IA para programar en local: 6 alternativas a GitHub Copilot en 2026

La IA para programar en local cambió de escenario en junio de 2026: VS Code ya puede ejecutar chats y flujos de agentes sin conexión, sin una cuenta de GitHub ni un plan de GitHub Copilot. Sin embargo, los modelos locales todavía no pueden generar sus sugerencias integradas estándar. Por eso solo quedan tres motivos claros para cambiar: disponer de autocompletado local con Tab, centralizar un despliegue autohospedado o conseguir un flujo de agentes más potente. Y, antes de sumar hardware y administración, la alternativa de pago más barata apenas ahorra $480 al año para un equipo de 10 personas.

IA para programar en local: Zed es el reemplazo más completo

Zed es la mejor alternativa a GitHub Copilot cuando tanto el agente de programación como las sugerencias inline deben ejecutarse en infraestructura bajo su control. Kilo Code resulta más conveniente si cambiar de editor no es una opción. Cline ofrece el agente local especializado más sólido dentro de VS Code; Tabby es el despliegue indicado para administrar de forma centralizada un servidor de autocompletado; Aider brinda la experiencia de terminal más limpia y centrada en Git; y OpenCode abarca la mayor variedad de interfaces.

Hay una séptima respuesta: no cambiar. Si basta con tener chat y agentes locales, VS Code ya se conecta con Ollama y otros proveedores locales. Una alternativa solo merece entrar en la pila cuando resuelve una carencia concreta.

Los precios, límites, condiciones de prueba y funciones que aparecen a continuación se comprobaron en las páginas activas de cada proveedor el 25 de agosto de 2026. «Precio inicial» se refiere al costo del software o de la plataforma. Ejecutar un modelo local puede seguir implicando gastos de hardware, electricidad, instalación y mantenimiento.

Antes de cambiar, conviene entender qué ejecuta ya VS Code en local

VS Code se ha convertido en un anfitrión creíble para modelos locales, pero solo cubre una mitad de la experiencia de Copilot. La actualización BYOK de junio de 2026 de Microsoft permite conectar VS Code con Ollama, Foundry Local y proveedores de modelos compatibles para el chat y los flujos de agentes admitidos. Funciona sin iniciar sesión en GitHub y sin un plan de Copilot, incluso completamente sin conexión.

Eso no convierte GitHub Copilot en un producto alojado localmente. Lo que hace es situar a VS Code como capa de aplicación: el editor aporta herramientas, contexto y un ciclo de interacción al modelo. El modelo puede ejecutarse en local mientras el editor proporciona la interfaz de chat y de agente.

Cuatro conceptos ayudan a comparar las opciones sin mezclar promesas distintas:

• Modelo local: la inferencia se ejecuta en su equipo o en infraestructura que usted controla.
• Modelo autohospedado: el endpoint está dentro de una infraestructura bajo su control. Puede encontrarse en otra máquina o en una nube privada, no necesariamente en el equipo del desarrollador.
• Agente: el modelo puede examinar archivos, modificar varios archivos y usar herramientas como una terminal, sujeto al sistema de permisos de la aplicación.
• Autocompletado inline: el texto fantasma o la sugerencia de varias líneas que aparece mientras se escribe y que normalmente se acepta con Tab.

La brecha está en el último punto. La documentación actual sobre modelos de lenguaje de Microsoft indica que BYOK funciona con el chat y las tareas auxiliares, pero no con las sugerencias inline estándar. La búsqueda semántica y las funciones respaldadas por embeddings también siguen dependiendo de GitHub o del soporte de Copilot. VS Code ofrece una API de extensiones que otros productos pueden aprovechar para crear su propio autocompletado, pero su ruta integrada para modelos locales no envía esas sugerencias a Ollama.

Esto divide la antigua pregunta por una «alternativa local a Copilot» en dos preguntas más precisas:

1. ¿Quiere que un modelo local planifique y edite código dentro de un ciclo de agente visible?
2. ¿Quiere además que cada sugerencia mostrada mientras escribe se genere en local?

Si la respuesta a la segunda pregunta es no, añadir otra extensión puede aumentar la complejidad sin mejorar la privacidad. Basta con configurar el editor Language Models, conectar el proveedor local, elegir el modelo para el chat o el trabajo de agente admitido y conservar el editor actual. Si la respuesta es sí, Zed, Kilo Code o Tabby cobran relevancia porque los tres documentan una vía de autocompletado local.

La misma distinción se aplica a las promesas de funcionamiento sin conexión. Un chat local puede operar sin internet mientras una búsqueda en el repositorio, la actualización de una extensión, una acción remota de control de versiones o un servicio de embeddings alojado todavía se comunica con el exterior. «El modelo es local» y «todo el entorno de desarrollo está aislado de la red» no son promesas equivalentes.

El precio de Copilot que se pretende sustituir

Los planes individuales actuales de GitHub son Free, Student, Pro por $10 al mes, Pro+ por $39 al mes y Max por $100 al mes. Free incluye hasta 2,000 autocompletados inline al mes, mientras que Student es gratuito para estudiantes verificados. Los planes para organizaciones son Business por $19 al mes por puesto concedido y Enterprise por $39 al mes por puesto concedido.

