¿Qué es Magentic-UI (MagenticLite)?
Magentic-UI nació en 2025 como un agente web de Microsoft Research ajustado para modelos punteros. En mayo de 2026, la versión 0.2 lo sustituyó por MagenticLite, que conserva el nombre del paquete pero es otra aplicación: un modelo orquestador, MagenticBrain (14.000 millones de parámetros, ajustado a partir de Qwen 3 14B), planifica el trabajo y pasa los pasos web a Fara1.5, un modelo de uso del ordenador en tamaños de 4B, 9B y 27B basado en Qwen 3.5. La antigua versión para modelos punteros sigue en una rama aparte, magentic-ui-0.1.
Se ejecuta en tu propia máquina como aplicación web local, trabaja con un navegador y con tu sistema de archivos, pide aprobación antes de las acciones críticas y aísla las sesiones del navegador en una máquina virtual ligera llamada Quicksand. Microsoft califica los tres componentes de versiones de investigación, y la documentación llama a MagenticLite prototipo de investigación.
El código y los pesos de ambos modelos tienen licencia MIT. La última versión en PyPI es la 0.2.2, del 21 de julio de 2026, y el último commit en la rama principal fue el 23 de julio de 2026.
¿Merece la pena Magentic-UI (MagenticLite)?
MagenticLite importa más como prueba que como herramienta. Lo que demuestra es que un planificador de 14B y un modelo de navegador de 9B, ambos abiertos bajo MIT, pueden encargarse de investigación web, rellenar formularios y tareas con archivos sin una API de un modelo puntero. Las cifras de la propia Microsoft respaldan esa dirección: en Online-Mind2Web, un benchmark de 300 tareas, dice que Fara1.5 casi duplica a su predecesor Fara-7B y que la variante de 27B supera el 90%. Son resultados declarados por la propia empresa en el anuncio de lanzamiento, y la puntuación del modelo de 9B solo aparece en un gráfico.
El coste práctico es el alojamiento. MagenticLite no incluye modelos; necesita dos endpoints compatibles con OpenAI, uno por función. El ejemplo de Hugging Face de la guía de alojamiento propone una L40S a unos 1,80 $ la hora para Fara y una RTX PRO 6000 a unos 2,75 $ la hora para MagenticBrain, unos 4,55 $ la hora mientras funcionan ambos, y el escalado a cero conlleva arranques en frío de 30 a 90 segundos. Ejecutarlos en tus propias GPU supone dos servidores vLLM, que la guía monta en dos máquinas de una sola GPU. Se pueden conectar otros modelos, pero la documentación advierte de que los prompts están ajustados para estos dos.
El diseño de seguridad es lo más aprovechable para otros proyectos. Las sesiones del navegador se ejecutan dentro de la máquina virtual Quicksand, que necesita KVM en Linux y WSL2, y el agente se detiene para pedir aprobación antes de las acciones críticas. La guía de instalación dice sin rodeos que la aplicación expone controles del sistema de archivos del equipo a cualquiera que pueda acceder a ella, y que alojarla para varios usuarios equivale a repartir acceso a una shell.
La página de limitaciones es inusualmente franca: los resúmenes se dejan contenido, las conversaciones largas se degradan, el planificador puede ignorar una corrección del usuario a mitad de tarea, la subida de archivos a través de formularios web no funciona y las imágenes no pueden ser entradas de una tarea. Si a eso se suma que la rama principal no tiene commits desde el 23 de julio de 2026 y que el nombre de la versión lo llevan ahora dos productos distintos, es un proyecto para estudiar, no para basar en él un proceso de negocio.
Dónde se gana su sitio
Un ingeniero de ML en un banco que no puede enviar páginas de clientes a una API de un modelo puntero
Probar si los modelos abiertos pueden manejar formularios web internos en sus propias instalaciones
Servir Fara1.5-9B y MagenticBrain con vLLM en dos GPU propias y apuntar MagenticLite a ambos. Ninguna página sale de la red, pero la página de limitaciones implica que una persona debería aprobar cada envío.
Un laboratorio universitario que estudia la seguridad de los agentes
Comparar cómo un planificador y un modelo de navegador pequeños gestionan correcciones humanas a mitad de tarea
Usar como caso de prueba el modo de fallo documentado, en el que MagenticBrain puede devolver a Fara a la subtarea original tras una corrección. Los endpoints de Hugging Face, a unos 4,55 $ la hora por los dos modelos, mantienen barato un estudio corto.
Un analista de operaciones en una empresa de 30 personas que ya tiene un equipo con GPU
Recopilar cada semana los precios de proveedores en una hoja de cálculo local
Ejecutarlo en el modo all por defecto para que el modelo de navegador recoja los precios y el orquestador escriba el archivo. Cuenta con supervisarlo; las sesiones largas se degradan y los resúmenes pueden perder elementos.
