interactivos integrados en los resultados de búsqueda: cuando un usuario hace una pregunta con gran cantidad de datos, el agente de Perplexity escribe Python, lo ejecuta en un sandbox de E2B y el gráfico aparece en la respuesta. Denis Yarats, CTO de Perplexity, describió la integración: "Tuvimos E2B en funcionamiento en una semana. Ahora ejecutamos millones de sandboxes de E2B cada mes".

E2B Desktop proporciona un sandbox gráfico con acceso VNC para los agentes que necesitan controlar un navegador o una aplicación de escritorio. Manus, el agente de investigación autónomo que se convirtió en uno de los sistemas agénticos de mayor perfil a principios de 2025, confía en esta función. Tao Zhang, cofundador de Manus, explicó: "Manus utiliza 27 herramientas diferentes y necesita E2B para tener un ordenador virtual completo".

La compatibilidad de frameworks abarca LangChain, LlamaIndex, LangGraph, AutoGen y cualquier pila de agentes personalizada. La compatibilidad de modelos es intencionalmente agnóstica a los LLM: E2B funciona con OpenAI, Anthropic, Mistral, Llama, Groq y cualquier modelo que genere texto de código. Este agnosticismo es una elección de diseño deliberada: la plataforma se posiciona como infraestructura, no como una capa que ata a los equipos a un proveedor de modelos en particular.

Dónde se sitúa E2B frente a Modal y Anthropic Code Execution

Tres plataformas dominan el espacio de ejecución de código de agentes de IA en 2026, y difieren mecánicamente en aspectos que son importantes para las decisiones de producción.

Modal utiliza contenedores gVisor para el aislamiento: un enfoque de virtualización que intercepta las llamadas al sistema Linux a nivel del sistema operativo, proporcionando seguridad sin la sobrecarga de un hipervisor completo. Esto hace que los contenedores de Modal se inicien más rápido (inicios en frío P95 de menos de un segundo) y sean más baratos por segundo de CPU (0,0000131 $/s frente a los 0,000014 $/s de E2B), pero gVisor comparte un kernel anfitrión entre inquilinos a través de un filtro de llamadas al sistema (syscall). Las microVMs de Firecracker de E2B otorgan a cada sandbox un kernel dedicado, lo que dificulta los exploits a nivel de kernel. El mercado principal de Modal es la inferencia en GPU y el entrenamiento de ML a escala: proporciona acceso a GPU H100, H200 y B200 con facturación por segundo y, a partir de julio de 2025, instantáneas de memoria de GPU que reducen los inicios en frío de vLLM de 45 segundos a menos de 5 segundos. Modal ofrece el sandboxing de agentes como una función secundaria. E2B no ofrece ningún tipo de acceso a GPU. Los desarrolladores que construyen sistemas de agentes que también necesitan inferencia en GPU suelen combinar E2B (para la ejecución de código) con Modal (para servir modelos), en lugar de elegir uno sobre el otro.

Anthropic's Code Execution tool es el camino más sencillo para los equipos que ya construyen exclusivamente sobre Claude. Proporciona ejecución de Python como una herramienta de API nativa, facturada a través de los precios de tokens existentes de Claude sin una cuenta de infraestructura separada. La contrapartida es una fuerte dependencia (lock-in): la herramienta solo está disponible al llamar a los modelos de Claude. Solo es compatible con Python (sin JavaScript, sin terminal), no tiene un sistema de archivos persistente entre llamadas y no permite la instalación de paquetes personalizados más allá de una pila científica preinstalada. Para un equipo que ejecuta una pila multimodelo o que desea cambiar de modelo con el tiempo, la herramienta de Anthropic crea deuda técnica. E2B funciona con cualquier LLM y el estado del sandbox persiste a través de múltiples pasos del agente dentro de una sesión. La ruta de E2B requiere más trabajo de integración y una relación de facturación separada, pero produce una arquitectura más portátil.

"E2B ha revolucionado las capacidades de nuestros agentes como una alternativa avanzada al Code Interpreter de OpenAI". -- Kevin J. Scott, CTO/CIO de Groq, página de inicio de E2B, 2025

"E2B nos permite escalar las ejecuciones de entrenamiento lanzando cientos de sandboxes en experimentos". -- Lewis Tunstall, ingeniero de investigación en Hugging Face, página de inicio de E2B, 2025

Cómo es la realidad del sandbox para agentes

Poner en marcha un sandbox básico lleva aproximadamente 10 minutos. Instale el SDK (pip install e2b), cree una clave de API y el primer sandbox estará funcionando con tres líneas de Python. La documentación incluye ejemplos prácticos (cookbooks) para integraciones con Anthropic, OpenAI y modelos de código abierto. Varios clientes, como Lindy y Manus, informan de una integración completa en menos de un día. "Solo tomó una hora integrar E2B de principio a fin. El rendimiento es excelente", dijo Maciej Donajski, CTO de Manus.