La página activa de planes de GitHub también indica que las nuevas altas autoservicio de Business para organizaciones en GitHub Free y GitHub Team están temporalmente suspendidas desde el 22 de abril de 2026. Esto no cambia los $19 usados como referencia, pero sí puede alterar el proceso de compra. La comparación debe hacerse contra el plan que la organización realmente puede adquirir, no contra un flujo de pago que recuerda de otra fecha.

Cómo se eligieron estas alternativas

Un producto solo entró en la selección si su documentación vigente mostraba una vía compatible con modelos locales para una tarea de programación. No bastó con que un repositorio pudiera modificarse en teoría para llamar a un endpoint local. Tampoco entraron asistentes en la nube que ofrecen buenas condiciones de privacidad pero siguen enviando la inferencia a su propio servicio.

Los seis productos se evaluaron con cinco criterios:

1. Cobertura: si los modelos locales funcionan con el agente, el autocompletado inline o ambos.
2. Claridad del despliegue: si el proveedor documenta Ollama, LM Studio, llama.cpp, un endpoint compatible con OpenAI o un servidor autohospedado.
3. Encaje en el flujo: si el producto vive en un editor, una terminal, una aplicación de escritorio o un servicio central.
4. Primer límite operativo: el primer obstáculo que encuentra un despliegue serio, como migrar de editor, usar un modelo fijo de autocompletado, alcanzar un mínimo de hardware, quedar restringido a una GPU o carecer de controles de identidad.
5. Costo total: todos los niveles públicos del software, más el costo de cómputo o inferencia que queda fuera.

No se afirma haber realizado una prueba práctica de rendimiento. La latencia local y la calidad de salida dependen demasiado del tamaño del modelo, la cuantización, la longitud de contexto, la memoria de la GPU, la forma del repositorio y la tarea como para presentar el resultado de un solo equipo como representativo de toda la categoría. La clasificación utiliza funciones actualmente compatibles, precios exactos, límites documentados y un análisis de costos normalizado.

El proceso también dejó fuera varios nombres conocidos. Un asistente de programación exclusivo de la nube no es una alternativa con modelos locales solo porque tenga un plan gratuito generoso. Continue se retiró de la clasificación porque su página principal ahora informa que Cursor lo adquirió y presenta el código abierto restante como una base, no como un producto independiente con soporte para un despliegue nuevo. Ese cambio por sí solo vuelve obsoletas muchas listas antiguas de alternativas locales a Copilot.

Para revisar el panorama más amplio, tanto local como en la nube, la comparativa de los mejores asistentes de programación con IA en 2026 incluye más productos. Esta lista es intencionalmente estrecha: cada opción clasificada tiene una ruta documentada hacia la inferencia local.

1. Zed: el reemplazo local más completo de Copilot

Zed es el reemplazo integral más sólido porque documenta modelos locales tanto para Agent como para su sistema Edit Prediction. Edit Prediction es la capa de autocompletado inline de Zed e incluye sugerencias de una o varias líneas. Es poco común encontrar esa cobertura doble, y por eso elimina la ambigüedad habitual de muchas afirmaciones de «compatible con Ollama».

El producto es un editor de código completo, no una extensión de VS Code. Los modelos locales pueden ejecutarse mediante Ollama, LM Studio, llama.cpp o un servidor local compatible para Agent, Inline Assistant y otras funciones de IA. Una configuración local de Edit Prediction independiente admite Ollama, vLLM, llama.cpp server, LocalAI y otros servidores que implementen la API de autocompletado de OpenAI.

Esta arquitectura convierte a Zed en la respuesta más clara para una persona que trabaja por su cuenta, quiere que ambos flujos sean locales y no tiene inconveniente en cambiar de editor. También exige el mayor cambio de hábitos de toda la lista. Antes de migrar hay que comprobar extensiones, atajos, formas de desarrollo remoto, herramientas de depuración y convenciones del equipo.

Ideal para: Desarrolladores que quieren un agente local y autocompletado inline local en un mismo editor.
Diferencial: Rutas locales documentadas tanto para Agent como para Edit Prediction.
Precio: Personal por $0 para siempre; Pro por $10/mes; Business por $30/puesto/mes; el uso alojado que supere los $5 incluidos en Pro se cobra al precio de lista de la API más 10%.
Prueba gratuita: Pro durante dos semanas o hasta consumir $20 en créditos de tokens de prueba; Business no tiene prueba gratuita.

Precios de Zed y el límite que no salta a la vista

Zed Personal cuesta $0 para siempre e incluye 2,000 predicciones de edición alojadas aceptadas, además de uso ilimitado con claves de API propias o agentes externos. Zed Pro cuesta $10 al mes, incluye predicciones de edición ilimitadas y $5 en tokens alojados; a partir de ahí cobra el uso alojado al precio de lista de la API más 10%. Zed Business cuesta $30 por puesto al mes e incorpora políticas de modelos para toda la organización, controles de datos, visibilidad unificada del gasto, predicciones de edición ilimitadas y controles de acceso basados en roles.

La palabra «Business» puede generar una expectativa equivocada. El plan no tiene una cuota fija de créditos para LLM ni prueba gratuita, y actualmente tampoco ofrece SSO, SAML o SCIM. No existe un mínimo de puestos, aunque los pedidos mediante formulario parten de 25. En un despliegue empresarial donde la identidad sea crítica, la ausencia de esas funciones puede pesar más que la cobertura completa de modelos locales.

