Antes de empezar

OpenClaw no es malo. Es un proyecto enorme — más de 430,000 líneas de TypeScript sobre Node.js, alrededor de 1 GB de RAM en operación, y un marketplace de skills con más de trece mil habilidades. Para mucha gente es justo lo que necesita.

Pero ese tamaño abrió espacio para que otros laboratorios construyeran versiones más enfocadas. Algunas son más simples. Otras más rápidas. Otras más seguras. Y al menos una hace algo que el original ni siquiera intenta — aprender de ti mientras la usas.

Esta guía es el mapa.

Tabla comparativa rápida

Las tres que destacan

1. Nanobot — la que puedes leer entera

Repositorio: github.com/HKUDS/nanobot

Sitio oficial: nanobot.club

La hizo el Data Intelligence Lab de la Universidad de Hong Kong. Salió el 2 de febrero de 2026 y ya pasó las 17,000 estrellas en GitHub.

Datos técnicos

• Aproximadamente 4,000 líneas de Python — el 99% más pequeña que OpenClaw

• Requiere Python 3.11 o superior

• Consume cerca de 100 MB de RAM en operación

• Funciona en Mac, Linux y Windows

• Soporta 11 proveedores de modelos: Claude, GPT, Gemini, DeepSeek, OpenRouter, Zhipu, DashScope, Moonshot, Groq, AiHubMix y modelos locales con Ollama o vLLM

• Se conecta a Telegram, Discord, WhatsApp, Slack, Feishu, DingTalk, QQ y correo electrónico

Comando de instalación

pip install nanobot-ai

nanobot onboard

Para quién es: investigadores, estudiantes y desarrolladores que quieren entender cómo funciona un agente de IA antes de confiarle tareas reales. Si vas a modificar el agente — no solo configurarlo — esta es la única que te deja leer el código entero en una tarde.

Limitación honesta: sigue en versión alpha (v0.1.5 al momento de escribir esto). Para uso de producción seria, considera otras opciones de la lista.

2. ZeroClaw — la que aguanta producción

Repositorio: github.com/zeroclaw-labs/zeroclaw

Sitio oficial: zeroclaw.net

Es un agente reescrito completamente en Rust, distribuido como un binario único de 8.8 MB.

Datos técnicos

• Binario único de 8.8 MB, sin dependencias en tiempo de ejecución

• Consume menos de 5 MB de RAM en builds de producción

• Tiempo de arranque en frío de menos de 10 milisegundos

• Corre en hardware desde 10 USD — Raspberry Pi, placas RISC-V, ARM, x86

• Soporta más de 28 proveedores de modelos y 17 canales de mensajería

• Modelo de seguridad: lista blanca de comandos, secretos cifrados en disco, aislamiento del workspace, sandboxing con Landlock, Bubblewrap o Docker

Comando de instalación

# macOS o Linux

brew install zeroclaw

zeroclaw onboard --interactive

# Windows

cargo install zeroclaw

Para quién es: desarrolladores que van a desplegar agentes en clientes reales, no en su computadora. Ideal cuando el costo del runtime de Node.js es prohibitivo, cuando el hardware es limitado, o cuando la seguridad de la cadena de suministro importa.

Aviso importante: entre el 30 de marzo y el 2 de abril de 2026, la organización completa en GitHub estuvo temporalmente inaccesible y luego fue restaurada. El proyecto sigue activo, pero antes de comprometerte verifica el estado actual del repositorio.

3. Hermes Agent — la que aprende contigo

Repositorio: github.com/NousResearch/hermes-agent

Sitio oficial: hermes-agent.nousresearch.com

La construyó Nous Research, el laboratorio detrás de los modelos Hermes y Nomos. Llegó a 95,000 estrellas en sus primeras siete semanas.

Datos técnicos

• Construida sobre Python 3.11 y Node.js

• Funciona en Linux, macOS, WSL2 y Android vía Termux — no soporta Windows nativo

• Puede correr en un VPS de 5 USD al mes

• Soporta más de 200 modelos vía OpenRouter, además de OpenAI, Anthropic, Nous Portal, Hugging Face, Ollama y endpoints personalizados

• Vive en 15+ canales — CLI, Telegram, Discord, Slack, WhatsApp, Signal, Matrix, correo, SMS y más

• Seis backends de ejecución: local, Docker, SSH, Daytona, Singularity y Modal

Lo que la hace diferente — el ciclo de aprendizaje cerrado

Cada vez que Hermes completa una tarea con cinco o más llamadas a herramientas, un proceso en segundo plano resume la trayectoria en un archivo Markdown con frontmatter YAML. Ese archivo es un skill — una habilidad reutilizable. La próxima vez que aparece una tarea parecida, Hermes lee el skill y mejora la forma de hacerla.

Cada 15 tareas, el agente se autoevalúa: analiza qué funcionó, qué falló, y decide qué conocimiento conservar.

