OpenCode: tu agente de IA para programar, paso a paso

Empieza con un error que conozcas y una cuenta de modelos que ya tengas. Después de revisar un cambio real y su costo, podrás decidir si vale la pena pagar otra suscripción para programar.

¿Qué hace OpenCode como agente de IA para programar?

OpenCode lee un proyecto, modifica archivos y ejecuta comandos desde una interfaz de terminal. La terminal es tu espacio de trabajo; el modelo es el motor que conectas. Al cambiar de motor, cambian su razonamiento, velocidad y precio. El repositorio sigue siendo el proyecto sobre el que trabajas. Qué es OpenCode, Integración con Ollama

Un proveedor es el servicio que ofrece el modelo. Una clave de API es una credencial que permite a un programa utilizar ese servicio y cargar el consumo a su cuenta de facturación. Un modelo local funciona mediante un servidor de inferencia en tu propia máquina. Estas decisiones son independientes de la interfaz que elijas para el agente.

La compatibilidad con un proveedor también hay que comprobarla en la práctica. Las llamadas a herramientas permiten al modelo solicitar acciones, como leer un archivo o ejecutar un comando. OpenCode advierte que relativamente pocos modelos resuelven bien tanto las llamadas a herramientas como la generación de código. Prueba el modelo con una tarea pequeña antes de confiarle una refactorización amplia. Cómo elegir un modelo

Cómo instalar OpenCode y abrir tu proyecto

Sigue la documentación oficial para instalarlo y ejecútalo dentro del repositorio en el que quieras trabajar. Si ya tienes Node.js y npm, esta es la instalación mediante paquete que recoge la documentación:

npm install -g opencode-ai
cd /path/to/project
opencode

Sustituye la ruta del proyecto por la tuya. La documentación de OpenCode también ofrece curl -fsSL https://opencode.ai/install | bash, y el tap recomendado para Homebrew es brew install anomalyco/tap/opencode. Elige un método de instalación. En Windows, la documentación recomienda WSL, el entorno de Windows que permite ejecutar herramientas de Linux, y también incluye opciones con npm, Chocolatey y Scoop. Instalación oficial y primer inicio

OpenCode abre una TUI, una interfaz de usuario de texto dentro de la terminal. Los comandos que empiezan con /, como /connect, se introducen en esa interfaz. Los que empiezan con opencode, como opencode stats, se ejecutan en el intérprete de comandos de tu sistema.

Trabaja en un repositorio Git y crea una rama nueva para empezar. Git registra los cambios para que puedas revisar el diff, las líneas exactas que se añadieron y eliminaron, antes de guardar nada en un commit.

Conecta el acceso a modelos que ya pagas

Ejecuta /connect, selecciona el proveedor y completa el proceso de autenticación que indica su documentación. Después, ejecuta /models y elige un modelo. Los proveedores más conocidos ya vienen configurados; los endpoints personalizados y los servidores locales pueden necesitar ajustes adicionales. Selección de modelos

Estas vías están descritas en la página pública de proveedores de OpenCode. No garantizan lo que estará disponible en una cuenta de pago concreta. Instrucciones para conectar proveedores

Una suscripción de chat no incluye automáticamente consumo de API. Anthropic indica que Claude Pro no cubre el uso de la API de Claude Console. La sección de Anthropic en OpenCode también desaconseja los plugins de autenticación para Claude Pro/Max. Para esa conexión, usa una clave de API de Anthropic; si quieres utilizar la suscripción, usa Claude Code. OpenAI también distingue entre los precios por tokens de la API y el uso de la suscripción. Facturación de Claude Pro, Advertencia de OpenCode sobre Anthropic, Precios de la suscripción y la API de OpenAI

Para usar Ollama, instala Ollama y OpenCode, ejecuta ollama launch opencode y selecciona un modelo local. Ollama también ofrece ollama launch opencode --config para configurar la conexión sin abrir una sesión. Su lanzador incluye modelos locales y en la nube, así que elige según dónde quieras ejecutar la inferencia. Configuración de OpenCode con Ollama

Para configurar un modelo local manualmente, el ejemplo de proveedor de OpenCode utiliza @ai-sdk/openai-compatible, la dirección local http://localhost:11434/v1 y un identificador que coincida con el modelo que sirve tu servidor. LM Studio tiene su propio ejemplo de proveedor. Para un servicio compatible con OpenAI que no figure en la lista, usa /connect → Other y configura en opencode.json el identificador de proveedor correspondiente, la dirección y el modelo. Proveedores locales y personalizados

Tu primera tarea real con OpenCode

Elige un error cuyo comportamiento correcto puedas definir antes de que empiece el agente. Un formulario de registro que acepta una dirección de correo vacía es una mejor primera tarea que pedirle que rediseñe toda la aplicación.