Para 10 puestos, Zed Business cuesta $3,600 al año antes del uso de modelos o del cómputo local. Copilot Business cuesta $2,280 para el mismo número de puestos. Por tanto, Zed añade $1,320 solo en tarifas de plataforma. Debe elegirse por el diseño del editor y el control local completo, no como estrategia para ahorrar licencias.

Tutorial breve: ejecutar Zed Agent y Edit Prediction con Ollama

Zed documenta por separado las dos rutas locales. Conviene mantenerlas separadas durante la configuración para no asumir que las predicciones inline también son locales solo porque el agente ya funciona.

1. 1

   Inicie el runtime local

   Instale Ollama, ejecute ollama pull mistral para descargar el ejemplo documentado de Agent en Zed y después ejecute ollama serve si el servicio no arranca automáticamente. Zed debería detectar los modelos descargados de Ollama y mostrarlos en su selector.

2. 2

   Seleccione el modelo de Agent

   Abra el panel Agent, elija el modelo de Ollama detectado y empiece con una tarea acotada y de solo lectura, como explicar un módulo. Confirme mediante el proveedor seleccionado y la actividad del proceso local que la solicitud está llegando a Ollama.

3. 3

   Configure Edit Prediction por separado

   Abra los ajustes de Zed para edit_predictions. El ejemplo documentado por el proveedor establece ollama como proveedor, http://localhost:11434 como endpoint, qwen2.5-coder:7b-base como modelo, infer como formato del prompt y 512 como máximo de tokens de salida.

4. 4

   Compruebe las dos rutas

   Desconecte de la red una máquina de prueba no crítica. Envíe un prompt a Agent; después, escriba en un archivo representativo y confirme que aparece una predicción de Edit Prediction. Si Agent supera la prueba pero el autocompletado falla, solo la mitad del despliegue es local.

El modelo exacto debe ajustarse a la máquina y la tarea. El valor del tutorial está en verificar las dos rutas, no en el nombre del modelo de ejemplo. Un modelo local incapaz de llamar a herramientas con fiabilidad sigue siendo una mala elección para Agent, aunque ofrezca un autocompletado aceptable.

2. Kilo Code: la mejor opción local dentro de VS Code y JetBrains

Kilo Code es la mejor alternativa cuando hay que conservar el editor y tanto el agente como el autocompletado necesitan una vía local. Sus extensiones de código abierto funcionan en VS Code y JetBrains, mientras que su CLI añade una interfaz de terminal. La migración es menor que con Zed, y el producto documenta Ollama local para el agente, además de Codestral local mediante Ollama o LM Studio para el autocompletado.

Esa fortaleza viene acompañada de dos restricciones. El modelo de autocompletado de Kilo está fijado actualmente en Codestral; por tanto, «autocompletado local» no equivale a poder escoger cualquier modelo. Sus indicaciones para agentes también imponen una exigencia seria de hardware: 24 GB o más de VRAM en la GPU, o una Mac con 32 GB o más de memoria unificada, para que los modelos locales recomendados funcionen a una velocidad razonable.

La propia documentación de Kilo es inusualmente franca sobre la calidad. Recomienda qwen3-coder:30b para el trabajo con agentes, menciona devstral:24b como alternativa y advierte que el modelo Qwen más pequeño puede fallar al llamar herramientas, entrar en bucles o producir errores de sintaxis con más frecuencia que un modelo avanzado en la nube. Recomienda una ventana de contexto de al menos 32k y documenta un tiempo de espera predeterminado de API de 10 minutos. Son requisitos operativos, no notas al pie.

Ideal para: Usuarios de VS Code o JetBrains que necesitan un agente local y una ruta compatible de autocompletado local.
Diferencial: La vía menos disruptiva para llevar ambos flujos a editores conocidos.
Precio: Individual por $0; Teams por $15/usuario/mes; Enterprise con precio personalizado; la inferencia y el cómputo en la nube se cobran aparte.
Prueba gratuita: Enterprise durante 14 días.

Precios de Kilo: tres facturas, no una

Los planes de plataforma de Kilo son Individual por $0, Teams por $15 al mes por usuario y Enterprise con precio personalizado. Teams añade analítica, modos de agente compartidos, facturación centralizada, BYOK compartido, controles de privacidad y soporte prioritario. Enterprise incorpora SSO, OIDC, SCIM, registros de auditoría, límites por proveedor, BYOK mediante gateway privado, compromisos de SLA y soporte dedicado. La prueba de 14 días habilita las funciones de Enterprise; al terminar, el cliente elige Teams o Enterprise.

La inferencia se decide y se cobra aparte. Auto Free, BYOK o local cuestan $0 al mes en tarifas de inferencia de la plataforma Kilo. Kilo Gateway no tiene suscripción y aplica las tarifas exactas del proveedor, sin margen adicional. Kilo Pass ofrece Starter por $19 al mes con hasta $26.60 en créditos mensuales, Pro por $49 con hasta $68.60 y Expert por $199 con hasta $278.60. Las compras de créditos incluyen una comisión de procesamiento del 5%.

Las funciones en la nube generan una tercera factura. Code Review cuesta $0.33 por hora. Cloud Agent Docker y Small cuestan $0.60 por hora cada uno. Gas Town y Cloud Agent Standard cuestan $1.20 por hora cada uno. La facturación se calcula por segundo, y la inferencia del modelo sigue cobrándose por separado.

