OpenHands

OpenHands es una plataforma de código abierto para agentes autónomos de desarrollo de software con IA, creada y mantenida por All Hands AI (fundada en 2024, San Francisco). Mientras que la mayoría de los asistentes de programación funcionan como herramientas de autocompletado o programadores en pareja interactivos, OpenHands ejecuta un ciclo autónomo completo: el agente planifica, escribe código, ejecuta comandos de shell, navega por la web e itera sobre su propio resultado dentro de un entorno aislado en Docker. Comenzó como OpenDevin en GitHub en marzo de 2024, acumuló 50,000 estrellas en seis meses y luego cambió su nombre a OpenHands en septiembre de 2024 cuando All Hands AI recaudó una ronda semilla de $5M liderada por Menlo Ventures. Hasta mayo de 2026, el proyecto cuenta con más de 72,500 estrellas en GitHub, 102 versiones y una versión estable v1.7.0 lanzada el 1 de mayo de 2026.

La plataforma es agnóstica al modelo: los usuarios proporcionan claves API para Claude, GPT-4o, Gemini, DeepSeek o cualquier endpoint compatible con OpenAI. Las características principales incluyen automatización web integrada con BrowserGym, ejecución de código basada en Jupyter, integración con Git y las API de GitHub/GitLab, delegación de tareas multiagente y una API REST/WebSocket para control programático. El código base es 62% Python y 36% TypeScript. El alojamiento propio es gratuito bajo la licencia MIT. El producto en la nube en openhands.dev ofrece un nivel individual gratuito (10 conversaciones por día) y un nivel Pro por $20/mes con límites más altos y soporte para usar tu propia clave (BYOK), además de un nivel Enterprise con implementación en VPC privada y SAML/SSO.

Lo que OpenHands realmente hace en abril de 2026

OpenHands no es un motor de sugerencias de código. El agente recibe una tarea, generalmente una URL de un issue de GitHub, una especificación en lenguaje natural o un conjunto de pruebas fallidas, y luego maneja cada paso de forma autónoma: lee el repositorio, escribe la solución, ejecuta pruebas, depura fallos y hace un push de un commit. Puede navegar por la documentación, ejecutar bash arbitrario, llamar a API externas y generar subagentes para paralelizar el trabajo. La interfaz de usuario web muestra un panel de acción en vivo con cada comando que ejecuta el agente, lo que permite a los desarrolladores observar e interrumpir sin verse forzados a un ciclo de aprobación en cada micropaso.

La arquitectura se centra en un modelo de flujo de eventos. Cada acción (escribir archivo, ejecutar bash, hacer clic en un elemento del navegador) se registra como un evento estructurado que el agente puede reproducir o referenciar. El aislamiento de Docker significa que el agente opera en un entorno limpio y efímero por sesión, lo que limita el radio de impacto de los comandos incorrectos y hace que las ejecuciones sean reproducibles. El acceso SSH dentro del contenedor permite al agente manejar prácticamente cualquier cadena de herramientas Unix sin trabajo de integración especial.

En el benchmark SWE-bench Verified, OpenHands obtuvo un 60.6% de base y un 66.4% con escalado en tiempo de inferencia (publicación de blog del 17 de abril de 2025), convirtiéndolo en el principal sistema de código abierto en esa tabla de clasificación en ese momento. Para dar contexto: los sistemas comerciales cerrados como Devin obtuvieron alrededor del 13.9% cuando se anunciaron por primera vez en 2024, aunque tanto las arquitecturas como los benchmarks han evolucionado sustancialmente desde entonces. Las puntuaciones del benchmark miden el rendimiento en la resolución de issues reales de GitHub, no en tareas de prueba, razón por la cual los profesionales las citan al elegir entre herramientas.

"~20% de los commits en el código base de OpenHands ahora son creados o cocreados por el propio OpenHands. Ni siquiera estamos cerca del punto en el que la IA pueda reemplazar a un ingeniero de software. Es excelente para lograr que un PR existente cruce la línea de meta." - rbren (Robert Brennan, CEO de All Hands AI), Hacker News, 17 de enero de 2025

El rediseño de la nube de noviembre de 2025 introdujo una página de inicio más limpia, modo de pantalla completa para el espacio de trabajo, un área de entrada de prompts expandible y controles directos de git (push, pull, creación de PR) dentro de la interfaz de usuario. La misma actualización redujo los precios en la nube del doble del costo de la API de Claude a tarifas de transferencia directa sin margen de beneficio, y agregó soporte multimodelo para que los usuarios de la nube no estén atados a un solo proveedor.