Primero, inicializa el proyecto. Ejecuta /init. Este comando crea o actualiza AGENTS.md, un archivo Markdown con instrucciones para futuras sesiones del agente. Lee el resultado y corrige los comandos y las suposiciones antes de continuar. Inicialización del proyecto

Después, pide un plan. Pulsa Tab hasta seleccionar Plan. Usa @ para hacer referencia a los archivos reales de implementación y pruebas de tu repositorio. Para el error del correo vacío, podrías pedir lo siguiente:

Este encargo es un ejemplo, no el resultado de una prueba realizada. Sustitúyelo por un error y unos archivos reales de tu proyecto. Plan restringe las modificaciones y los comandos del sistema mediante permisos; no es un entorno de ejecución aislado. Agentes y funcionamiento de Plan, Referencias a archivos

Luego, implementa el alcance acordado. Cambia a Build con Tab y pide que añada una prueba de regresión, la prueba que demuestra el error, y aplique la corrección mínima. Haz que muestre que la prueba falla con el comportamiento original y pasa después del cambio. A continuación, debe ejecutar las comprobaciones existentes que correspondan. Build es el agente predeterminado y tiene las herramientas habilitadas. Agente Build

Por último, revisa el resultado personalmente. Lee el diff, comprueba que la aserción de la prueba corresponda al comportamiento que querías e inspecciona los cambios ajenos a la tarea. Una prueba que pasa pero comprueba un comportamiento equivocado demuestra poco. Pide al agente que indique qué comandos ejecutó realmente y qué fallos no pudo resolver.

Si el cambio se desvía de lo previsto, /undo puede revertir el último mensaje y sus modificaciones; /redo restaura un mensaje deshecho. Ambos dependen de Git. Deshacer y rehacer

Cómo dar utilidad a AGENTS.md y a las reglas

Escribe las instrucciones que necesitaría un desarrollador competente para trabajar en este repositorio. Deben ser lo bastante concretas como para poder comprobarlas:

• Los comandos reales de instalación, compilación, lint y pruebas, con su orden cuando sea relevante.
• Dónde están el código de la aplicación, los paquetes compartidos y los archivos generados.
• Qué convenciones hay que seguir y qué módulos existentes sirven de ejemplo.
• Cuándo se considera terminada una tarea, incluidas las comprobaciones pertinentes y un resumen de cómo cambió el comportamiento.

Incluye el archivo del proyecto en un commit para compartirlo con el equipo. Las reglas personales van en ~/.config/opencode/AGENTS.md. OpenCode puede recurrir a CLAUDE.md cuando falta el archivo de reglas de OpenCode correspondiente. Reglas y ubicación de los archivos

opencode.json es el archivo de configuración. Su lista instructions permite cargar instrucciones existentes, así que no hace falta copiar una guía de contribución en AGENTS.md. Este ejemplo también solicita confirmación antes de modificar archivos y ejecutar comandos del sistema:

{
  "$schema": "https://opencode.ai/config.json",
  "instructions": ["CONTRIBUTING.md"],
  "permission": {
    "edit": "ask",
    "bash": "ask"
  }
}

Usa el nombre de un archivo de instrucciones que exista en tu proyecto e integra estos ajustes en la configuración que ya tengas. Una simple referencia a otro archivo dentro de AGENTS.md no carga automáticamente su contenido. Usa instructions cuando quieras que ese archivo se cargue. Instrucciones personalizadas

Las reglas describen el comportamiento que buscas. Los permisos determinan si una acción de una herramienta puede continuar. La mayoría de los permisos parten de allow, así que configura expresamente los permisos cuando quieras que se te pida confirmación. Configuración de permisos

Añade plugins cuando tengas una necesidad concreta

Un plugin es código JavaScript o TypeScript que amplía OpenCode mediante eventos, como la ejecución de una herramienta o una sesión que queda inactiva. Puedes aprovechar ese mecanismo para una notificación local de finalización o para un proceso propio del repositorio. Eventos de plugins y ejemplos

Coloca un plugin local en .opencode/plugins/ para un solo proyecto o en ~/.config/opencode/plugins/ para todos. OpenCode carga esos archivos al iniciarse. Si el plugin es un paquete publicado en npm, añádelo a la lista plugin de opencode.json; la documentación muestra nombres como opencode-wakatime. Los paquetes y sus dependencias se instalan automáticamente con Bun al iniciar. Revisa el código fuente y el mantenimiento de un plugin antes de incorporar código ejecutable a tu entorno de desarrollo. Carga de plugins

Empieza con el funcionamiento integrado. Añade un plugin cuando puedas identificar la tarea repetitiva que te ahorrará. Acumular plugins puede traer trabajo de configuración y depuración antes de aportar un beneficio.