Para 10 desarrolladores, Kilo Teams cuesta $1,800 al año frente a los $2,280 de Copilot Business. La diferencia de $480 es el techo local: si el hardware y la administración adicionales superan en conjunto los $40 al mes, el aparente ahorro de plataforma desaparece. Bastan unas pocas horas de un ingeniero manteniendo el servicio local para rebasarlo.

3. Cline: el mejor agente local transparente para VS Code

Cline es la mejor opción especializada para usar un agente de programación local, visible y basado en aprobaciones dentro de VS Code. Muestra los cambios de archivos, las acciones de terminal y el proveedor de modelos que utiliza el agente, sin cobrar una suscripción individual de plataforma. Su ruta local está bien documentada para Ollama, LM Studio y Atomic Chat.

Cline no sustituye todas las funciones de Copilot. El centro del producto es un agente, no un reemplazo propio del autocompletado con Tab. Si el objetivo es generar texto fantasma en local mientras se escribe, habrá que combinarlo con otra extensión de autocompletado o elegir Zed, Kilo Code o Tabby. Incorporar una segunda extensión puede ser una arquitectura válida, pero obliga a gobernar dos políticas, dos rutas de actualización y, posiblemente, dos servidores de modelos.

El caso ideal para Cline es el de un desarrollador que entrega una incidencia acotada a un modelo local, revisa cada acción propuesta y conserva su entorno de VS Code. Es más apropiado para «sigue la pista de esta prueba fallida y propón un parche» que para «predice los próximos seis tokens cada vez que pulso una tecla». La interacción es más lenta y deliberada que el autocompletado de Copilot, pero puede encargarse de una porción mayor de una tarea que afecta varios archivos.

Ideal para: Usuarios de VS Code que buscan un ciclo de agente local, visible y controlable.
Diferencial: Interfaz gratuita para agentes individuales, entornos de ejecución locales documentados y ninguna suscripción obligatoria.
Precio: Open Source gratis; Enterprise con precio personalizado; la inferencia se suministra aparte.
Prueba gratuita: No se indica una prueba de Enterprise; el nivel de código abierto es la vía de evaluación.

Precios de Cline y la escala de hardware

Cline Open Source es gratuito para desarrolladores individuales. No hay suscripción ni tarifa por puesto, aunque la inferencia alojada se cobra por uso, salvo que el desarrollador aporte una clave o ejecute un modelo local. El nivel gratuito incluye la extensión de VS Code y la CLI, arquitectura segura del lado del cliente, marketplace de MCP, espacios de trabajo multirraíz y soporte de la comunidad.

Cline Enterprise tiene precio personalizado. Añade la extensión de JetBrains, SSO, SLA, soporte dedicado, facturación centralizada, gestión de configuración, control de acceso basado en roles, límites por proveedor de inferencia, un panel de equipo y registros de autenticación. La página de precios activa no muestra ninguna prueba gratuita de Enterprise.

La guía de hardware define un límite más útil que el precio de plataforma de $0. Cline asigna entre 16 y 32 GB de RAM a modelos pequeños o cuantizados, entre 32 y 64 GB a modelos medianos y 64 GB o más a modelos grandes y ventanas de contexto más amplias. Sus endpoints locales predeterminados son http://localhost:11434 para Ollama y http://localhost:1234 para LM Studio.

Esta escala debe orientar el piloto. Un equipo con 16 GB puede demostrar que la conexión funciona y, aun así, fracasar en el flujo previsto por una generación lenta, poco contexto o un uso deficiente de herramientas. El despliegue solo está listo cuando el modelo elegido puede leer una porción suficiente del repositorio y terminar la tarea representativa dentro del tiempo que el equipo está dispuesto a esperar.

Dónde encaja Cline en una configuración local mixta

Una división práctica consiste en usar Cline para sesiones explícitas con agentes y un proveedor especializado de autocompletado local para mantener la fluidez al escribir. Esta arquitectura puede superar a un único modelo de propósito general: un agente necesita uso de herramientas y razonamiento con contexto largo, mientras que el autocompletado exige baja latencia y entrenamiento fill-in-the-middle. El precio es la duplicación operativa.

Para una persona, esa duplicación puede reducirse a unos cuantos ajustes. Para una empresa, implica dos modelos aprobados, dos políticas de endpoints, dos revisiones de telemetría y dos rutas de reversión. La comparativa de agentes de programación para empresas profundiza en la gobernanza, pero la decisión inmediata sobre Cline es sencilla: conviene cuando la transparencia del agente importa más que tenerlo todo en un solo producto.

4. Tabby: el mejor servidor centralizado de autocompletado autohospedado

Tabby es la mejor opción cuando la tarea principal consiste en sustituir el autocompletado de Copilot por un servicio autohospedado y operado de forma centralizada. Es un asistente de programación de código abierto diseñado alrededor de un equipo que ejecuta su propio servidor de autocompletado basado en LLM. Los desarrolladores se conectan mediante extensiones del editor y la organización controla el servicio que las respalda.

Este diseño centrado en el servidor pertenece a una categoría distinta de la de un agente local ejecutado en el equipo del desarrollador. Resulta útil cuando diez o cincuenta desarrolladores deben compartir modelos aprobados, contexto del repositorio, controles de acceso y observabilidad, en vez de ejecutar Ollama por separado. A cambio, la organización asume la disponibilidad, las actualizaciones, la capacidad de GPU, la autenticación y la respuesta ante incidentes.