La experiencia diaria para los creadores de agentes es en su mayoría sencilla para tareas de corta duración. Un sandbox se inicia, el agente ejecuta su código, los resultados regresan y el sandbox se cierra. La facturación es genuinamente por segundo, por lo que una ejecución de código de 3 segundos cuesta fracciones de centavo. Los problemas surgen a medida que las tareas se vuelven más largas y paralelas. La configuración del tiempo de espera (timeout) del sandbox tiene casos extremos documentados: el problema #879 de GitHub (2025) describe a un usuario que configuró un tiempo de espera de 24 horas y el sandbox fue expulsado en cinco minutos. La documentación de E2B señala esto como un punto de dolor conocido, llamando al sistema de tiempo de espera "el concepto más confuso de E2B". Los equipos que ejecutan grandes pipelines de agentes en paralelo informan que la facturación por segundo aumenta rápida e impredeciblemente cuando los agentes se despliegan en docenas de sandboxes concurrentes o se estancan a mitad de la ejecución. No hay un límite de costes integrado ni un cortocircuito (circuit-breaker) en los planes Hobby o Pro.

Las plantillas personalizadas permiten a los equipos preinstalar dependencias para que los sandboxes se inicien con un entorno preconfigurado en lugar de ejecutar pip install desde cero en cada ejecución. Esto es importante para las cargas de trabajo de producción donde una instalación de paquetes de 10 segundos en un inicio en frío sería inaceptable. Las plantillas se definen en un formato similar a Dockerfile y se publican en el registro de E2B.

Para quién está diseñado E2B

El punto fuerte de E2B son los equipos que construyen agentes de IA en producción que necesitan la ejecución de código como un servicio de infraestructura independiente y agnóstico a los LLM. La adopción en el Fortune 100 refleja un caso de uso empresarial específico: una gran empresa tiene múltiples iniciativas de IA que utilizan diferentes proveedores de modelos, y E2B se convierte en la capa de ejecución común en todas ellas. Hugging Face utiliza E2B para pipelines de evaluación de aprendizaje por refuerzo, haciendo girar cientos de sandboxes en paralelo para puntuar los resultados de los modelos. Perplexity lo utiliza para impulsar la función de análisis de datos en cientos de millones de búsquedas mensuales. Groq lo utiliza para ampliar las capacidades de los agentes más allá de la pura generación de lenguaje.

Los desarrolladores independientes que construyen frameworks de agentes o productos agénticos son la otra audiencia clara. La licencia Apache-2.0, la activa comunidad de GitHub (12.000 estrellas) y los detallados ejemplos prácticos hacen que E2B sea accesible sin necesidad de adquisiciones empresariales. El plan gratuito con 100 dólares en créditos de un solo uso es suficiente para crear prototipos y validar un flujo de trabajo antes de comprometerse con el plan Pro de 150 $/mes.

Los equipos que necesiten acceso a GPU, entornos persistentes de larga duración que sobrevivan más allá de las 24 horas, o que estén comprometidos con un único proveedor de LLM encontrarán otras plataformas más adecuadas. El suelo de 150 $/mes sin un nivel intermedio entre el gratuito y el Pro crea un abismo de precios que empuja a algunos creadores independientes hacia el autoalojamiento o alternativas.

Lo que E2B no es

E2B no es una plataforma de computación serverless de propósito general. No hay acceso a GPU, ni servicio de modelos, ni procesamiento por lotes a escala arbitraria. Los desarrolladores que necesiten ejecutar inferencia de ML, ajuste fino (fine-tuning) o pipelines de datos en GPU deberían considerar Modal o RunPod en su lugar. E2B se centra estrictamente en dar a los agentes un lugar para ejecutar código de forma segura, y ese enfoque estrecho es tanto su fortaleza como su límite.

E2B no es un framework de agentes. No tiene opinión sobre cómo se estructuran los agentes, cómo se gestiona la memoria o cómo se secuencian las llamadas a herramientas. Se integra con LangChain, AutoGen y pilas personalizadas, pero no las reemplaza. Los equipos que busquen una plataforma de agentes completa deberían evaluar LangGraph, CrewAI o AutoGen como capa de orquestación, con E2B conectado como sustrato de ejecución.

E2B no es un entorno de desarrollo persistente a largo plazo. Las sesiones tienen un máximo de 24 horas y no hay un mecanismo integrado para crear puntos de control (checkpoint) y reanudar una tarea de varios días. Los equipos que construyen productos donde los usuarios regresan a un espacio de trabajo continuo (como un asistente de codificación personal que recuerda un proyecto durante semanas) alcanzarán el límite de duración de la sesión y necesitarán construir una gestión de estado por encima. Daytona y Northflank manejan mejor los patrones de espacios de trabajo de mayor duración.

El autoalojamiento requiere experiencia en infraestructura. El código de fuente abierta está disponible, pero ejecutar microVMs de Firecracker en su propio hardware o cuenta en la nube exige conocimientos de Terraform, experiencia en la configuración de Firecracker y mantenimiento operativo continuo. La ruta autoalojada es una opción, pero no es llave en mano. BYOC y las opciones gestionadas en las instalaciones (on-prem) son exclusivas del plan Enterprise.