Cuánto cuestan OpenCode y Zen

Separa la forma de trabajar con el agente de la factura del modelo. Si tienes una suscripción compatible, utilizas el acceso de esa cuenta. Con una clave de API, el proveedor mide y factura el consumo. Con inferencia local, cuentan la capacidad de tu máquina y sus costos de funcionamiento. Zen es otra opción, independiente y opcional, para comprar acceso a modelos. Opciones de proveedores

OpenCode Zen es un servicio de modelos con pago por uso. Su página pública anuncia un saldo de $20 más una comisión de $1.23 por procesar el pago con tarjeta. Esa compra anunciada cuesta, por tanto, $21.23, con $20 disponibles para consumo. La página indica que las solicitudes no tienen recargo, que se pueden establecer límites mensuales de gasto y que se realiza una recarga automática de $20 cuando el saldo llega a $5. Son condiciones de saldo y pago, no el precio de una suscripción mensual. Consulta las condiciones vigentes antes de añadir fondos. Página pública de precios de Zen

Para conectarlo, ejecuta /connect, elige OpenCode Zen y completa la configuración de cuenta y facturación para obtener una clave de API. Pégala en OpenCode y usa /models. Es opcional si otro proveedor ya cubre tus necesidades. Conexión con Zen

Ejemplo de costo de una sesión con Anthropic

Podemos estimar una sesión ilustrativa con Claude Sonnet 4.6 a través de la API directa de Anthropic usando sus tarifas estándar publicadas: $3 por millón de tokens de entrada y $15 por millón de tokens de salida. Un token es una unidad pequeña de texto que el modelo procesa o produce. Supongamos que toda la sesión, sumando todas las solicitudes, consume 200,000 tokens de entrada sin caché y 20,000 tokens de salida. Precios de modelos y herramientas de Anthropic

Este resultado es un cálculo, no una medición de una sesión de OpenCode ni una promesa sobre el precio de corregir un error. Supone las tarifas estándar de la API directa, sin caché ni cargos adicionales de servicio. Cuenta todo lo incluido en las solicitudes: las instrucciones, el contexto de conversación que se repite y los resultados de las herramientas. Las lecturas y escrituras de caché tienen otras tarifas; cambiar de servicio o de modelo también cambia la factura. Esta estimación no calcula el costo de Zen.

Veinte sesiones con ese consumo supuesto sumarían $18; treinta sumarían $27. Como referencia, el precio público de Claude Pro en EE. UU. es de $20 al mes e incluye Claude Code con límites de uso. La comparación muestra cuándo un presupuesto variable de API puede superar un precio fijo por usuario. No demuestra que ambas opciones produzcan los mismos resultados, ofrezcan el mismo margen de uso ni cuál será más barata para tu trabajo. Precio de Claude Pro y diferencia con la API

Ejecuta opencode stats en el intérprete de comandos para ver las estadísticas de consumo y costo, o opencode stats --days 1 para el último día. Para una sesión concreta, opencode export permite elegirla y exportar sus datos como JSON. Contrasta el consumo con la facturación del servicio que te cobra; una estimación por tokens no equivale al precio de una tarea incluida en una suscripción. Comandos de consumo

Seis tareas para probar, ordenadas por su utilidad práctica

Empieza por trabajos repetitivos cuyos resultados puedas evaluar. Estos son procesos propuestos, no afirmaciones sobre ahorros de tiempo observados.

El comando no interactivo opencode run puede recibir un prompt para trabajos ejecutados mediante scripts, una vez configurados el proveedor y la forma de trabajar. Automatiza tareas repetibles cuando ya tengas un método fiable para verificar sus resultados. Comando run de la CLI

Cuándo elegir OpenCode, Claude Code o Pi

Elige OpenCode si poder escoger el modelo es fundamental para tu trabajo y quieres los agentes Plan y Build integrados, junto con reglas de proyecto y soporte para plugins. Su menú de proveedores ofrece una misma interfaz de trabajo para distintos servicios y configuraciones locales. Esta recomendación se refiere a la forma de trabajar; no afirma que OpenCode genere mejor código. Modelos de OpenCode, Agentes

Elige Claude Code si ya trabajas principalmente con Claude y quieres utilizar tu suscripción Claude Pro o Max mediante la integración documentada con la terminal o el IDE. Claude y Claude Code comparten los límites de uso del plan. Compara las opciones de facturación en Precios de Claude Code en 2026. Integración con la suscripción de Claude