Tabby encaja mejor en un grupo de ingeniería regulado o especialmente sensible a la privacidad que prioriza el autocompletado centralizado sobre el comportamiento autónomo de los agentes. Answer Engine y la navegación de código amplían su alcance, pero el motivo para elegirlo frente a un agente de escritorio sigue siendo el autocompletado. Una persona puede ejecutar Community, aunque Aider, Cline, Kilo Code o Zed suelen exigir menos infraestructura.

Ideal para: Equipos que quieren un único servidor de autocompletado controlado y autohospedado.
Diferencial: Despliegue local-first centralizado, con extensiones para editores y planes de equipo.
Precio: Community por $0/usuario/mes; Team por $19/usuario/mes; Enterprise con precio personalizado; el uso en Pochi cloud se cobra aparte.
Prueba gratuita: No se indica una prueba temporal para Team o Enterprise; Community admite hasta 5 usuarios.

Precios de Tabby: privacidad sin descuento en licencias

Tabby Community cuesta $0 por usuario al mes para un máximo de 5 usuarios. Tabby Team cuesta $19 por usuario al mes para un máximo de 50 usuarios. Tabby Enterprise es un plan personalizado con facturación anual, usuarios ilimitados, SSO, despliegue a medida, un canal dedicado de soporte en Slack y prioridad en la hoja de ruta.

Pochi de Tabby Cloud utiliza una factura separada y basada en el uso del modelo. La página de precios activa incluye $20 en créditos gratuitos mensuales, factura automáticamente cuando el uso supera $10 o al final del mes para importes menores, y afirma que Tab Completion siempre es gratuito y no tiene límite de uso. No hay que confundir esa oferta en la nube con el costo de cómputo del servidor autohospedado.

Para 10 puestos, tanto Tabby Team como Copilot Business cuestan $2,280 al año en tarifas de plataforma. Tabby necesita además infraestructura. Su documentación calcula unos 8 GB de VRAM para CodeLlama-7B en modo int8 y señala que una instancia solo admite una GPU. El costo exacto del servidor depende de quién posee el hardware, su utilización, la redundancia y las expectativas de soporte, pero la conclusión es clara: Tabby se compra por control, no para pagar menos licencias.

El límite de una sola GPU

La restricción de una GPU por instancia de Tabby es el límite operativo que debe planificarse. Una sola GPU puede ser más que suficiente para un equipo pequeño y convertirse en una cola cuando todos programan al mismo tiempo. Escalar exige entonces añadir instancias y tomar decisiones de enrutamiento, no simplemente conectar varias GPU a una instancia.

Mida el tiempo hasta el primer autocompletado y las sugerencias aceptadas durante el pico de uso simultáneo, no en un servidor inactivo. Un promedio rápido puede ocultar un percentil 95 deficiente que acostumbra a los desarrolladores a ignorar las sugerencias. Pruebe también las recargas del modelo, el comportamiento de respaldo de la extensión y lo que sucede cuando el servicio deja de estar disponible. Parte del valor del autocompletado está en que desaparece dentro del acto de escribir; cualquier espera recurrente destruye esa ventaja.

5. Aider: el mejor flujo de terminal nativo de Git

Aider es la mejor alternativa con modelos locales para quienes prefieren que la sesión del agente se organice alrededor del repositorio y el historial de Git, no de la interfaz del editor. Funciona en la terminal, crea un mapa del código, modifica archivos, crea commits automáticamente y puede ejecutar linters y pruebas. El software Apache-2.0 no cobra suscripción de plataforma.

El flujo es concreto: entre en un repositorio, añada los archivos pertinentes o deje que el mapa del repositorio guíe el contexto, solicite un cambio, revise el diff y use Git para conservarlo o deshacerlo. Esto hace atractivo Aider para quienes ya confían en la terminal y en las primitivas del control de versiones. Resulta menos natural para quien espera un agente en una barra lateral, puntos de control visuales y autocompletado en segundo plano mientras escribe.

Aider se conecta con casi cualquier LLM, ya sea local o en la nube, incluido Ollama. Su documentación de Ollama recomienda el prefijo de modelo ollama_chat/ y advierte sobre un fallo sutil: Ollama usa por defecto una ventana de contexto de 2k y descarta silenciosamente el contenido que la supera. La sesión puede parecer funcional mientras pierde contexto del repositorio, algo peor que un error explícito.

Ideal para: Desarrolladores que trabajan principalmente en la terminal y quieren un agente local centrado en Git.
Diferencial: Mapa del repositorio, commits automáticos, diffs, linting y pruebas dentro de un mismo ciclo de código abierto.
Precio: Software Apache-2.0 por $0; el uso del modelo o el cómputo local se cobran aparte; no existen niveles de plataforma de pago.
Prueba gratuita: No aplica, porque el software es gratuito y de código abierto.

El precio de Aider y el techo de $120 para una persona

Aider no tiene niveles Personal, Pro, Team ni Enterprise. El software es gratuito bajo Apache 2.0. La factura procede del proveedor del modelo o de la máquina que lo ejecuta.

