5 proyectos de IA de código abierto que vale la pena probar: FreeLLMAPI, OpenDots, T3 Code, Elephant Goldfish y FluidVoice

La respuesta corta

Son cinco proyectos de código abierto que giran alrededor de los modelos de IA que ya usas. FreeLLMAPI reparte las peticiones de tu aplicación entre los proveedores de modelos que has conectado. OpenDots, de CopilotKit, da a agentes con nombre un espacio de trabajo al que puedes volver. T3 Code junta en un solo sitio tus sesiones de programación con Codex y Claude, sus archivos y sus cambios. Elephant Goldfish de Google hace que revisores sin contexto previo revisen un plan escrito antes de que lo construyas. FluidVoice es dictado local para Mac.

El código es abierto, pero eso no hace que todo sea gratis. Varios de ellos siguen enviando el trabajo a servicios de modelos de pago o con límites, y cada sección indica cuáles. Si ya programas con IA, prueba T3 Code y después Elephant Goldfish. Para investigación y documentos, empieza por OpenDots.

1. FreeLLMAPI: un router para tus proveedores de modelos

FreeLLMAPI le da a tu aplicación una sola dirección compatible con OpenAI a la que enviar sus peticiones. Detrás, el router las pasa a los proveedores que has añadido (Groq, por ejemplo) y, si uno llega a su límite gratuito o falla, salta al siguiente modelo de tu cadena de respaldo. El router se ejecuta en tu ordenador, pero los modelos no: las peticiones siguen yendo a la nube de cada proveedor, y sigues dentro de la cuota de cada uno. El propio README del proyecto dice que es para experimentar y aprender, no para producción.

También tiene lanzadores para clientes de programación. npx freellmapi launch abre Claude Code a través del router, pero quien responde es el modelo que hayas configurado: tienes la interfaz de Claude Code, no acceso gratis a los modelos de Claude. En este vídeo explicamos el enrutado documentado sin hacer una prueba de respaldo nueva; nuestra guía anterior de FreeLLMAPI (https://lukejbyrne.com/library/guides/txy-dy0x1y4/?lang=es) recorre la instalación que usamos con Claude Code.

1. Instálalo: el .dmg de macOS o el .exe de Windows desde la página Releases del proyecto, o el comando de Docker en una línea del README (curl -fsSL https://freellmapi.co/install.sh | bash). Una instalación de servidor necesita Node 20 o posterior, o Docker.
2. Abre el panel (http://localhost:3001 en una instalación de servidor; la aplicación de escritorio abre el suyo desde el icono de la barra de menús) y añade las claves de tus proveedores en la página Keys.
3. Reordena la Fallback Chain para que se prueben primero los modelos que prefieres.
4. Envía un prompt normal en el Playground y mira qué proveedor y qué modelo respondieron, y si la respuesta sirve para lo que necesitas.
5. Solo entonces apunta tu cliente a la dirección del router (http://localhost:3001/v1 en una instalación de servidor) con la clave unificada que aparece en la página Keys. Mantén esa clave en privado.

2. OpenDots: un espacio de trabajo abierto para agentes

OpenDots es la versión de código abierto de los Dots de ChatGPT, hecha por CopilotKit: agentes con nombre (los Dots) con sus propias instrucciones, acceso al material que necesitan y Spaces donde viven sus documentos. En vez de pegar el mismo encargo en un chat nuevo cada vez, mantienes juntos el agente, la conversación y el documento. En nuestro recorrido anterior por OpenDots (https://lukejbyrne.com/library/guides/dwalirqzh3o/?lang=es) conectamos un modelo, creamos un Dot investigador y le dimos una tarea; nos trajo un borrador para revisar, el primer borrador necesitó una corrección, y aprobar y guardar dejó una página editable en el espacio de trabajo.

No es una aplicación totalmente sin conexión. Las conversaciones necesitan CopilotKit Intelligence (alojado, o una evaluación local con Docker que igualmente pide iniciar sesión en CopilotKit y conexión a internet), y el proveedor del modelo recibe la conversación. Nuestra configuración usó una clave de API de OpenAI de pago; las páginas se guardaban en local. Los ordenadores por Dot, con navegador y terminal, llegan a través de OpenBot de CopilotKit, que es otro servicio que configurar, así que primero haz funcionar un solo Dot investigador en un solo Space. El repositorio se presenta como una plantilla en fase temprana, no como un producto alojado.

