Las herramientas de codificación de IA se están moviendo a ubicaciones sorprendentes: terminales

Durante muchos años, las herramientas de edición de códigos como Cursor, Windsurf y el copilot de GitHub se han convertido en el estándar para el desarrollo de software con AI. Sin embargo, a medida que el agente AI se hizo más fuerte y comenzó la codificación atmosférica, los cambios sutiles han cambiado la forma en que los sistemas de IA interactúan con el software.

En lugar de trabajar con el código, están interactuando directamente con la carcasa del sistema instalado. Este es un cambio importante en la forma en que ocurre el desarrollo de software con AI.

La terminal es mejor conocida como la pantalla en blanco y negro que recuerdas de Hacker Films de los años 90. Esta es una forma escolar muy antigua de ejecutar programas y manipular datos. No es tan visualmente impresionante como los editores de código modernos, pero es una interfaz muy poderosa si sabe cómo usarlo. Los agentes basados en código pueden escribir y depurar el código, pero las herramientas terminales son necesarias para obtener el software del código escrito a lo que realmente está disponible.

Los signos más claros de un cambio a los terminales provienen de los principales laboratorios. Desde febrero, Humanity, DeepMind y OpenAI han lanzado herramientas de codificación de línea de comandos (Claude Code, Gemini Code y CLI Codex, respectivamente), y ya son uno de los productos más populares de la compañía.

Ese cambio es fácil de pasar por alto, ya que funciona bajo la misma marca que las herramientas de codificación anteriores. Pero bajo el capó, hubo un cambio real en cómo los agentes interactúan con otras computadoras, tanto en línea como fuera de línea. Algunas personas piensan que estos cambios apenas comienzan.

«Nuestra gran apuesta es que hay un futuro en el que el 95% de las interacciones informáticas LLM sean a través de interfaces similares a terminal», dice Mike Merrill, cocreador de bancos de terminal de referencia, centrándose en terminales importantes.

Las herramientas basadas en terminales también se están convirtiendo en herramientas únicas, ya que las herramientas notables basadas en código están comenzando a parecer inestables. El editor de código de IA Windsurf fue destrozado por la adquisición de duelo, Google contrató a los ejecutivos altos y el resto de la compañía fue adquirido por reconocimiento. El futuro a largo plazo de los productos de consumo es incierto.

Al mismo tiempo, una nueva investigación sugiere que los programadores pueden estar sobreestimando las ganancias de productividad de las herramientas tradicionales. Un estudio de METR que prueba el principal competidor de Windsurf, Cursor Pro, encontró que los desarrolladores estiman que las tareas se pueden completar un 20% -30% más rápido, pero que el proceso observado es casi un 20% más lento. En resumen, el asistente de código realmente pasó el tiempo del programador.

Esto deja aperturas de empresas como Warp, que actualmente ocupa el primer lugar en los bancos de las terminales. Warp se factura como un «entorno de desarrollo de agentes» que es el punto medio entre los programas IDE y las herramientas de línea de comandos como Claude Code.

Sin embargo, el fundador de Warp, Zach Lloyd, sigue siendo optimista en la terminal, lo que lo ve como una forma para que los editores de código como Cursor aborden los problemas fuera del alcance.

«Los terminales ocupan un nivel muy bajo en la pila de desarrolladores, lo que los convierte en el lugar más versátil para usar agentes en funcionamiento», dice Lloyd.

Para comprender cómo difieren los nuevos enfoques, puede ser útil observar los puntos de referencia utilizados para medirlos. La creación de la base de código de la herramienta se centró en resolver problemas de GitHub, la base de las pruebas de banco SWE. Cada problema en el banco SWE es un problema abierto de GitHub. Esencialmente, no es código de funcionamiento.

El modelo itera a través del código hasta que resuelve el problema y encuentra algo que funciona. Si bien los productos integrados como Cursor han creado un enfoque más sofisticado para este problema, el modelo GitHub/SWE-Bench es el núcleo de cómo estas herramientas abordan el problema.

Las herramientas basadas en terminales tienen una vista más amplia más allá del código y en todo el entorno donde se ejecuta el programa. Esto incluye la codificación, pero también las tareas orientadas a DevOps, como la configuración de un servidor GIT o la resolución de problemas por qué no se ejecutan los scripts.

En un problema de TerminalBench, las instrucciones proporcionan un programa de descompresión y un archivo de texto de destino, y desafían al agente a realizar ingeniería inversa de un algoritmo de compresión coincidente. Otra persona le pide al agente que construya un kernel de Linux a partir de la fuente y no dice que el agente necesita descargar el código fuente en sí. Para resolver problemas, necesita el tipo de habilidades de resolución de problemas alcistas que necesitan los programadores.

«No son solo las preguntas que proporcionamos a los agentes que dificultan el TerminalBench», dice Alex Shaw, cocreador de TerminalBench. «Es el entorno en el que los colocamos».

Es importante destacar que este nuevo enfoque significa abordar el problema en las etapas. Esta es la misma habilidad que hace que el agente IA sea muy poderoso. Sin embargo, incluso los modelos de agentes de última generación no pueden manejar todos estos entornos. Warp obtuvo un puntaje alto en el banco terminal resolviendo más de la mitad de los problemas. Esta es una marca de cuán desafiante es el punto de referencia y si aún debe hacerse para bloquear el potencial de la terminal por completo.

Aún así, Lloyd cree que las herramientas basadas en terminales están en un punto en el que pueden manejar de manera confiable gran parte del trabajo no codificante del desarrollador. Esta es una propuesta de valor que es difícil de ignorar.

«La urdimbre se puede hacer casi de forma autónoma la tarea diaria de configurar un nuevo proyecto, conocer las dependencias y permitirles hacerlo», dice Lloyd. «Y si no puedes hacer eso, te dirá por qué».