Sustituir una suscripción de Copilot Pro de $10 al mes permite ahorrar como máximo $120 al año. Ese es el techo local para una persona. Si se compra una GPU, memoria adicional o tiempo de configuración —o se acepta una salida más lenta— solo para ahorrar la suscripción, las cuentas rara vez cuadran. Si ya existe hardware capaz y el motivo es la privacidad, el trabajo sin conexión o el control del modelo, los $120 pasan a ser una ventaja secundaria.

La primera comprobación de configuración debe centrarse en el contexto, no en perfeccionar el prompt. Aider documenta un ejemplo de servidor Ollama con 8k y ajusta el contexto para reducir el truncamiento silencioso. Los repositorios grandes pueden necesitar mucho más. Cuando un modelo local empieza a olvidar requisitos, abrir una y otra vez los mismos archivos o modificar el símbolo equivocado, revise la ventana de contexto y el mapa del repositorio antes de culpar al formato de interacción.

6. OpenCode: el mejor agente local para varias interfaces

OpenCode es la mejor opción para mantener un único agente de código abierto a través de la terminal, una extensión de IDE y una aplicación de escritorio. Admite más de 75 proveedores de modelos, incluidos modelos locales, y su software principal no exige una suscripción de pago. Esa flexibilidad de interfaces es su ventaja frente al diseño de Aider, centrado en la terminal.

Una instalación local de Ollama funciona mediante un endpoint de proveedor compatible con OpenAI en http://localhost:11434/v1. La documentación de proveedores deja la configuración a la vista en lugar de ocultarla e incluye la recomendación de empezar con una ventana de contexto de entre 16k y 32k cuando fallan las llamadas a herramientas. Es una ventaja para los equipos que quieren control explícito y una tarea adicional para quienes esperan detección con un clic.

La propuesta local de OpenCode gira en torno a sesiones con agentes, no a un reemplazo integral del autocompletado de Copilot. Puede funcionar en un IDE, pero su capacidad distintiva es mantener el mismo agente de varios pasos en diferentes interfaces. Debe elegirse por la portabilidad entre superficies y la amplitud de proveedores, no por las sugerencias con Tab.

Ideal para: Desarrolladores que quieren el mismo agente con capacidad local en terminal, IDE y escritorio.
Diferencial: Más de 75 proveedores y tres interfaces de interacción.
Precio: Núcleo open source por $0; Go opcional por $10/mes; Enterprise con precio personalizado por puesto.
Prueba gratuita: Piloto interno con el código abierto antes de contactar con ventas para Enterprise.

Precios y tratamiento de datos en OpenCode

El núcleo de OpenCode es software gratuito y de código abierto; el usuario elige un modelo local, BYOK, gratuito o alojado. OpenCode Zen es un gateway opcional de pago por uso con precios por token según el modelo. OpenCode Go es una suscripción opcional de $10 al mes para modelos abiertos de programación alojados. Sus límites actuales se expresan como techos de valor: $12 cada 5 horas, $30 por semana y $60 al mes.

OpenCode Enterprise aplica un precio personalizado por puesto. Cuando el cliente aporta su propio gateway LLM, OpenCode afirma que no cobra por los tokens utilizados. La ruta de evaluación consiste en una prueba interna del producto de código abierto, seguida de una conversación comercial sobre configuración centralizada, SSO, el gateway interno y soporte de implementación.

La declaración predeterminada sobre los datos es contundente: OpenCode afirma que no almacena código ni contexto, y que el procesamiento ocurre en local o mediante llamadas directas al proveedor elegido. La excepción es la función opcional de compartir conversaciones, que envía los datos de la sesión al exterior. Su documentación de Enterprise recomienda desactivar el uso compartido durante la prueba. La revisión de privacidad debe confirmar tanto la ruta predeterminada como cada salida opcional.

Qué herramienta conviene en cada caso

Identifique primero la capacidad que falta y acepte después el menor cambio de flujo que permita obtenerla. El entusiasmo por un producto es un mal criterio aquí, porque cada opción desplaza el costo y la complejidad hacia una capa diferente.

Mantenga VS Code si basta con trabajar con agentes locales

La vía nativa de VS Code es la respuesta que menos cambia el entorno para una persona o un equipo que quiere chat, planificación y tareas de agente compatibles en local, pero puede conservar el autocompletado alojado de Copilot o prescindir de él. Mantiene las extensiones, los hábitos de depuración, los entornos remotos y el conocimiento de soporte del equipo. El punto de quiebre es el autocompletado inline: si esos datos también deben quedarse en local, la ruta BYOK integrada se queda corta.

Esta opción es especialmente sensata para un piloto pequeño. Configure un proveedor local, oculte los modelos no aprobados, seleccione un modelo auxiliar cuando corresponda y documente qué funciones siguen dependiendo de GitHub. No añada otra extensión de agente hasta que una tarea representativa demuestre que a la configuración nativa le falta algo importante.

Elija Zed si la cobertura completa importa más que conservar el editor

Zed gana para una persona con perfil técnico o un pequeño grupo de producto dispuesto a adoptar un editor nuevo a cambio de un sistema coherente con Agent y Edit Prediction en local. La decisión cambia si hay incompatibilidades con el editor. Si falla una sola extensión imprescindible, un depurador, un entorno remoto o un flujo de accesibilidad, Kilo Code pasa a ser la opción más segura.

En una organización grande, la identidad puede descartar Zed incluso antes de evaluar el editor. Los controles actuales de Business incluyen políticas de datos y modelos, pero no hay SSO, SAML ni SCIM. Una empresa que exija esos controles no debe tratar una promesa en la hoja de ruta como si fuera una función de seguridad disponible.