1. Instala Node.js 24 y npm, y clona el repositorio: git clone https://github.com/CopilotKit/OpenDots.git y luego cd OpenDots
2. Instala y configura: npm ci y después cp .env.example .env
3. Arráncalo con npm run dev y abre http://127.0.0.1:5173. Puedes crear Spaces y páginas antes de conectar nada.
4. Conecta las conversaciones: para Intelligence alojado ejecuta npx copilotkit@latest login y npx copilotkit@latest project select (escribe CPK_INTELLIGENCE_API_KEY en .env), o sigue docs/SETUP.md para la evaluación local con Docker. No ejecutes copilotkit onboard en esta carpeta.
5. Añade OPENAI_API_KEY y OPENAI_MODEL a .env (tu propia clave, fuera de pantalla), reinicia npm run dev y crea un Dot con un papel claro y un Space para sus páginas.

3. T3 Code: tus sesiones de Codex y Claude en un solo sitio

T3 Code es un panel de control para los agentes de programación que ya tienes en tu equipo. Abres un proyecto, eliges un proveedor que hayas instalado y en el que hayas iniciado sesión, y empiezas un hilo para la tarea. Ese proveedor sigue siendo el que programa, con tu propia suscripción de Codex o Claude (nosotros llegamos a un límite de cuenta durante las pruebas); T3 mantiene juntos la conversación, los archivos y los cambios para que no tengas que seguirlos por varias ventanas de terminal.

Probamos la versión 0.1.7 construyendo un horario de taller: pones una hora de inicio y las secciones, das una duración a cada una, y el resto del horario se mueve cuando una se alarga; guarda el plan y lo exporta a CSV. Codex construyó la primera versión. Después Claude recibió una copia en un hilo nuevo de T3 con una petición concreta: un taller de 90 minutos se había alargado a 105, había que devolverlo a 90, dejar fijos los 10 minutos de bienvenida y los 15 de preguntas, y acortar solo las dos secciones centrales de 40 minutos. La aplicación revisada repartió los 65 minutos en 33 y 32, mostró una vista previa antes de aplicarlo, y Deshacer devolvió los tiempos originales. También probamos la configuración de worktree de T3, para que el agente trabajara en una copia aparte, y abrimos la interfaz en Safari en un iPhone conectado a la misma wifi para enviar un mensaje.

1. Primero instala al menos un proveedor e inicia sesión, por ejemplo la CLI de Codex (codex login) o Claude Code (claude auth login).
2. Pruébalo una vez sin instalarlo: npx t3@latest. Para instalarlo, usa el script del README (curl -fsSL https://t3.codes/install.sh | sh y después ejecuta t3) o la aplicación de escritorio (brew install --cask t3-code en macOS).
3. Abre tu proyecto, elige el proveedor y empieza un hilo para una sola tarea.
4. Pide un cambio que puedas comprobar: di qué valores pueden cambiar y qué resultado esperas, en vez de «mejora la aplicación».
5. Revisa los archivos y los cambios en T3 antes de quedártelos; usa un worktree si quieres dejar intacta la copia original.

4. Elephant Goldfish de Google: revisores con contexto limpio

Elephant Goldfish (EGM) es un plugin con licencia Apache-2.0 publicado en la organización de GitHub de Google; su README dice que no es un producto con soporte oficial de Google. El elefante es el agente que tiene el contexto de tu proyecto y te ayuda a sacar el plan. Los peces de colores son revisores que solo reciben la especificación escrita y los archivos que se les dan, así que tienen que trabajar con lo que de verdad está escrito y pueden detectar requisitos que faltan o casos complicados mientras todavía puedes cambiar el plan. Nuestra guía de instalación de Elephant Goldfish (https://lukejbyrne.com/library/guides/vm3_aieah8w/?lang=es) explica el flujo con más detalle.

Lo comparamos con Claude solo, con dos revisores sin contexto a los que pedimos revisar, corregir el plan y construir: mismo modelo, mismos ajustes. Las dos webs pasaron las mismas 11 comprobaciones independientes. Después filtramos la biblioteca de guías por Tripo, pulsamos Copiar enlace y cambiamos enseguida el filtro a Codex, con la copia al portapapeles todavía en marcha, así que falló. La versión simple mostró el enlace antiguo de Tripo bajo los resultados de Codex; la versión con EGM detectó el cambio y lo impidió, un arreglo que pudimos rastrear hasta uno de los hallazgos de la revisión de EGM. Es una sola comparación, no un veredicto sobre el método; la guía completa de la comparación (https://lukejbyrne.com/library/guides/jtgauklu4ga/?lang=es) incluye los encargos, las revisiones y los resultados.

