Llevo semanas alternando entre dos modelos de lenguaje que no podrían ser más distintos en su forma de trabajar. Claude 4.8 en Claude Code y DeepSeek V4 en Opencode. Cada uno resuelve una parte del problema, pero entre los dos dejan un hueco evidente.

Lo que hace bien cada uno

Claude tiene una virtud que se nota en la primera interacción seria: ejecuta tareas complejas de forma autónoma. Le describes lo que quieres construir, entiende el contexto, planifica los pasos y los ejecuta sin que tengas que microgestionar cada decisión. En Claude Code, con acceso al sistema de archivos y al terminal, el flujo es casi natural: piensa, escribe código, lo prueba, corrige. A la primera, muchas veces.

El precio que pagas por esa autonomía es literal. La suscripción a Anthropic da acceso a los modelos por OAuth, con límites de uso razonables para trabajo diario pero sin la escala que necesitas si quieres delegar tareas masivas o ejecutar agentes en paralelo.

DeepSeek V4 está en el extremo opuesto. El coste por token es una fracción del de Claude — hablamos de diferencias de un orden de magnitud o más. Es el modelo que usarías para tareas de alto volumen: procesar documentos, generar variaciones, iterar sobre pruebas. En Opencode funciona bien como ejecutor, pero la experiencia es distinta: requiere instrucciones más detalladas, más estructura, menos margen para la iniciativa.

No es una cuestión de que uno sea mejor que el otro. Es que resuelven problemas distintos.

El mapa de la decisión

Si tuviera que reducirlo a una heurística:

Claude para orquestar. Es el que entiende la intención, diseña la arquitectura, toma decisiones editoriales sobre lo que estás construyendo.

DeepSeek para ejecutar. Una vez que el plan está definido, delegar la ejecución repetitiva o masiva a un modelo barato tiene todo el sentido económico.

El problema es que hoy no existe una herramienta que combine los dos de forma natural.

Lo que falta

Imagina esto: abres una interfaz, te autenticas con tu suscripción de Anthropic vía OAuth, y describes lo que quieres construir. Claude actúa como orquestador: entiende el proyecto, lo descompone en tareas, decide qué requiere su intervención directa y qué puede delegar.

Para las tareas delegables, dispara agentes que usan DeepSeek u otros modelos por API. Tú ves el progreso en un panel unificado: el orquestador marcando la dirección, los agentes ejecutando en paralelo, el coste total en tiempo real.

Esa herramienta no existe. O al menos yo no la he encontrado.

Lo más parecido que he visto son setups fragmentados: Claude Code para el razonamiento de alto nivel y la arquitectura, Opencode o scripts propios para la ejecución con modelos baratos. Funciona, pero la fricción de cambiar de contexto entre herramientas se come parte de la productividad que ganas con los modelos.

Mientras tanto

Por ahora mi flujo es pragmático:

  • Fase de diseño y decisiones: Claude Code con el modelo de Anthropic. Aquí el coste por token no es el factor limitante porque el volumen de uso es bajo — son conversaciones de planificación, no de ejecución masiva.
  • Fase de ejecución y pruebas: Opencode con DeepSeek. Cuando ya sé exactamente lo que hay que hacer y solo necesito que se haga, el coste importa.

No es elegante. Me obliga a mantener dos entornos, dos contextos, dos formas de trabajar. Pero mientras no exista esa capa de orquestación unificada, es lo más eficiente que he encontrado.

Lo que viene

El patrón está claro: un modelo que piensa y varios que ejecutan. Igual que en un equipo humano tienes a quien diseña la estrategia y a quien implementa, los LLMs están evolucionando hacia una especialización similar. La diferencia es que aquí el coste por token hace que la especialización no sea solo deseable, sino económicamente necesaria.

La herramienta que una ambos mundos — suscripción OAuth para el orquestador, API pay-per-token para los ejecutores — llegará. Mientras tanto, toca hacer malabares con lo que hay.

Y si alguien está construyendo algo parecido, que me avise. Pagaría por usarlo.