La gran apuesta de Warp por crear código abierto con GPT‑5.5

Warp⁠(se abre en una nueva ventana) comenzó como una terminal moderna y se ganó pronto el aprecio de los desarrolladores por su velocidad, funciones de colaboración, flujos de trabajo de comandos e interfaz nativa de IA. A medida que los agentes de codificación pasaron de los experimentos a los flujos de trabajo cotidianos de ingeniería, Warp vio que la terminal se convertía en un lugar natural para que los desarrolladores trabajaran con agentes: donde ya convergen los comandos, el contexto, la colaboración y la revisión.

Cuando Warp liberó como código abierto⁠(se abre en una nueva ventana) su cliente de terminal este año, con OpenAI como patrocinador fundador del repositorio, la empresa también presentó Desarrollo Abierto con Agentes: un modelo para crear software de forma abierta. Los humanos definen objetivos y supervisan resultados, mientras los agentes planifican el trabajo, escriben código, prueban cambios y abren pull requests.

Las mejoras recientes en los modelos de IA de frontera ayudaron a que ese tipo de orquestación de agentes fuera práctico a escala. Para los flujos de trabajo de código abierto de Warp, GPT‑5.5 ayuda a los agentes a razonar en espacios de problemas más amplios y a preparar el trabajo para la revisión humana. En pruebas de referencia internas, GPT‑5.5 usó 30 % menos tokens por tarea de codificación con agentes que GPT‑5.4, lo que ayudó a Warp a mejorar la eficiencia mientras escala flujos de trabajo de agentes de larga duración.

Hoy, Warp tiene casi 1 millón de desarrolladores y lo usa más del 56 % de la Fortune 500. En la propia organización de ingeniería de Warp, los agentes ahora cocrean alrededor del 90 % de los pull requests de la empresa, lo que le da al equipo una visión de primera mano de lo que necesitan los flujos de trabajo de agentes de larga duración para escalar: observabilidad, coordinación, memoria y revisión humana.

Desarrollo Abierto con Agentes es la apuesta de Warp por el rumbo que tomará el desarrollo de software. Los agentes escribirán código, y los desarrolladores especificarán la intención, verificarán los resultados y decidirán qué se lanza finalmente. Esas decisiones se convierten en contexto reutilizable para futuros agentes, lo que permite que el sistema mejore con el tiempo.

Si la orquestación es lo suficientemente buena, Warp cree que los agentes pueden producir código más coherente que un grupo de humanos con coordinación laxa. Entonces, el código abierto pasa a tratarse menos de que los humanos contribuyan directamente trabajo de implementación, y más de aportar el criterio de producto y la visión compartida que solo los humanos pueden ofrecer.

Los agentes persistentes y paralelizados necesitan componentes como memoria compartida, entornos reproducibles, sistemas de evaluación, permisos y formas de coordinar el trabajo. Warp creó Oz, su plataforma de orquestación en la nube, para administrar agentes en entornos locales y en la nube.

Para los flujos de trabajo de Desarrollo Abierto con Agentes, Warp usa GPT‑5.5 en agentes que ayudan a administrar contribuciones de código abierto, según la empresa. Los modelos de OpenAI también tuvieron un desempeño sólido en las evaluaciones internas de Warp para tareas de ingeniería de largo horizonte que involucran razonamiento, planificación, generación de código y revisión de código.

Oz⁠(se abre en una nueva ventana) funciona como un plano de control para implementar y coordinar agentes en entornos locales y en la nube. Los desarrolladores pueden iniciar agentes mediante una interfaz web, seleccionar habilidades y entornos predefinidos, elegir el modelo y las configuraciones de hosting, y monitorear de forma centralizada los flujos de trabajo de larga duración mientras se ejecutan.

Una vez iniciados, los agentes pueden seguir ejecutándose de forma remota mientras los desarrolladores inspeccionan sesiones en vivo, monitorean el estado de ejecución, revisan artefactos generados y trasladan flujos de trabajo entre entornos locales y en la nube sin perder contexto. Oz también admite flujos de trabajo recurrentes, lo que permite que los agentes operen como trabajos cron programados.

A medida que los agentes acumulan más estado con el tiempo, mantener el foco y preservar decisiones importantes se vuelve cada vez más difícil. Oz usa técnicas como compactación de contexto, memoria persistente y subagentes dedicados para tareas como búsqueda de código y análisis de archivos, a fin de ayudar a que los agentes sigan siendo confiables en flujos de trabajo extendidos.

Los modelos de OpenAI cumplen varios roles dentro de Oz. Para el agente de Warp, las tareas se clasifican por tipo y dificultad, y el trabajo de codificación y razonamiento más complejo se dirige a configuraciones de modelos más potentes. GPT‑5.5 forma parte del conjunto de modelos de OpenAI que Warp usa para flujos de trabajo exigentes de codificación con agentes. Warp también usa modelos de OpenAI como sistemas de LLM como juez dentro de sus pipelines de evaluación.

Para Warp, Desarrollo Abierto con Agentes y la plataforma de orquestación Oz son, en última instancia, parte de la misma apuesta a largo plazo: que el desarrollo de software está evolucionando de interacciones individuales con asistentes de codificación a sistemas para coordinar grandes cantidades de agentes persistentes a lo largo del tiempo.

Hasta ahora, esa apuesta parece estar dando resultados. Los ingresos recurrentes anualizados (ARR) de Warp crecieron 35 veces el año pasado, con ingresos empresariales que subieron más del 500 % desde el cuarto trimestre de 2025. La empresa dice que gran parte de ese crecimiento proviene de organizaciones que buscan formas más flexibles de escalar flujos de trabajo de agentes.

Los flujos de trabajo subyacentes en torno al desarrollo con agentes aún están en una etapa temprana y son muy experimentales. Al liberar como código abierto su cliente de terminal y crear en público con flujos de trabajo de Desarrollo Abierto con Agentes, Warp espera que los desarrolladores puedan ayudar a definir cómo evolucionan los sistemas de orquestación, supervisión y verificación a medida que los agentes se vuelven más autónomos con el tiempo.

"Nadie sabe exactamente cómo será el futuro del desarrollo con agentes", dice Lloyd. "Creemos que la comunidad debería poder participar en darle forma".