Los skills viven en ~/.hermes/skills/ como Markdown plano. Puedes leerlos, editarlos, borrarlos, o subirlos a Git.

Comando de instalación

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

hermes setup

Si ya tienes OpenClaw instalado, importa configuración, memorias, skills y llaves con un solo comando:

hermes claw migrate

Para quién es: desarrolladores e investigadores con proyectos largos donde el agente acumula contexto a lo largo del tiempo — automatizaciones permanentes, asistentes personales, pipelines de investigación que evolucionan.

Las otras cinco — descripción rápida

PicoClaw

Repositorio: github.com/sipeed/picoclaw

La construyó Sipeed — una empresa de hardware embebido — en un solo día, el 9 de febrero de 2026. Está escrita en Go, pesa menos de 10 MB de RAM, y arranca en menos de un segundo incluso en un procesador de 0.6 GHz de un solo núcleo. Corre en RISC-V, ARM, MIPS y x86 desde un binario único.

Casos de uso reales: routers con 32 MB de RAM, cámaras IP, microcontroladores, asistentes de hogar en placas LicheeRV Nano de 9.90 USD.

Para quién es: proyectos de hardware embebido, automatización doméstica, edge computing.

NanoClaw

Es una variante centrada en seguridad por aislamiento. Cada instancia de agente corre dentro de un contenedor — Apple Container en macOS o Docker en Linux — y solo accede a directorios que tú expongas explícitamente. Aproximadamente 700 líneas de TypeScript, integración directa con el SDK de Agentes de Anthropic, soporte para WhatsApp y trabajos en segundo plano.

Para quién es: equipos que necesitan agentes en mensajería con un modelo de aislamiento más fuerte que el de OpenClaw.

IronClaw

Repositorio: github.com/nearai/ironclaw

La anunció el equipo de NEAR AI en NEARCON 2026. Está escrita en Rust y corre dentro de Trusted Execution Environments (TEE) cifrados. Las credenciales viven en una bóveda cifrada con AES-256-GCM y se inyectan solo en los límites del host — el LLM nunca toca claves directamente. Cada herramienta de terceros corre en su propio sandbox WASM.

Para quién es: industrias reguladas — salud, finanzas, gobierno — donde la verificación criptográfica del comportamiento del agente importa más que la facilidad de uso.

Moltworker

No es una reescritura. Es un wrapper que empaqueta OpenClaw para correr dentro de Cloudflare Workers y el entorno aislado de Cloudflare. El aislamiento viene de la nube, no del código.

Para quién es: equipos que ya operan sobre Cloudflare y quieren agentes sin servidor con aislamiento serverless.

Moltis

Una implementación independiente en Rust enfocada en uso empresarial. Menos popular que ZeroClaw o IronClaw, pero con un foco específico en orquestación a escala.

Para quién es: equipos empresariales con flujos de trabajo complejos que necesitan estructura sin reescribir cada seis meses.

Las 3 preguntas para decidir

Antes de instalar cualquiera, respóndete esto:

1. ¿Necesitas leer y modificar el código del agente?

• Sí → Nanobot. Es la única donde el código entero cabe en tu cabeza.

• No → cualquier otra.

2. ¿Dónde lo vas a desplegar?

• En tu computadora personal → Nanobot o ZeroClaw.

• En un VPS para clientes → ZeroClaw o Hermes.

• En hardware embebido o edge → PicoClaw.

• En la nube serverless → Moltworker.

• En un entorno regulado con auditoría → IronClaw o NanoClaw.

3. ¿Quieres que el agente aprenda de ti con el tiempo?

• Sí, es lo más importante → Hermes Agent. Sin competencia.

• No, prefiero un agente predecible y estático → cualquiera de las otras.

Próximos pasos

1. Responde las tres preguntas de arriba. Anota tus respuestas.

2. Visita el repositorio de la variante que ganó. Lee el README completo antes de instalar.

3. Instálala en un ambiente aislado primero — una máquina virtual, un contenedor, o un VPS barato. Nunca en producción directa.

4. Dale tareas pequeñas durante la primera semana — leer un correo, agendar un evento, buscar algo. Anota qué funciona y qué no.

5. Si decides escalar, evalúa el costo mensual de tokens antes de prometerle ahorro a alguien.

Una nota final

Ninguna de estas variantes es la respuesta universal. Cada una existe porque alguien miró un caso de uso específico y dijo: aquí el original no encaja. Tu trabajo no es elegir la más popular — es elegir la que encaja con lo que tú estás construyendo.

Si después de leer esto sigues sin saber cuál escoger, vuelve al reel y déjame en los comentarios el caso de uso concreto. Te respondo con una recomendación específica.

— · —

Última actualización: abril 2026

Los datos provienen de los sitios oficiales y repositorios de cada proyecto.

La velocidad del ecosistema es alta — verifica versiones actuales antes de instalar.