Dónde se sitúa OpenHands frente a Devin y SWE-Agent

La comparación que más importa no es característica por característica, sino arquitectónica: ¿a qué tipo de flujo de trabajo de desarrollador sirve cada herramienta?

OpenHands vs. Devin (Cognition AI, código cerrado): Devin es un producto SaaS totalmente gestionado sin opción de alojamiento propio. Los precios comienzan en $500/mes, dirigido a equipos de ingeniería empresarial que desean un desarrollador agéntico llave en mano sin administrar infraestructura. Devin se ejecuta en el propio entorno en la nube de Cognition; no tienes visibilidad del ciclo de ejecución del agente a menos que Cognition lo exponga. OpenHands invierte esto por completo: el código es público, la ejecución es local o en tu propia nube, puedes inspeccionar cada evento en el flujo y solo pagas las tarifas de la API de tu proveedor de LLM. Para los equipos que necesitan soberanía de datos, auditabilidad o simplemente no pueden justificar $500/mes por una herramienta en etapa inicial, OpenHands es la alternativa creíble. La contrapartida es que OpenHands requiere Docker, gestión de claves API y depuración ocasional de la configuración del entorno del agente, nada de lo cual encuentran los usuarios de Devin.

OpenHands vs. SWE-Agent (Princeton NLP, código abierto): SWE-Agent es un proyecto de investigación primero y una herramienta de producción en segundo lugar. Se instala a través de pip, se ejecuta completamente en la CLI y está diseñado en torno a la capa de abstracción de la Interfaz Agente-Computadora (ACI) construida para las tareas del benchmark SWE-bench. No tiene interfaz de usuario web, ni delegación multiagente, ni integración con BrowserGym, ni ruta de soporte empresarial. SWE-Agent obtiene aproximadamente un 74% en la configuración SWE-bench Mini, lo cual es competitivo con OpenHands en tareas de benchmark de alcance limitado. Pero para los equipos que lo ejecutan en repositorios reales con cadenas de herramientas no estándar, entornos CI/CD reales y una complejidad de issues variable, el aislamiento de Docker de OpenHands, la observabilidad de la interfaz de usuario web y el mantenimiento activo en producción le otorgan una ventaja práctica significativa. SWE-Agent es la opción correcta para los investigadores que evalúan arquitecturas de agentes; OpenHands es la opción correcta para los equipos de ingeniería que desean enviar código a producción.

Vale la pena poner en contexto otras dos herramientas. Aider es un programador en pareja interactivo de CLI que convierte cada cambio en un diff de Git revisado, utilizando una estrategia de mapa de repositorio para comprimir grandes bases de código en resúmenes eficientes en tokens. Mantienes el control en cada paso. Cursor es un fork de VS Code con una profunda integración de IA en línea, ideal para desarrolladores que desean asistencia de IA dentro de su editor en lugar de un agente autónomo separado. OpenHands se sitúa por encima de ambos en autonomía y alcance, a costa de más infraestructura y mayor variabilidad en los resultados.

Cómo es la realidad del ciclo del agente

El flujo de trabajo más confiable de OpenHands, documentado en hilos de HN, publicaciones de Medium y el propio blog del proyecto, es la finalización de PR: el desarrollador abre un PR en GitHub, comparte la URL con el agente y OpenHands clona el repositorio, lee las comprobaciones de CI fallidas, soluciona los problemas y hace push de los commits. Esta es una tarea delimitada y bien definida con criterios de éxito claros (pasar las pruebas), que es exactamente donde los agentes autónomos funcionan mejor.

Las actualizaciones por lotes de microservicios son otro patrón de éxito documentado. Un autor de Medium ejecutó OpenHands en una lista de microservicios para una actualización de dependencias, pagando aproximadamente $3 por servicio y haciendo el trabajo en segundo plano mientras realizaba otras tareas. No tiene un costo cero, pero es potencialmente más rápido que hacerlo manualmente. El calificador clave es que cada servicio tenía buenas pruebas; sin pruebas exitosas como señal de éxito, el agente no tiene un criterio de parada confiable e iterará más allá de los rendimientos decrecientes.

"No veo cómo los secretos no aparecerán en el chat o en la terminal. OpenHands no tiene un soporte adecuado para secretos en este momento." - M. Chechulin, Medium, 2025 (nota: el soporte para secretos se agregó posteriormente en la v0.42)

Donde el ciclo falla: tareas vagas o abiertas. Pedirle al agente que "agregue el modo oscuro a esta aplicación" sin una especificación, un inventario de componentes o criterios de aceptación definidos conduce a una desviación en la planificación, donde el agente genera código de aspecto plausible que no coincide con lo que querías, y luego entra en un bucle intentando solucionar los fallos de las pruebas que introdujo. Un comentarista de Hacker News describió haber sorprendido al agente cometiendo un sutil error de edición al agregar encabezados de licencia en varios archivos, eliminando silenciosamente una oración final en varios archivos fuente. Estos errores silenciosos son más difíciles de detectar que los fallos obvios porque pasan las pruebas automatizadas.