Elija Kilo Code si hay que mantener VS Code o JetBrains

Kilo Code gana cuando se necesitan tanto agentes locales como autocompletado local dentro del editor existente. Los desarrolladores cambian una extensión y la configuración del modelo, no todo su entorno de edición. La decisión se inclina en contra de Kilo si el autocompletado fijo con Codestral resulta inaceptable o si el hardware local para el agente no cumple la memoria documentada.

También ofrece el relato de ahorro más tentador y el más fácil de exagerar. Diez puestos de Teams ahorran $480 al año frente a Copilot Business antes de sumar cómputo y trabajo. Elija el producto porque sus extensiones y controles de proveedor encajan; después, considere la diferencia de precio como una pequeña compensación.

Elija Cline si el agente debe ser explícito y supervisado

Cline gana cuando los desarrolladores quieren un ciclo de agente deliberado en VS Code y no necesitan que el mismo producto genere sugerencias inline. Tiene sentido para trabajos del tamaño de una incidencia, donde las lecturas de archivos, modificaciones, órdenes y aprobaciones deben permanecer visibles. La elección cambia a Kilo o Zed si añadir otro sistema de autocompletado local introduce demasiada configuración.

Para un equipo también importa la ausencia de precio público. El uso individual es gratuito, pero Enterprise tiene precio personalizado. Valide primero el flujo de código abierto y contacte con ventas solo después de identificar el SSO, los límites de proveedor, el panel y la compatibilidad con JetBrains que necesita.

Elija Tabby si la organización se hará cargo del servicio

Tabby gana cuando un grupo de plataforma o seguridad quiere un servicio central de autocompletado, no un entorno de ejecución de modelos en cada equipo. Es la opción más clara para compartir un modelo aprobado y ofrecer una interfaz predecible mediante extensiones. La decisión cambia si el grupo no tiene un responsable para la disponibilidad, las actualizaciones, la capacidad y el soporte a desarrolladores.

No asigne esa responsabilidad de forma implícita al «equipo de infraestructura». Defina la persona o el grupo responsable, un objetivo de servicio y el precio de la GPU antes del despliegue. Un servicio local sin operador se convierte en una versión menos fiable del producto en la nube al que sustituyó.

Elija Aider u OpenCode si la terminal es el centro

Aider gana cuando los diffs de Git y los commits automáticos son la interfaz de control natural. OpenCode gana cuando el mismo agente debe moverse entre terminal, IDE y escritorio sin perder una amplia selección de proveedores. Ninguno responde directamente a la necesidad de autocompletado inline local.

El desempate está en la estructura del flujo. Elija Aider para un repositorio, un hilo de terminal y un ciclo estricto de revisión de diffs. Elija OpenCode para varias interfaces, sesiones y configuraciones de proveedores. La guía de alternativas a Claude Code es la comparación adyacente cuando la decisión gira sobre todo en torno a agentes de terminal y no al autocompletado tipo Copilot.

Comparación de costos: calcule el techo de su despliegue local

Los modelos locales permiten asumir la inferencia; no hacen desaparecer su costo. Para 10 puestos, las tarifas públicas anuales de plataforma son:

• Kilo Teams: $1,800
• GitHub Copilot Business: $2,280
• Tabby Team: $2,280
• Zed Business: $3,600

Kilo genera el único ahorro entre los planes públicos de pago de esos cuatro productos. Son $480 al año, o $40 al mes. Ese importe es el techo local: el costo mensual adicional máximo que puede absorber el despliegue antes de que desaparezca el ahorro de plataforma.

El techo debe incluir mucho más que la compra de la GPU. Sume el costo anualizado del hardware, la electricidad, el alojamiento o espacio en rack, la monitorización, las copias de seguridad, las descargas de modelos, los parches, la seguridad de endpoints, la respuesta ante incidentes y el tiempo dedicado a ayudar cuando el servicio va lento. Incluya también la penalización de calidad si un modelo local más pequeño necesita más reintentos o aumenta el trabajo de revisión.

Para Tabby Team, el techo local frente a Copilot Business es cero porque el precio por puesto es idéntico. Cualquier cómputo y administración vuelve más caro a Tabby en términos monetarios. Aun así, puede ser la decisión adecuada cuando la rentabilidad buscada es el control de datos, la disponibilidad en un entorno aislado, la independencia de modelos o un comportamiento uniforme del autocompletado.

Zed Business parte $1,320 por encima de Copilot Business para 10 puestos. Debe justificar esa prima mediante el editor y la capa de control. Para una persona, la economía de Zed es distinta: Personal es gratuito y admite modelos locales, mientras que Pro iguala los $10 mensuales de plataforma de Copilot Pro y añade funciones alojadas de Zed.

Aider, Cline Open Source, el núcleo de OpenCode, Kilo Individual, Zed Personal y Tabby Community pueden reducir a $0 la partida de software dentro de sus respectivos alcances. Para un usuario de Copilot Pro, el ahorro máximo de suscripción es $120 al año. Si ya dispone de hardware capaz, puede ser útil. Comprar una máquina principalmente para recuperar $120 anuales no tiene sentido económico.

