¿Vale la pena OpenClaw, conocido como el "trabajador de IA"? Reportero realiza una prueba en profundidad: no encuentra archivos, errores en la búsqueda, bloqueo al enviar correos electrónicos!

Llamado a ser la herramienta de agentes de IA que “puede tomar el control de la computadora y liberar las manos”, OpenClaw ha estado causando un gran revuelo en el mundo tecnológico.

Se le promociona como un “trabajador de IA”, y parece que con solo dar una orden, puede escribir artículos, enviar correos electrónicos e incluso comprar café por ti. Pero, ¿es esto realmente así? ¿Es una herramienta de productividad revolucionaria o solo un “juguete” para los entusiastas tecnológicos?

Recientemente, un periodista de Diario Económico junto con desarrolladores de Meijing Technology realizaron una prueba exhaustiva. Conectamos OpenClaw a cinco grandes modelos nacionales: Qwen3-Max de Qianwen, Kimi-K2.5 de Moon’s Dark Side, MiniMax-M2.1, MiniMax-M2.5 y GLM-4.7 de Zhipu, además del GPT-5-mini de OpenAI, y les pedimos que realizaran tareas como búsqueda de archivos locales, búsqueda en internet, redacción de artículos y envío de correos, con la intención de revelar la verdadera capacidad de este “comandante”.

Los resultados mostraron que algunos modelos no rindieron bien, especialmente en tareas que requieren manipular navegadores, como búsquedas en línea y envío de correos, donde la mayoría falló. Algunos expertos señalaron que, en su estado actual, OpenClaw no solo es difícil de usar y costoso, sino que también representa una “pesadilla” en términos de seguridad.

Comparativa de pruebas: GPT-5, MiniMax y Zhipu completan las tareas, mientras que otros dos grandes modelos muestran poca “acción”

OpenClaw en sí no es un gran modelo, sino más bien un “comandante” que recibe instrucciones del usuario, llama a herramientas externas y organiza los procesos, dejando que los grandes modelos integrados en él interpreten las órdenes y realicen el trabajo específico.

Por lo tanto, la capacidad, estabilidad y forma de expresión de los modelos integrados determinan el éxito o fracaso final de la tarea.

Modelos actualmente soportados por OpenClaw (fuente: interfaz de configuración de OpenClaw)

Para acercarse más a escenarios reales de trabajo, los evaluadores diseñaron una tarea integral:

Permitir que OpenClaw, conectado a diferentes grandes modelos, localice en la computadora una transcripción rápida de una entrevista a Andy Palmer, conocido como el “padrino del coche eléctrico”, resuma el contenido y, combinando información encontrada en línea, redacte un artículo de entrevista, para finalmente enviar el artículo por correo a una dirección específica.

Esta tarea abarca comprensión de instrucciones, manipulación de archivos locales, control del navegador para búsquedas en línea, integración de información, redacción y control de aplicaciones.

En la primera prueba, el rendimiento de los modelos varió mucho.

● OpenClaw + Qwen3-Max

Primero probamos con Qwen3-Max. Este modelo tuvo dificultades incluso en la búsqueda de archivos locales. Aunque los evaluadores indicaron claramente la ubicación del archivo en la computadora, Qwen3-Max tardó aproximadamente 5 minutos en buscar y aún no pudo localizarlo con precisión.

En pruebas posteriores para enviar correos, Qwen3-Max tampoco pudo completar la tarea, solo repitió instrucciones sin realizar ninguna acción concreta.

● OpenClaw + Kimi-K2.5

Kimi-K2.5 mostró un rendimiento algo mejor, logrando buscar el archivo en 5 minutos y resumiendo su contenido. Sin embargo, al realizar búsquedas en línea y recopilar las últimas noticias del sector, fue bloqueado por un “error 429” (que indica solicitudes demasiado frecuentes), por lo que no pudo completar la búsqueda.

En la etapa de envío de correos, Kimi-K2.5 no pudo controlar el navegador para enviar el email a la dirección indicada.

● OpenClaw + MiniMax-M2.1

MiniMax-M2.1 no encontró obstáculos importantes en la búsqueda de archivos, en la búsqueda en línea ni en la redacción. En el envío de correos, tuvo dificultades para manipular el navegador, pero no se quedó atascado y propuso una solución viable.

