Estable, rápido, productivo, barato: mi stack de AI Coding, documentado entero

El argumento central se publicó primero en X; este artículo es la crónica completa de mi configuración.

La conclusión primero: OpenCode + OpenChamber + una suscripción DeepSeek V4 Flash vía OpenCode Go + una suscripción DeepSeek V4 Flash vía Ollama Cloud.

Llevo mucho tiempo usando este combo a tope, y se resume en cuatro palabras: estable, rápido, productivo, barato. He tenido 15 proyectos abiertos a la vez, todos picando código, y la cuota apenas se movió.

Por qué OpenCode + OpenChamber

El proceso de elección está en otro artículo; aquí solo las razones a nivel de resultado. OpenCode es hoy el núcleo multi-modelo más equilibrado — open source, muchos Provider, Client/Server, app de escritorio y Subagents maduros. OpenChamber es el Harness GUI open source con el frontend mejor pulido que he usado: su autor lo mantiene con muchísimo cariño, refinado, estable, y sus pequeños bugs ocasionales no estorban para nada el uso a largo plazo.

Interfaz web + PWA — casi indistinguible de un cliente de escritorio, y actualizaciones sin tocar nada.

La configuración gira en torno a tres necesidades

Mi configuración de OpenCode se construye sobre tres cosas: gestión del Context, sistema de memoria y capacidades externas.

1. opencode-dcp (open source) — poda dinámica de Context. Cuando el Context llega a un umbral, comprime automáticamente el contenido viejo en resúmenes técnicos: conserva la información clave, tira el ruido, limpia duplicados y elimina del Context el contenido de bajo valor, como los errores de herramientas. Sesiones largas sin que explote el Context — es la base que permite que una tarea larga siga corriendo todo el día.

2. opencode-goal-plugin — gestión de objetivos. Añade modo Goal a las tareas largas, para poder jalar de vuelta al agente cuando se desvía.

3. Hermes Memory — memoria en capas (si hay demanda, la abro como open source más adelante). Mi plugin más pesado: porté a OpenCode el mecanismo de memoria en capas del agente Hermes, que recuerda entre sesiones las preferencias del usuario, las decisiones del proyecto y las lecciones pasadas. Los proyectos nuevos no empiezan de cero.

4. context7-MCP. Consulta las últimas docs oficiales de librerías y frameworks — sin buscar a mano.

5. grep-MCP. Busca usos reales en todo el código de GitHub — mucho más fiable que escribir de memoria.

6. open-computer-use — automatización de escritorio. Permite que la IA opere directamente apps de macOS: clics, tecleo, scroll, arrastre, capturas, lectura del árbol de accesibilidad. Espectacular en pruebas y aceptación.

Las cuentas de coste: cómo se gastan dos suscripciones

DeepSeek V4 Flash es el núcleo de rentabilidad de este stack: de verdad inteligente, de verdad barato. La suscripción de OpenCode Go cubre el workflow principal; la de Ollama Cloud actúa como segundo canal para repartir carga — las dos suscripciones juntas cuestan menos que un plan de codificación first-party de los de siempre, y producen más.

La famosa idea de que "los modelos dentro de shells de terceros se aboban" hay que desmontarla: la raíz de la degradación es una shell que no hace Harness Engineering para el modelo, no el acto de cambiar de shell en sí. El soporte de OpenCode para modelos abiertos es de primera división, y DeepSeek V4 Flash corre dentro estable y rápido — justo por eso me atrevo a apilar 15 proyectos encima.

La lección: volver a la combinación original

En los grupos preguntan a menudo: ¿existe un escritorio universal de codificación con IA? Uno que conecte con todas las suscripciones y que nunca abobe a ningún modelo?

Después de hablar con unos cuantos amigos que trastean a fondo cada día, la conclusión fue unánime: no existe. Cada modelo con su combinación original.

• GPT → Codex: suscripción oficial en conexión directa, el scheduling nativo más estable.
• Gemini → AntiGravity: el techo de velocidad, ventanas largas sin atascos.
• DeepSeek, GLM y otros modelos abiertos → Harness amigos de los modelos abiertos como OpenCode / ZCode.

Mete un modelo en una shell que no le pega y básicamente no escapas de la degradación, la lentitud y las suscripciones que no funcionan. Cada modelo en el sitio donde está más a gusto — la combinación es tu stack.

Para acabar

Este stack lleva meses corriendo, y el mayor cambio no es cuánto dinero he ahorrado — es que me atrevo a abrir tareas. Como es estable y barato, abrir 15 proyectos no me asusta. El valor de un stack de herramientas acaba midiéndose en cuánto trabajo te atreves a cargarle.