Elige Pi si quieres un núcleo más pequeño que puedas adaptar mediante extensiones, plantillas de prompts, skills y temas. Pi también admite varios proveedores, así que la flexibilidad de modelos por sí sola no justifica elegir OpenCode frente a Pi. La presentación pública de Pi indica que se puede añadir un modo de planificación mediante extensiones, en lugar de incluirlo en el núcleo. Mi recomendación es OpenCode para quien prefiera su proceso de trabajo integrado y Pi para el desarrollador que quiera diseñar una mayor parte de ese proceso. Presentación pública de Pi

Para comparar agentes de terminal de forma más amplia, lee Gemini CLI frente a Claude Code. Evalúa por separado el acceso a modelos, tu forma preferida de trabajar y la vía de pago.

Dos productos que podrías crear a partir de OpenCode

La opción más sólida: un proceso de revisión específico para cada repositorio

Un equipo pequeño de ingeniería podría pagar por un proceso de revisión que detecte sus errores recurrentes y presente observaciones con evidencia reproducible. La señal de demanda es de unas 1,300 búsquedas mensuales en EE. UU. de “ai code review”, según la estimación de palabras clave de DataForSEO consultada el 4 de octubre de 2026. El precio público del plan Essentials de CodeRabbit es de $24 por desarrollador al mes con facturación anual, o $30 con facturación mensual: una referencia concreta de pago dentro de la categoría. Datos de palabras clave de DataForSEO, Precios de CodeRabbit

La versión mínima que podrías vender cargaría la lista de comprobación del equipo y las instrucciones del proyecto, examinaría un diff proporcionado y devolvería un informe breve con la ubicación de los archivos, pasos para verificar las observaciones y el consumo registrado del modelo. Empieza con un comando local repetible y añade eventos de plugins solo cuando reduzcan el trabajo manual.

La dificultad está en la competencia y la confianza. Una capa genérica de revisión ofrece pocas ventajas frente a las herramientas existentes. Un nicho prometedor necesita reglas recurrentes propias del dominio y evidencia de que las sugerencias reducen el esfuerzo de quien revisa. El volumen de búsquedas indica interés en la categoría, no demanda de un producto basado en OpenCode. Esta es la oportunidad más sólida de las que planteo aquí porque las revisiones se repiten y su utilidad puede evaluarse sobre diffs reales.

Un kit de puesta en marcha de OpenCode, probado para agencias

Una agencia podría contratar un servicio de configuración que entregue, para cada repositorio de cliente, una conexión funcional con el proveedor, un AGENTS.md preciso, una configuración mínima y una primera tarea revisada. Unas 1,600 búsquedas mensuales en EE. UU. de “open source ai coding assistant” indican interés en esta categoría, según la misma consulta de DataForSEO. Datos de palabras clave de DataForSEO

El MVP sería una lista de comprobación para la puesta en marcha y una configuración específica del repositorio. Los entregables incluirían un comando de verificación ejecutado con éxito y una vía clara de facturación. Evita crear otra interfaz generalista para agentes de programación. El problema es que la documentación gratuita ya explica la instalación, y el interés en las búsquedas no demuestra que alguien esté dispuesto a pagar. Cobra por la configuración de cada cliente y por mantener al día los entregables solo si las agencias valoran ese trabajo.

Lo que sigue siendo responsabilidad tuya

OpenCode no garantiza que el modelo haya entendido los requisitos de tu negocio. Las pruebas, la revisión del código y la decisión de desplegar siguen siendo responsabilidad tuya. Un cambio de proveedor también exige volver a comprobar la calidad de los resultados y el costo real.

La inferencia local sustituye la factura de un modelo alojado por necesidades de hardware y trabajo de configuración. Una interfaz de agente local conectada a un proveedor en la nube sigue enviando las solicitudes del modelo a ese proveedor. Decide por separado dónde se ejecuta la inferencia y dónde escribes el prompt.

Para una modificación mínima que ya sabes hacer, el ciclo de configuración y revisión puede exigir más atención que el propio cambio. Si el proyecto es ambiguo, define los criterios de aceptación antes de pedirle al agente que lo implemente. Lo que aporta valor es un cambio correcto y revisado.

Tu tarea para el lunes: elige un error reproducible, crea una rama nueva, conecta un proveedor y completa el ciclo de leer, planificar, editar, probar y revisar. Anota qué modelo utilizaste, qué comprobaciones pasaron y cómo se facturó la sesión. Esa información te permitirá fundamentar tu próxima decisión sobre herramientas.

Si quieres un proceso de programación o revisión adaptado al repositorio de tu equipo, el siguiente paso es el servicio de desarrollo de agentes de IA.