Replit lanza un enjambre de agentes con presupuesto

AI coding illustration: a robotic arm fitting a red block into a structure

Replit presentó el 17 de noviembre Missions. El usuario ya no tiene que dar órdenes al agente paso a paso: solo describe el resultado que quiere y fija presupuesto y permisos, y Replit coordina a un grupo de agentes que planifica, desarrolla y prueba, acercándose al objetivo ronda tras ronda. A la vez, la compañía publicó como código abierto DataCat, una plataforma de monitorización de aplicaciones creada con el propio Missions.

Es el segundo movimiento de Replit con agentes este mes. La semana pasada hizo que Replit Agent pudiera comprar y lanzar anuncios en Google en nombre del usuario; ahora sustituye al agente único por todo un grupo.

Cómo se ejecuta una misión

El ejemplo del blog de Replit es «conseguir los primeros 10 clientes empresariales de pago». En la fase de configuración, Missions empieza preguntando cómo se mide el éxito, por ejemplo, si un piloto de pago cuenta o no.

Después se fijan presupuesto y aprobaciones. El límite del ejemplo es de 1.000 dólares, y antes de contactar con clientes potenciales, enviar propuestas, modificar materiales de ventas o asumir compromisos sobre el producto, hace falta la aprobación de una persona. Una vez aprobado, varios agentes trabajan en paralelo: uno investiga a los compradores, otro prepara una demo. Cuando salen los mensajes de contacto, el sistema observa cuáles generan conversaciones útiles y ajusta la siguiente ronda.

Los informes de progreso pueden ser inmediatos, resúmenes diarios o semanales, y los agentes se ejecutan en la nube, así que cerrar el portátil no les afecta. Al terminar la tarea, un evaluador de IA independiente da el visto bueno según los criterios acordados de antemano. El blog también describe el otro desenlace posible: si el presupuesto se agota primero, el trabajo se detiene y el resultado queda en el aire.

DataCat y el grupo de control

DataCat es la plataforma de monitorización que Replit construyó para sí misma con Missions, con paneles, alertas y trazado (tracing), en 2 días y con un presupuesto de 3.000 dólares. Lo que se ha abierto es la versión autoalojable, con el código en GitHub en replit/datacat; el blog no indica la licencia.

En pruebas controladas, Replit aporta una serie de cifras:

  • Con un error de base de datos inyectado a propósito, DataCat emitió la alerta en 38 segundos, cuando el objetivo era de 60;
  • En una prueba de carga de 3 horas se escribieron 26 millones de registros de actividad y 4,4 millones de líneas de log sin pérdidas, y se superaron las 51 comprobaciones de corrección de datos y de alertas;
  • Frente a la versión de control construida con Claude Code, el rendimiento del trazado es de 49.000 frente a 9.800 elementos por segundo, la escritura de métricas de 405.000 frente a 225.000 por segundo, y la mediana de la búsqueda en logs de 0,5 segundos frente a 4,2.

Esta comparación deja varios puntos sin aclarar. El blog no dice cuánto presupuesto, cuánto tiempo ni qué prompts se usaron en la versión de Claude Code. Replit también advierte de que estas pruebas no demuestran que DataCat sea mejor que los servicios gestionados de las plataformas comerciales a las que sustituye, ni reflejan su rendimiento en el entorno de producción de Replit.

¿Más agentes significa más velocidad?

Replit también presentó una prueba de escalado con 13 tareas de NumPy para ver la relación entre el número de agentes y la aceleración. En el nivel Max, 1 agente acelera hasta 4 veces, 16 agentes llegan a 17 veces y 32 agentes a 19 veces; en el nivel Power, las tres cifras son 2, 7 y 9 veces.

De 16 a 32 agentes, el número de agentes se duplica, pero la aceleración solo crece unas dos veces: en este tramo, la ganancia del paralelismo ya se aplana de forma visible.

Frente a productos como Cursor y Devin, que también apuestan por agentes en segundo plano, la diferencia de Missions es meter el límite de presupuesto, los puntos de aprobación y la validación por IA dentro de la definición de la tarea, y ampliar el objetivo de «escribir código» a resultados de negocio como la captación de clientes. Cuánto cuesta Missions y cuántos agentes en paralelo permite cada plan, el blog no lo dice; solo remite a los clientes empresariales al equipo de ventas.

Fuentes: blog oficial de Replit, CocoLoop, repositorio de DataCat en GitHub; las cifras de rendimiento corresponden a las pruebas controladas de Replit y las condiciones de construcción de la versión de control no se han hecho públicas.