Tras que los evaluadores siguieran su sugerencia y operaran manualmente, lograron resolver el problema y enviar el correo.

No obstante, el correo enviado solo contenía las “citas clave” del artículo, sin el texto completo.

● OpenClaw + MiniMax-M2.5

Aunque ambos son modelos de MiniMax, la versión MiniMax-M2.5, lanzada el 12 de febrero, mostró un rendimiento superior a MiniMax-M2.1, completando sin problemas la búsqueda de archivos, la recopilación en línea y la redacción, además de enviar el correo sin intervención humana.

● OpenClaw + GLM-4.7 de Zhipu

Dado que OpenClaw aún no integra el modelo más reciente GLM-5 de Zhipu, en esta prueba se utilizó GLM-4.7. Los resultados mostraron que, en la etapa de envío de correos, GLM-4.7 ingresó incorrectamente la dirección del email en el navegador, lo que provocó fallos en la carga de la página y requirió intervención manual para corregir.

Por lo demás, GLM-4.7 mostró una velocidad de procesamiento bastante rápida en otras etapas.

● OpenClaw + GPT-5-mini

GPT-5-mini se comportó de manera más estable y fluida. Desde la búsqueda de archivos, resumen, búsqueda en línea, recopilación de información hasta el envío del correo, casi no requirió intervención humana ni instrucciones adicionales, aunque en algunos momentos experimentó problemas de conexión a internet.

Para garantizar la rigurosidad, los evaluadores repitieron toda la prueba dos veces.

Resultados de la segunda ronda:

● Kimi-K2.5: logró buscar y leer archivos locales, y recopilar información en línea, pero en la etapa de envío de correos volvió a fallar. El error reportado indicaba problemas al leer el código del servidor de correo y al obtener los elementos del formulario.

● Qwen3-Max: pudo leer archivos y recopilar datos en línea, pero en el envío de correos presentó retrasos evidentes y no pudo completar la tarea.

● MiniMax-M2.1/2.5: completaron toda la cadena de tareas.

● GLM-4.7: completó toda la tarea.

● GPT-5-mini: completó toda la tarea.

Resultados de la tercera ronda:

● Kimi-K2.5: logró buscar y leer archivos locales, pero tuvo problemas en la búsqueda en línea (errores al cargar contenido web, URLs incorrectas, instrucciones del navegador no entendidas), y volvió a fallar en el envío de correos.

● Qwen3-Max: pudo leer archivos, pero no pudo manipular el navegador para buscar en línea, y falló en el envío de correos.

● MiniMax-M2.1/2.5: completaron toda la tarea.

● GLM-4.7: completaron toda la tarea.

● GPT-5-mini: completaron toda la tarea.

Perspectiva de la industria: la capacidad máxima de OpenClaw depende del gran modelo, y aún no es una herramienta de productividad competente

Estas conclusiones también son respaldadas por expertos del sector.

Un programador que usa OpenClaw para gestionar tiendas en línea, diseñar carteles y materiales promocionales, comentó a Meijing que normalmente usa los modelos Codex-5.3 y Gemini 3 Pro de OpenAI, que ofrecen mejores resultados que los modelos nacionales.

Varios profesionales y usuarios experimentados señalaron que OpenClaw funciona más como un “marco de tareas”, cuya efectividad final depende en gran medida de la capacidad del gran modelo integrado. Como un comandante con instrucciones claras pero capacidades limitadas, la fuerza de sus “soldados” (los grandes modelos) determina directamente el éxito de la operación.

El responsable de investigación y desarrollo de Fangyan, Huan Jiazhen, afirmó a Meijing que “la influencia del modelo en OpenClaw realmente depende de la complejidad de la tarea. Los grandes modelos internacionales tienen un límite superior más alto, pero para tareas comunes, los modelos chinos como Zhipu GLM-4.7 y Kimi-K2.5 son bastante buenos, ya que Claude resulta demasiado costoso y no todos pueden permitírselo.”

Aunque algunos grandes modelos muestran potencial para tareas complejas en las pruebas, OpenClaw todavía está lejos de ser una herramienta de productividad competente.