La imprevisibilidad de los costos es el otro golpe de realidad. Las correcciones triviales de un solo archivo cuestan entre $0.05 y $0.30 en cargos de la API del LLM. Las correcciones de errores reales con múltiples iteraciones cuestan entre $0.50 y $3. Las sesiones complejas de varias horas para resolver problemas ambiguos pueden alcanzar entre $10 y $30. No hay un límite de costo estricto incorporado en la versión de alojamiento propio, por lo que un agente en bucle en una tarea mal configurada o ambigua puede consumir un presupuesto significativo de la API antes de que te des cuenta.

Vale la pena señalar la vulnerabilidad de seguridad de inyección de prompts revelada por el investigador Johann Rehberger el 9 de agosto de 2025 para las evaluaciones empresariales. El ataque revelado permitió la exfiltración sin clics del GITHUB_TOKEN de un usuario y el historial de chat a través de una URL de imagen creada con fines maliciosos. All Hands AI fue notificado el 13 de marzo de 2025; la divulgación pública se produjo 148 días después. Los equipos que integran OpenHands en pipelines automatizados que procesan contenido no confiable deben revisar el estado actual del parche antes de implementarlo.

Herramientas que combinan bien con OpenHands en la práctica: GitHub Copilot para sugerencias en línea durante la fase de revisión humana, y Cline para desarrolladores que desean una experiencia de agente integrada en VS Code que se sitúe entre el modelo interactivo de Aider y la autonomía total de OpenHands.

Para quién está diseñado OpenHands

OpenHands ofrece el mayor valor a los ingenieros de backend y ML que se sienten cómodos con Docker, tienen sus propias claves API de LLM y trabajan a partir de issues de GitHub bien especificados. Los equipos con una sólida higiene de issues, buena cobertura de pruebas y criterios de aceptación definidos verán las tasas de éxito más altas. El nivel empresarial está dirigido a organizaciones que necesitan una plataforma de agentes auditable y de alojamiento propio con RBAC, SSO e implementación en Kubernetes, casos de uso en los que pagar a Cognition $500/mes por Devin no es viable y la ejecución de un SaaS comercial está bloqueada por los requisitos de gobernanza de datos.

Los investigadores son un segmento de usuarios importante. El proyecto es la plataforma de referencia para varios benchmarks académicos, incluidos SWE-bench Verified, Multi-SWE-Bench y LiveSWEBench. El artículo de ICLR 2025 (aceptado en febrero de 2025) describe la arquitectura formalmente. Si estás evaluando arquitecturas de agentes, OpenHands es el sistema de código abierto más capaz con el que compararse.

Los desarrolladores individuales que deseen experimentar con agentes de programación autónomos pueden comenzar en el nivel gratuito en la nube, que permite 10 conversaciones por día utilizando el modelo Minimax, sin necesidad de clave API. Este es un camino de evaluación razonable antes de comprometerse con la configuración de Docker y los costos de la API.

Lo que OpenHands no es

OpenHands no es una herramienta con intervención humana (human-in-the-loop). Si deseas revisar cada cambio antes de que llegue al código base, Aider es la mejor opción: cada acción es un diff, cada commit requiere aprobación y la herramienta está diseñada explícitamente en torno a ese modelo de interacción. OpenHands se ejecutará de forma autónoma y hará push de los commits; ese es el diseño, no un error.

No es un reemplazo directo de un desarrollador en características de productos complejas y abiertas. El fundador lo dijo directamente: el agente no está cerca de reemplazar a un ingeniero de software. Sobresale en tareas bien definidas y verificables mediante pruebas. El trabajo de producto ambiguo, las decisiones arquitectónicas transversales y cualquier cosa que requiera un juicio sostenido a lo largo de un horizonte temporal prolongado están fuera de su entorno operativo confiable en 2026.

No es adecuado para entornos sin Docker. El modelo de ejecución aislado (sandbox) es fundamental para el funcionamiento del agente, no una opción de implementación opcional. Los equipos en infraestructuras restringidas sin soporte para contenedores deben planificar ese costo de configuración antes de evaluar la herramienta.

Por último, no es una herramienta de costo cero si la usas a escala. "Gratuito y de código abierto" se refiere a la licencia de software y a la falta de una suscripción de proveedor. Aún debes pagar a tu proveedor de LLM. En tareas complejas, ese costo es real y variable. Presupuesta en consecuencia.