1. En Claude Code: claude plugin marketplace add google/elephant-goldfish-model y después claude plugin install egm@egm. En la CLI de Codex: codex plugin marketplace add google/elephant-goldfish-model y después codex plugin add egm@egm.
2. Abre una sesión nueva después de instalarlo. La lluvia de ideas y la revisión necesitan una sesión que pueda crear subagentes nuevos.
3. Explora la idea con /egm:egm-brainstorm, redacta la especificación con /egm:egm-draft y revísala con /egm:egm-review design_draft.md (en Codex, elige la skill de EGM correspondiente).
4. Trabaja los hallazgos y cambia el plan antes de construir.

5. FluidVoice: dictado local en Mac

FluidVoice es una aplicación para Mac con licencia GPL-3.0 que convierte tu voz en texto en tu propio ordenador y lo escribe en otras aplicaciones, así que puedes usarla en todas partes, también para dictar instrucciones largas a tus agentes de programación. Elige un modelo de voz que admita el idioma en el que vas a hablar: Parakeet TDT v2 y Parakeet Flash son solo para inglés, Parakeet TDT v3 cubre 25 idiomas y Whisper hasta 99. Necesita macOS 15 o posterior; los Mac con Apple Silicon ejecutan todos los modelos y los Mac con Intel usan los modelos Whisper. No hemos medido por nuestra cuenta la precisión ni la velocidad de FluidVoice, así que pruébalo con tu propia voz antes de fiarte.

Ten claro qué se queda en local. La aplicación principal es de código abierto y transcribe en tu Mac. La mejora opcional Fluid Intelligence también se ejecuta en local (un modelo de unos 3,5 GB), pero ese motor se mantiene en privado, no es de código abierto. La opción AI Enhancement con OpenAI, Groq o un proveedor personalizado envía tu texto a ese proveedor, así que comprueba cuáles tienes activadas si quieres que todo se quede en tu Mac. Si te interesan los modelos de voz, comparamos ocho modelos locales de transcripción con el acento escocés de Luke (https://lukejbyrne.com/library/guides/qpsxna4gtfq/?lang=es).

1. Instálalo con Homebrew (brew install --cask fluidvoice) o desde las Releases de GitHub del proyecto.
2. Concede acceso al micrófono y acceso de Accesibilidad (necesario para escribir en otras aplicaciones).
3. En la configuración inicial, elige y descarga un modelo de voz para tu idioma y define tu atajo.
4. Dicta una frase o un párrafo en un campo de texto, incluidos los nombres que dices a menudo, y mira la vista previa en directo.
5. Solo después prueba dictados más largos y las opciones de limpieza o mejora. El primer intento de Luke con IA de voz local, una nota de diez minutos, no funcionó, así que empieza por fragmentos cortos.

Cuál probar primero

FreeLLMAPI pone los planes gratuitos de varios proveedores detrás de una sola conexión. OpenDots te da un espacio de trabajo para agentes. T3 Code te ayuda a gestionar agentes de programación, Elephant Goldfish revisa sus planes y FluidVoice te deja dictar tus instrucciones. Si ya programas con IA, prueba T3 Code y después Elephant Goldfish. Para investigación y documentos, empieza por OpenDots.

No montes todo tu flujo de trabajo contando con que un proveedor gratuito siga disponible, y guarda tus claves de API en archivos .env o en el almacén de claves de cada aplicación, nunca en un chat, una captura de pantalla o un commit.

Enlaces

FreeLLMAPI (MIT): https://github.com/tashfeenahmed/freellmapi. OpenDots (MIT): https://github.com/CopilotKit/OpenDots, con sus notas de instalación en https://github.com/CopilotKit/OpenDots/blob/main/docs/SETUP.md. T3 Code (MIT): https://github.com/pingdotgg/t3code.

Elephant Goldfish (Apache-2.0): https://github.com/google/elephant-goldfish-model y https://egm.dev/. FluidVoice (GPL-3.0): https://github.com/altic-dev/FluidVoice. Sigue el README de la versión que instales. Esta guía es gratis y no pide tu email.

Conclusión

Elige el proyecto según el trabajo: FreeLLMAPI para probar modelos de varios proveedores, OpenDots para un espacio de trabajo de agentes que perdura, T3 Code para gestionar agentes de programación, Elephant Goldfish para revisar un plan antes de construir y FluidVoice para dictar en tu Mac. El código es abierto, pero comprueba a qué servicios de modelos sigue enviando tu trabajo cada uno.