Antes de decidirte
- Puesta en marcha
- uv venv --python=3.12, uv pip install "magentic_ui>=0.2.0" (fija la versión, o PyPI puede servir la 0.1.x), después magentic-ui --port 8081 y seguir el proceso de bienvenida. Probado en Mac con Apple Silicon y en Windows 11 con WSL2; Linux nativo no está probado y Windows ARM64 no es compatible. Los endpoints de Hugging Face tardan entre 5 y 10 minutos en crearse.
- Integraciones
- Cualquier endpoint /v1/chat/completions compatible con OpenAI para cada función; Azure OpenAI solo mediante config.yaml. Tres modos de agente: ambos agentes, solo el orquestador para tareas locales o solo el navegador.
- Datos y privacidad
- Funciona en local; las páginas y los archivos solo van a los endpoints de modelos que configures. La aplicación expone controles del sistema de archivos del equipo a quien pueda acceder a ella, así que no debe compartirse. Código y pesos son MIT, sin límites de ingresos ni de uso en la licencia.
- Coste a escala
- En Hugging Face, unos 1,80 $ la hora para Fara en una L40S y 2,75 $ para MagenticBrain en una RTX PRO 6000, unos 800 $ al mes si ambos funcionan 8 horas al día durante 22 días laborables. Autoalojarlo requiere dos máquinas con GPU o una lo bastante grande para dos servidores vLLM.
- Límites
- Unas 20 incidencias abiertas. Solo una instancia por puerto. Sin subida de archivos en el navegador, sin entradas de imagen, resúmenes flojos de documentos largos y una planificación que puede imponerse a las indicaciones del usuario. La base de datos de la 0.2 no migra desde la 0.1.
Lo bueno
- Código y ambos modelos bajo MIT
- Funciona sin llamadas a APIs de modelos punteros
- Navegador aislado en una máquina virtual local, con aprobación antes de las acciones críticas
- Limitaciones y nota de transparencia publicadas con franqueza
Lo malo
- Necesita dos endpoints de modelos separados con GPU
- Prototipo de investigación; sin commits en main desde julio de 2026
- No puede subir archivos mediante formularios web ni recibir imágenes como entrada
- La 0.1 y la 0.2 son productos distintos bajo un mismo nombre de paquete
Ideal para
Investigadores e ingenieros de plataforma que evalúan modelos abiertos pequeños para agentes de uso del ordenador en hardware que controlan.
Alternativas a Magentic-UI (MagenticLite)
Magentic-UI (MagenticLite): preguntas frecuentes
- ¿Merece la pena Magentic-UI (MagenticLite)?
- MagenticLite es un vistazo que merece la pena a lo que pueden hacer los modelos abiertos pequeños como agente de navegador, pero es un prototipo de investigación que necesita dos endpoints con GPU y está parado desde julio. Le damos un 3.4 sobre 5.
- ¿Cuánto cuesta Magentic-UI (MagenticLite)?
- Gratuito bajo MIT, pesos de MagenticBrain y Fara1.5 incluidos. Alojas tú los dos modelos, en tu hardware o en una nube de GPU.
- ¿Qué inconvenientes tiene Magentic-UI (MagenticLite)?
- Necesita dos endpoints de modelos separados con GPU; prototipo de investigación; sin commits en main desde julio de 2026; no puede subir archivos mediante formularios web ni recibir imágenes como entrada; la 0.1 y la 0.2 son productos distintos bajo un mismo nombre de paquete.
- ¿Para quién es Magentic-UI (MagenticLite)?
- Investigadores e ingenieros de plataforma que evalúan modelos abiertos pequeños para agentes de uso del ordenador en hardware que controlan.
- ¿Cuánto cuesta Magentic-UI (MagenticLite) para un equipo o en producción?
- En Hugging Face, unos 1,80 $ la hora para Fara en una L40S y 2,75 $ para MagenticBrain en una RTX PRO 6000, unos 800 $ al mes si ambos funcionan 8 horas al día durante 22 días laborables. Autoalojarlo requiere dos máquinas con GPU o una lo bastante grande para dos servidores vLLM.
- ¿Es Magentic-UI (MagenticLite) seguro para los datos de la empresa?
- Funciona en local; las páginas y los archivos solo van a los endpoints de modelos que configures. La aplicación expone controles del sistema de archivos del equipo a quien pueda acceder a ella, así que no debe compartirse. Código y pesos son MIT, sin límites de ingresos ni de uso en la licencia.
- ¿Cuáles son las mejores alternativas a Magentic-UI (MagenticLite)?
- Las alternativas más cercanas que hemos analizado son Browser Use, Skyvern, BrowserOS y OpenHands.
Respuestas comprobadas el 26 oct 2026.