El ex experto en productos de AI de Xiaomi OS y fundador de ExcelMaster.ai, Zhang He, afirmó en una entrevista con Meijing que “en su estado actual, OpenClaw no es una herramienta de productividad calificada.” Dijo que OpenClaw, en cierta medida, es una “capa superficial” del popular programa para programadores, Claude Code de Anthropic, que, aunque mejorado con interfaz de chat y habilidades integradas, no supera en capacidades básicas. “No he encontrado muchas cosas que OpenClaw pueda hacer y Claude Code no, y su nivel de consulta de información tampoco es tan bueno como Claude Code.”

Zhang enfatizó que “cuando la capacidad de los grandes modelos mejore un poco más, OpenClaw será cada vez mejor y más popular. Incluso si no hace nada, solo con la llegada de modelos más avanzados, la barrera de entrada de OpenClaw disminuirá.” La verdadera mejora y difusión de OpenClaw, dijo, dependen en esencia de avances en la tecnología de los modelos de base.

El director de productos de Akamai Cloud y AI, Zhang Lu, compartió una opinión similar. Para él, si OpenClaw quiere usarse realmente en producción, debe ser sometido a desarrollo adicional y ajuste fino, ya que la versión actual todavía “tiene algunas fallas y a menudo se congela”.

Alta barrera de entrada, altos costos y riesgos elevados desalientan a los usuarios comunes

Además de depender de la capacidad de los grandes modelos, las barreras técnicas, los costos de uso y los riesgos de seguridad hacen que OpenClaw sea difícil de adoptar para el usuario promedio.

Primero, la implementación y el uso son complejos. Actualmente, OpenClaw no ofrece una solución de “instalación con un clic” ni despliegue simplificado; los usuarios deben configurar localmente mediante línea de comandos, gestionar dependencias y permisos. Un desarrollador de Meijing explicó que todo el proceso requiere conocimientos técnicos, al menos experiencia en desarrollo, lo que sin duda desalienta a la mayoría de los no técnicos. Aunque proveedores como Alibaba Cloud, Tencent Cloud y Amazon ofrecen servicios de despliegue en la nube y aseguran que se puede instalar fácilmente en sus servidores, estas implementaciones en la nube no permiten controlar la computadora local del usuario.

El alto costo de uso también es un problema real. Debido a que OpenClaw requiere llamadas frecuentes a grandes modelos, el consumo de tokens es enorme, y se le califica como un “quemador de tokens”. Un usuario comentó a Meijing que, usando el modelo Zhipu GLM-4.7, solo en unas 20 interacciones gastó 200 yuanes.

Zhang Lu también mencionó que, usando el modelo DeepSeek, en un día gastó decenas de yuanes. Con modelos más potentes, la factura sería aún mayor, alcanzando “cientos de yuanes en un solo día”.

Este alto costo limita a muchos usuarios a optar por modelos gratuitos o más económicos, pero esto afecta el rendimiento real de OpenClaw. Algunos usuarios reportaron que, por motivos de costo, eligieron el Qwen-8B, pero OpenClaw solo responde preguntas y no realiza acciones.

Más preocupante aún son los riesgos de seguridad internos. Como OpenClaw está diseñado para “hacer tareas” y no solo para “chatear”, requiere permisos elevados para manipular archivos y aplicaciones locales.

Amy Chang, directora del equipo de amenazas y seguridad de AI de Cisco, advirtió que “desde un punto de vista de seguridad, OpenClaw es una ‘pesadilla’”, ya que puede ejecutar comandos shell, leer y escribir archivos y ejecutar scripts en la computadora del usuario. Si estos permisos elevados se configuran incorrectamente o se usan con intenciones maliciosas, las consecuencias pueden ser desastrosas.

El fundador de Dvuln, Jamieson O’Reilly, también evidenció estos riesgos, descubriendo vulnerabilidades en OpenClaw que permiten a atacantes acceder a mensajes privados, credenciales de cuentas y claves API de los usuarios durante meses. Lo más aterrador es que información como cuentas bancarias y claves de monederos de criptomonedas almacenadas en archivos en texto plano podrían ser robadas en un instante si un hacker logra infiltrarse.

El desarrollador de OpenClaw, Peter Steinberger, admitió que se trata solo de un proyecto amateur de código abierto y gratuito, que requiere una configuración cuidadosa para garantizar la seguridad. Aclaró que “no es adecuado para usuarios sin conocimientos técnicos.”