El mejor LLM local para coding agents no es un solo nombre de modelo. Es la ruta de trabajo que supera a Claude Code u OpenAI Codex cuando el código es privado, los parches son repetibles, el bucle edit-test necesita baja latencia y el coste de revisión sigue siendo bajo.
Para arquitectura compleja, refactors con contexto largo, visibilidad de equipo, tareas managed en segundo plano y workflows auditables, los agentes cloud siguen siendo la opción más segura. La documentación actual de Codex y Claude Code muestra que el coste real depende de ventanas de plan, modelo, contexto, API billing y comportamiento de equipo.
La métrica útil es coste por accepted change. Cuenta espera, prompting, review, rework, tests, hardware amortization y gasto de subscription/API. Si la salida local aumenta el trabajo de revisión, no ahorra dinero.
Respuesta corta
La ruta local funciona cuando el alcance es estrecho, repetible y verificable. Buenos casos son leer código privado, aplicar migration patches, crear test scaffolds, limpiar configuración, arreglar lint y hacer pequeños refactors con un test cercano. La ruta cloud es mejor cuando el requisito es ambiguo, toca varios paquetes, requiere decisión de arquitectura o necesita visibilidad compartida. Antes de elegir modelo, pregunta si la tarea cabe en pocos archivos, si un test puede bloquear errores y si el reviewer puede aceptar el diff rápido.
Matriz de ruta
| Clase de tarea | LLM local | Codex | Claude Code | API/Hosted agent |
|---|---|---|---|---|
| Repo privado | Mejor ajuste | Tras policy check | Tras policy check | Puede ser excesivo |
| Parches mecánicos repetibles | Fuerte | Fuerte | Fuerte | Bueno para batch |
| Offline edit-test loop | Mejor ajuste | Depende de red/ventana | Depende de red/ventana | Débil |
| Arquitectura compleja | Solo apoyo | Fuerte | Fuerte | Depende de orchestration |
| Refactor con contexto largo | Con cuidado | Fuerte | Fuerte | Requiere budget |
| CI/team automation | Necesita wrapper | Bueno | Bueno | Fácil de estandarizar |
La matriz debe cambiar por repo. Una política de datos estricta mueve más trabajo a local; una necesidad fuerte de logs, review compartida y budgets mueve más trabajo a Codex, Claude Code o API agents.
Límites de evidencia
La comprobación del 8 de julio de 2026 no permite coronar un ganador universal. OpenAI describe Codex como coding agent para terminal, IDE, web y cloud surfaces, y su pricing separa ChatGPT plan usage, API key billing, cloud features y model choice. Anthropic también separa tokens, context management, /usage, model choice y team behavior para Claude Code. Qwen3-Coder, Qwen3-Coder-Next y Devstral son candidatos serios de agentic coding, pero una model card no prueba que tu repo acepte patches más baratos en local.
Coste por accepted change
No midas solo request price. En local entran GPU amortization, electricidad, setup, quantization, wrapper configuration, context packing, failed patches y rescate humano. En cloud entran subscription windows, API tokens, cloud runtime, organization controls, audit logs y switching cost. Local gana solo cuando reduce tiempo total y rework.
Dónde gana el modelo local
Local gana en bounded loops: objetivo claro, pocos files, test cercano, regla repetible y stop rule claro. Qwen3-Coder, Qwen3-Coder-Next, Devstral y modelos de código pequeños pueden entrar en el pilot, pero hardware, context budget y wrapper deciden el uso diario. Para selección con 16GB VRAM, consulta la guía de LLM local para coding con 16GB.
Dónde ganan Claude Code, Codex y hosted agents
Cloud route absorbe incertidumbre. Si hay architecture decision, large refactor, long history, team audit, background task o PR review compartida, un hosted model más fuerte y un workflow gestionado pueden ser más baratos. Codex encaja con equipos que ya usan ChatGPT/Codex surfaces. Claude Code encaja con hábitos CLI y planificación. API agents encajan con CI, budgets y orchestration repetible.
Pilot de siete días
No migres después de una demo. Día 1: define accepted-change metric. Día 2: smoke test local con una función y un test cercano. Día 3: misma tarea en Codex o Claude Code. Día 4: mide review y rework. Día 5: revisa privacy/context boundary. Día 6: crea route table por task class. Día 7: decide keep, split o stop. Un smoke test útil registra files seen, patch, verification command y accept/reject result.
Reglas de parada
Detén la ruta local cuando context spill sea el bug principal, cuando review cost suba, cuando setup sea el trabajo dominante o cuando team visibility importe más que local speed. No es una derrota del LLM local. Es una decisión de routing: local conserva los loops privados y repetibles; Claude Code, Codex y hosted agents conservan el trabajo de alto riesgo o alta colaboración.
Registro operativo
Para que la route table sea reutilizable, registra siempre los mismos campos: task brief, allowed files, forbidden files, model and wrapper, context length, verification command, latency, human rewrite y final accept or reject. Una nota de "el modelo arrancó" no basta; necesitas saber si el diff fue aceptado. Repite la misma tarea varias veces para medir estabilidad, no una captura afortunada.
También conviene clasificar los fallos. La lentitud suele venir de offload, contexto demasiado largo o wrapper que empaqueta demasiados archivos. La baja calidad puede venir de capacidad del modelo, pero también de una tarea demasiado amplia, falta de test cercano o prompt con restricciones débiles. Si sube el review cost, probablemente el diff es demasiado grande, la explicación es pobre o el modelo está tomando una decisión de arquitectura sin decirlo.
En un equipo, coloca la route table dentro de issue templates o PR checklists. Separa tareas permitidas en local, tareas que deben volver a cloud y tareas que necesitan una design note humana antes de cualquier agente. En un repo privado, local puede valer por compliance and control. En un equipo de producto, cloud puede valer por logs, auditability y review consistente. No es una pelea entre local y cloud; es asignación de trabajo dentro del sistema de ingeniería.
Cierra cada pilot con una etiqueta next action: keep local, shrink local, route to cloud, move to API orchestration, add tests or stop. Así, después de siete días, el equipo no conserva una impresión del modelo sino una política aplicable al siguiente cambio.
Repite el mismo smoke test antes de ampliar alcance.
Preguntas frecuentes
¿Cuál es el mejor LLM local para coding agents?
No hay campeón universal. Qwen3-Coder, Qwen3-Coder-Next, Devstral y modelos pequeños de código son candidatos, pero gana la ruta que baja el coste por accepted change en tu repo.
¿Puede reemplazar a Claude Code o Codex?
Puede reemplazar parte del trabajo. Private, repeatable, short-context y testable tasks pueden ir local. Architecture, long context y team workflows suelen seguir en cloud.
¿Conviene comprar GPU?
Solo si el workload local repetido amortiza hardware y maintenance. Para tareas ocasionales de alto riesgo, subscription/API puede ser más razonable.
¿Codex CLI significa modelo local?
No. CLI es una superficie local de agente, pero model route y billing pueden seguir siendo ChatGPT plan o API key.
¿Qué medir en el pilot?
Accepted changes, review minutes, failed patches, test pass, setup time, context failures y reroutes.
¿Cuándo volver a cloud?
Cuando hacen falta architecture reasoning, long context, managed execution, auditability o cuando local rework supera el ahorro.