Opciones que conviene evitar

Continue es el producto más claro que debe evitarse en un despliegue nuevo que necesite soporte dentro de esta categoría. Su página principal activa informa que Cursor adquirió Continue y que el código abierto sigue disponible como base. Eso puede bastar para que una comunidad existente bifurque o mantenga el código, pero no equivale a elegir un producto independiente con posicionamiento, precios y soporte actuales.

Los usuarios actuales de Continue no tienen que entrar en pánico. Pueden fijar versiones, auditar el repositorio y la licencia, documentar los endpoints de modelos y decidir quién asumirá el mantenimiento. Un comprador nuevo no debería clasificarlo junto a Zed, Kilo Code, Cline, Tabby, Aider y OpenCode sin reconocer ese cambio de soporte.

También conviene evitar cualquier asistente pensado para la nube cuya afirmación de ser «local» solo se refiera al indexado de archivos en el dispositivo, a una aplicación de escritorio o a una cuenta privada en la nube. La pregunta decisiva es dónde se ejecuta la inferencia para la interfaz concreta que importa. Pregunte por separado por el chat, las llamadas de agentes, el autocompletado inline, los embeddings, la telemetría, los informes de fallos, las actualizaciones y el uso compartido opcional.

Por último, evite el modelo local más grande que la máquina apenas consigue cargar. Si ocupa casi toda la memoria disponible, deja poco espacio para el contexto, el editor, las herramientas de compilación, los contenedores y el sistema operativo. Un modelo más pequeño, con llamadas a herramientas consistentes y una latencia aceptable, suele completar más trabajo que otro mayor que usa swap, agota el tiempo de espera o pierde contexto.

La acción para el lunes: un piloto con dos ingenieros

Pruebe un repositorio con dos ingenieros durante una semana antes de cambiar el plan de todo el equipo. El objetivo no es coronar un modelo a partir de un prompt sintético, sino descubrir el primer límite operativo del flujo que se pretende adoptar.

1. 1

   Defina qué tarea de Copilot falta

   Elija una tarea principal: resolver incidencias con agentes, autocompletar inline, centralizar un despliegue autohospedado o editar desde la terminal. Un piloto que intente sustituir todas las funciones de Copilot a la vez producirá un veredicto ambiguo.

2. 2

   Elija un repositorio representativo

   Use un repositorio con la combinación habitual de lenguajes, pruebas, tiempo de compilación, dependencias y restricciones de seguridad. Asigne las mismas tres tareas acotadas a los dos ingenieros: explicar un módulo, hacer un pequeño cambio en varios archivos y reparar una prueba fallida.

3. 3

   Fije el despliegue

   Registre la versión de la herramienta, el runtime local, el modelo y su cuantización, la ventana de contexto, el endpoint, el hardware, el estado de la red, la configuración para compartir y cualquier alternativa alojada. Sin ese registro, un buen resultado no puede repetirse y uno malo no puede diagnosticarse.

4. 4

   Mida el flujo, no la salida de tokens

   Mida el tiempo hasta la primera respuesta útil y hasta un diff válido, las sugerencias inline aceptadas cuando corresponda, las llamadas a herramientas fallidas, las intervenciones manuales, los reintentos y el tiempo de revisión. Registre también la latencia máxima cuando ambos ingenieros usan el servicio a la vez.

5. 5

   Tome la decisión presupuestaria

   Compare el costo anual de plataforma con el cómputo y el tiempo mensual estimado de operación. Mantenga la ruta local solo si satisface el requisito de control definido y cabe dentro del techo local, o si el beneficio de control justifica claramente rebasarlo.

La decisión del lunes debe ser pequeña: conservar la ruta local actual de VS Code, ampliar el piloto con una alternativa de la clasificación o detenerlo. No compre puestos, migre editores ni aprovisione GPU compartidas hasta que el piloto demuestre qué tarea concreta de Copilot se está sustituyendo.

Preguntas frecuentes

¿Se puede usar GitHub Copilot en local?

VS Code puede usar un modelo local para el chat, los flujos de agentes compatibles y las tareas auxiliares, sin una cuenta de GitHub ni un plan de Copilot. Los modelos alojados de GitHub Copilot no se ejecutan en local, y la ruta local integrada no incluye las sugerencias inline estándar.

¿Hay alguna forma de ejecutar Copilot en local?

La respuesta precisa es que VS Code aloja el modelo local mediante BYOK. Conecte un proveedor como Ollama y seleccione ese modelo para el chat o el trabajo de agente compatible. El autocompletado inline, la búsqueda semántica y las funciones basadas en embeddings tienen dependencias distintas.

¿Puedo usar modelos locales con VS Code Copilot?

Sí, para el chat y el trabajo de agente compatible mediante los controles de modelos de VS Code. No, para el modelo estándar de sugerencias inline al estilo de Copilot. Kilo Code y Tabby pueden añadir autocompletado local dentro de VS Code, mientras que Cline aporta un agente local.

¿Existe una alternativa gratuita a GitHub Copilot con modelos locales?

Sí. Zed Personal, Kilo Individual, Cline Open Source, Tabby Community, Aider y el núcleo de OpenCode ofrecen una ruta de software por $0. El hardware, la inferencia alojada, la gobernanza de equipos y el mantenimiento pueden seguir teniendo costo.

Obtenga la lista de verificación para auditar flujos empresariales con IA y el próximo análisis de implementación basado en evidencia suscribiéndose al boletín.