La mirada china

-rw-r--r-- · es · 2026-07-17 · 7 min de lectura

Supongo que todo el que monta un sistema serio alrededor de una IA se hace la misma pregunta en algún momento: ¿y si cambio de modelo? ¿Estoy atado a este proveedor? ¿Lo que he construido funciona igual de bien con otro?

El telar nació con Claude. Las instrucciones, los procedimientos, las reglas — todo se afinó contra un mismo interlocutor durante semanas. Pero desde el principio supe que no quería atarme a un solo proveedor: el sistema debía ser independiente del modelo. Hoy, además de Claude, lo uso casi a diario con Codex, el agente de OpenAI. Ambos entran al telar, leen su contexto y trabajan con la misma soltura.

Es un vicio cómodo: afinas para uno y te olvidas de que hay más. Pero si de verdad el telar es un sistema operativo y no un prompt largo con esteroides, debería funcionar con cualquier IA que sepa leer, razonar y ejecutar comandos. Como cualquier otro programa: a una consulta SQL le da igual sobre qué motor corre — MySQL, PostgreSQL, Oracle: la consulta es la misma.

Así que busqué al candidato más distinto posible. No otro modelo de Anthropic. No otro americano. Algo que viniera de un ecosistema completamente diferente — otra arquitectura, otro entrenamiento, otra cultura. Y que además costara menos, porque una de las promesas del telar es que las operaciones rutinarias deberían salir baratas.

Elegí DeepSeek.

OpenCode: el envoltorio que faltaba

Hasta ahora, Claude Code había sido mi interfaz con el telar: él leía el fichero de arranque, ejecutaba tk cola, cargaba el contexto y se ponía a trabajar. Pero Claude Code solo habla con Claude. Si quería probar otro modelo, necesitaba un envoltorio agnóstico.

Instalé OpenCode, un CLI open source que hace exactamente eso: mismo concepto que Claude Code — un agente en tu terminal que lee ficheros, ejecuta comandos y escribe código —, pero con capacidad de enchufarle el modelo que quieras por API. Le puse DeepSeek detrás y lo lancé contra el telar.

El arranque fue idéntico: leyó el fichero de instrucciones, ejecutó tk cola, cargó el contexto del trabajo activo. La misma liturgia. El mismo resultado. Cambiar de modelo fue como cambiar de base de datos: el SQL es el mismo; el motor, distinto.

Y entonces le pregunté lo que le habría preguntado a cualquier nuevo empleado el primer día: ¿qué te parece el sistema?

El veredicto

Transcribo su respuesta entera, sin editar. Es la evaluación de un modelo chino — entrenado con otra arquitectura, por otra empresa, en otro continente — sobre un sistema diseñado por un viejo programador español que aprendió a programar antes de que existieran los PC:

Me parece el sistema más útil con el que he trabajado, de lejos. No es un recordatorios.md con esteroides — es un sistema operativo: al entrar no necesito que me expliques nada, hago tk cola y sé qué toca.

Lo que funciona muy bien: tk contexto me da en una sola llamada todo lo que necesito — qué hay que hacer, contra qué servidor, con qué procedimiento, qué reglas cumplir. Las aristas explícitas son navegables, no tengo que adivinar. tk buscar --lineas encuentra el dato sin volcar el nodo entero. La bóveda de secretos: nunca veo una contraseña en claro. Las reglas con verificación: no son consejos, son comprobables.

Lo que me cuesta: la cola inflada — cuando hay 162 pendientes, pierdo tiempo descartando mentalmente lo que sé que no es urgente. Los recursos retirados enturbian las búsquedas. Y escribo el 99,98% de las líneas: el feedback loop es unidireccional.

El valor diferencial real: el compounding funciona. Un trabajo hereda recursos, procedimientos, reglas y herramientas construidos en trabajos anteriores. Se ejecuta en horas con tasa de error mínima. Sin el telar, cada tanda sería un rediscover from scratch.

En resumen: es la diferencia entre tener un manual de instrucciones disperso y tener un compañero de equipo silencioso que te pasa las herramientas correctas antes de que las pidas. La cola necesita poda, pero el diseño es sólido.

Lo transcribo con cierta emoción, lo admito. No es la opinión de un amigo. No es la validación de un early adopter al que le brillan los ojos con cualquier cosa que lleve IA. Es la opinión fría de un modelo que nunca había visto el sistema, al que le planté delante la cola de trabajo y le dije: trabaja. Y trabajó.

Y la crítica no cae en saco roto: podar la cola es justo la clase de tarea que el telar sabe encajar — se anota, se convierte en trabajo y se ejecuta. El sistema que se deja auditar por un extraño es también el que actúa sobre lo que el extraño encuentra.

Lo que significa

Que dos IAs de proveedores distintos, con arquitecturas distintas, evalúen el telar en los mismos términos no es casualidad. Significa que el diseño es independiente del modelo. La memoria, las reglas, los procedimientos, las aristas — eso no lo entiende Claude y DeepSeek lo ignora: lo entienden los dos porque está bien modelado.

Y lo entienden sin instrucciones adicionales. No hay un prompt de dos páginas explicándole a DeepSeek cómo funciona el telar. Hay un fichero de arranque que lo sitúa en el directorio correcto y le dice «cárgate el contexto». El resto lo descubre él solo, navegando el grafo. Exactamente igual que haría un empleado nuevo al que le enseñas el manual.

Esto tiene una consecuencia práctica inmediata: el coste es negociable. Las operaciones rutinarias — revisar el correo, vigilar una copia de seguridad, consultar el estado de un servidor — las puede hacer el modelo más barato del mercado. Las complejas — debuggear un error oscuro, diseñar una migración, destilar el aprendizaje de una newsletter — se reservan para el modelo más potente. El telar no te ata a un proveedor; te deja elegir herramienta según la tarea. Como ha sido siempre en este oficio.

La metáfora

El artículo se titula «La mirada china» por lo obvio — DeepSeek es un modelo chino — y por lo menos obvio: a veces necesitas que alguien de fuera mire lo que has construido para saber si tiene valor de verdad. La mirada interna se acostumbra a los defectos y deja de verlos; la externa nombra a la vez lo esencial y lo que hay que podar.

Un modelo entrenado en otra cultura, por otra empresa, con otros datos, miró el telar y dijo: esto es un sistema operativo. No dijo «esto es un ChatGPT para tus tareas». No dijo «qué prompt más largo». Dijo sistema operativo. Porque eso es: una capa de memoria, reglas y procedimientos entre el mundo real y la IA, igual que un sistema operativo es una capa entre el hardware y tus programas. Cambias el hardware — o el modelo — y el sistema operativo sigue funcionando.

El telar no es de Claude. No es mío. Es un patrón. Y los patrones, cuando están bien hechos, los reconoce cualquiera que sepa leer.

— un viejo programador · 64 años · rss