Más allá de los modelos LLM: agentes, plugins y el ecosistema abierto

¿Es idea mía o el lanzamiento frenético de modelos nuevos de video e imagen ha sido superado en el último tiempo por los LLM? Tras analizar la conversación, es evidente que desde hace unos meses el ritmo de lanzamientos visibles favorece claramente a los grandes modelos de lenguaje. Mientras que la imagen y el vídeo parecen haber entrado en una fase de consolidación—con proyectos como Wan 2.x o Kling optimizando velocidad y calidad en lugar de lanzar nuevas arquitecturas—, los LLM siguen rompiendo cada semana.

Este cambio no es casualidad. El mercado está recompensando más a los modelos de lenguaje porque pueden venderse como asistentes empresariales o copilotos, generando ingresos directos. Además, una tendencia crucial es la convergencia: cada vez vemos modelos multimodales capaces de entender texto, imágenes y vídeo en una misma arquitectura.

La guerra del mercado: China vs Estados Unidos

Aquí surge una contradicción interesante que redefine el panorama tecnológico. Con el reciente lanzamiento de Kimi K3, China sigue lanzando modelos gratuitos y poderosos, mientras que Estados Unidos parece estar restringiendo y guardando sus modelos más avanzados tras pagar por ellos.

¿Cuál es la consecuencia esperable? Si los modelos chinos mantienen una calidad muy alta pero son accesibles, podrían convertirse en el estándar para proyectos abiertos. Es probable que aumente la fragmentación: un ecosistema occidental dominado por OpenAI y Google, y otro más abierto alrededor de Kimi y DeepSeek.

Lo más llamativo es que hace apenas dos años muchos pensaban que China llevaba bastante retraso en IA generativa. Hoy la conversación ha cambiado: ya no se pregunta si puede alcanzar a EE. UU., sino si puede igualarlo ofreciendo modelos mucho más baratos o incluso abiertos. Esa ventaja suele ser muy difícil de revertir una vez que se consolida.

Desmitificando los ‘Agentes’ en IA

Moverse por estos lanzamientos nos lleva a la siguiente pregunta: ¿qué es realmente un agente? A menudo, los vídeos muestran IAs interactuando con navegadores o sistemas como si fuera magia. Pero al desglosarlo, vemos que un agente no es un «nuevo tipo de IA», sino simplemente un LLM rodeado de módulos.

Imagina un modelo aislado: puede conversar y razonar, pero no sabe qué hora es ni puede abrir archivos. Al añadir herramientas—como acceso al sistema de archivos, ejecución de Python o control del escritorio—el modelo deja de ser solo texto para convertirse en un agente capaz de actuar.

La clave aquí es entender que el LLM es el cerebro, pero las herramientas son las manos. El modelo no ejecuta nada por sí mismo; siempre hay un programa intermediario que interpreta sus decisiones.

¿Y qué pasa con la seguridad?

Con todo este poder, surge una duda natural: ¿el riesgo de instalar modelos gratuitos localmente equivale a tener un tigre de bengala en el living? La respuesta es no. Un modelo local sin conexión y sin herramientas no puede hacer gran cosa por sí mismo.

El riesgo aparece cuando empiezas a darle capacidades como acceso al sistema de archivos o ejecución de comandos. Si además tiene permisos elevados, podría causar daños. Por eso, la seguridad depende mucho más de los plugins y los permisos que del propio modelo.

LM Studio: Plugins, módulos y el problema del archivo

Moving to a practical application, let’s look at LM Studio. A user recently encountered an issue where the software failed to read an attached text file alongside the model Gemma. The initial assumption might be that this is a limitation of the model itself.

However, upon closer inspection, it becomes clear that in LM Studio, almost all capabilities depend on additional modules rather than the model’s inherent knowledge. A model like Gemma cannot open files by itself; it requires the application to read the content and insert it into the context.

This highlights a crucial distinction between what the model knows and what LM Studio allows. The application must implement specific functions—like reading text files, PDFs, or images—for the model to utilize them.

When exploring the available plugins for this ecosystem, we find that LM Studio has largely adopted MCP (Model Context Protocol) as its extension system rather than a massive proprietary store. Available tools include:

• Sistema de archivos: para leer y gestionar carpetas.
• Web Search: para búsquedas actualizadas como DuckDuckGo.
• Playwright: para controlar un navegador real.
• Python: para ejecutar scripts y procesar datos.

If the user had installed a Filesystem MCP module, LM Studio would have opened the file and passed its content to the model. Without it, the application simply ignores the attachment.

Playwright: ¿Funciona realmente?

The conversation also touched on Playwright, a tool that powers many automated browser interactions seen in AI demos. Is it reliable? Yes, but with caveats. It works much better than traditional scripts because it uses the page’s structure (the DOM) rather than fragile coordinates.

However, when an AI has to control desktop applications or older programs, the success rate drops significantly. The difference between a well-designed web page and an old Windows application is massive.

In conclusion, while LM Studio’s capabilities are heavily dependent on these external plugins, the combination of a capable model like Gemma with the right MCP tools creates a powerful, adaptable agent system that can automate tasks far beyond simple text generation.