Un patrón se repite en varios vídeos: cuantos más agentes de IA tenga un sistema, más impresionante se presenta. Hemos verificado tres de estos anuncios — uno no se pudo confirmar en absoluto, otro tenía cifras de estrellas que encajan con un patrón académico conocido de manipulación, y el tercero es real pero no es tan «100% local» como promete.
El sistema de «37 agentes y 53 skills» que no se pudo encontrar
Un vídeo anuncia un sistema creado por alguien llamado «Benny»: 37 agentes, 53 skills, capacidad de crear tareas y agentes propios, subido «hace apenas varias horas». No se ha encontrado ningún sistema público que combine exactamente esas dos cifras con ese creador. Existen proyectos comparables — como Loki Mode, un sistema real de 37 agentes organizados en swarms para Claude Code — pero ninguno coincide en todos los detalles con lo descrito. El formato del vídeo (interfaz genérica, «comenta IA y te lo paso por privado») es el patrón típico de generación de leads que no exige que el producto final entregado sea el mismo que se muestra en pantalla.
«Agency Agents»: 145.000 estrellas en 10 meses, una velocidad que merece cautela
Este sí es un proyecto real: Agency Agents (msitarzewski/agency-agents) es gratuito, de código abierto, y hoy tiene más de 230 agentes especializados repartidos en 8 divisiones — cifras superiores a las citadas en el vídeo que lo presenta, probablemente porque el proyecto crece de forma continua y el vídeo se grabó con una versión anterior. Lo que sí merece atención es el ritmo de crecimiento: 145.469 estrellas y 23.517 forks en apenas 10 meses desde su creación, una velocidad extraordinariamente alta — comparable a la de los proyectos más populares de toda la historia de GitHub — que coincide con el patrón documentado académicamente de campañas de «estrellas falsas» para inflar artificialmente la credibilidad de repositorios de IA. No hay prueba directa de fraude en este caso concreto; es una señal de alerta razonable, no un hecho probado. A diferencia de otras herramientas que hemos revisado (como los routers de modelos que redirigen tráfico de API), el riesgo técnico aquí es bajo: los «agentes» son archivos de instrucciones en markdown, no código con acceso a credenciales.
DeerFlow: real, pero «100% local» es la parte que no cuadra
DeerFlow, de ByteDance, sí orquesta subagentes en paralelo dentro de sandboxes — confirmado, real, código abierto, y con 78.100 estrellas (muy por encima de las «22.700» citadas, que corresponden a una instantánea muy temprana tras el lanzamiento). Lo que no se sostiene es el «100% local»: el razonamiento del agente necesita conectarse a una API externa (OpenAI, Claude, Gemini, DeepSeek) o, como mínimo, a un modelo local vía Ollama configurado explícitamente. Solo la ejecución del sandbox de código es local por defecto — el cerebro del sistema no lo es, salvo que el usuario lo configure así.
El patrón de fondo
En los tres casos, la cifra de agentes es lo que más se destaca en el titular, y es precisamente lo menos relevante para decidir si una herramienta te sirve. Un sistema de 158 agentes mal orquestado rinde peor que 3 agentes bien acotados con permisos claros — la cantidad no sustituye al diseño.
Cómo lo aplicamos nosotros
Cuando diseñamos un sistema multiagente para un cliente no partimos de «cuántos agentes necesito para que suene impresionante», partimos de cuántos hacen falta de verdad para la tarea concreta que hay que resolver — casi siempre son muchos menos de los que promete cualquier repositorio con un número grande en el nombre.
Si estás valorando montar un sistema de agentes de IA para tu negocio y quieres un criterio real de cuántos hacen falta, hablemos. Escríbenos desde el formulario de contacto.