¿Qué es mini-swe-agent?
mini-swe-agent es un agente de código deliberadamente diminuto del equipo de Princeton y Stanford detrás de SWE-bench y SWE-agent. La clase del agente tiene unas 100 líneas de Python, su única herramienta es bash y cada acción se ejecuta como un subproceso nuevo, así que funciona con cualquier modelo y se integra en sandboxes de Docker, Podman, Singularity, bubblewrap o Modal cambiando una sola llamada.
El equipo lo recomienda ahora en lugar de SWE-agent, que está en modo de solo mantenimiento. Va por la versión 2 (las configuraciones de la v1 necesitan la guía de migración), la última versión es la v2.4.6, de julio de 2026, y el README cita a Meta, NVIDIA, IBM y Anyscale entre sus usuarios. El proyecto declara una puntuación superior al 74% en SWE-bench Verified.
¿Merece la pena mini-swe-agent?
mini-swe-agent es el arnés de referencia más limpio para agentes de código y un mal sustituto de un asistente de trabajo. Tiene unas 8.800 estrellas en GitHub, publicó la v2.4.6 en julio de 2026 y tuvo commits hasta el 19 de octubre. Como no tiene más herramienta que bash, ni siquiera necesita la interfaz de llamadas a herramientas del modelo, así que cualquier modelo capaz de escribir comandos de shell puede compararse en igualdad de condiciones.
Esa neutralidad es la razón por la que lo usan los investigadores. La clasificación bash-only de SWE-bench pasa todos los modelos por él, el SWE-Bench de Ramp está construido sobre él, y el artículo DeepSWE de 2026 vio que igualaba o superaba a los arneses propios de varios fabricantes en muestras pequeñas, aunque los autores señalan que las diferencias estaban dentro del ruido. Su historial lineal hace que la trayectoria sea exactamente lo que vio el modelo, lo que facilita depurar las ejecuciones y las hace cómodas como datos de fine-tuning o RL.
Los valores por defecto merecen atención. El comando interactivo mini se ejecuta en tu shell local, no en un sandbox; arranca en modo de confirmación y pregunta antes de cada acción, pero el indicador -y lo pasa a modo yolo y los comandos de la lista blanca se saltan la pregunta. El ejecutor de SWE-bench usa Docker por defecto con imágenes de Linux x86, limita cada tarea a 3 $ de gasto en el modelo y 250 pasos, y ofrece límites de coste globales mediante variables de entorno.
En el trabajo diario, el minimalismo pasa factura. No hay MCP, ni integración con el IDE, ni shell persistente, así que un cd o una variable exportada no sobreviven al paso siguiente. SWE-agent sigue siendo mejor herramienta solo para experimentar con interfaces de herramientas propias o reproducir sus antiguos resultados de seguridad de EnIGMA. Un arnés que no añade casi nada es el control adecuado para un experimento, y esa misma cualidad es la que los usuarios de OpenHands y OpenCode echarían de menos en menos de una hora.
Dónde se gana su sitio
Una investigadora de ML que compara tres modelos punteros en SWE-bench Verified
Obtener puntuaciones en las que el andamiaje no sea la variable
Ejecutar mini-extra swebench --subset verified --workers 4 en una máquina Linux x86 con Docker y puntuar con sb-cli, que suele devolver resultados en menos de 20 minutos. Con el límite por defecto de 3 $ por tarea, el conjunto de 500 tareas cuesta como máximo 1.500 $ por modelo en tarifas de API; las ejecuciones habituales quedan por debajo del límite.
Un equipo de post-training que genera trayectorias de agentes para fine-tuning o RL
Recoger a escala ejecuciones de agente limpias y reproducibles
Cada paso simplemente se añade a la lista de mensajes, así que la trayectoria guardada es el ejemplo de entrenamiento sin reconstrucción. Los entornos Singularity o Apptainer lo ejecutan en clústeres de HPC sin Docker. El software es gratuito bajo MIT; el coste son los tokens del modelo y el cómputo.
Un responsable de ingeniería que elige en qué proveedor de modelos estandarizar los agentes internos
Comparar modelos con la cola de errores del propio equipo antes de firmar un contrato
Apuntar los bindings de Python a una muestra de incidencias reales y pasar cada modelo por el mismo bucle de 100 líneas, para que las diferencias reflejen el modelo y no el arnés de un fabricante. El coste son solo los tokens de API; no hay nivel de pago.
Antes de decidirte
- Puesta en marcha
- pip install mini-swe-agent en Python 3.10 o posterior, definir MSWEA_MODEL_NAME y una clave de API, y ejecutar mini; una primera tarea lleva minutos. La evaluación por lotes necesita Docker en Linux x86.
- Integraciones
- Modelos a través de LiteLLM, OpenRouter y Portkey, incluidos los endpoints /completion y /response; entornos local, Docker, Podman, Singularity/Apptainer, bubblewrap, contree y Modal; bindings de Python y un navegador de trayectorias.
- Datos y privacidad
- El proyecto no tiene servicio alojado; los prompts y el contenido del repositorio van al proveedor de modelos que configures. En modo local, los comandos del modelo se ejecutan en tu máquina, protegidos solo por el modo de confirmación. La documentación no menciona telemetría y la búsqueda de código de GitHub no encuentra código de telemetría. Licencia MIT; no hay avisos de seguridad publicados para el repositorio.
- Coste a escala
- Gratis; pagas el uso del modelo. Las configuraciones por defecto limitan cada ejecución a 3 $, y MSWEA_GLOBAL_COST_LIMIT y MSWEA_GLOBAL_CALL_LIMIT fijan topes para todo un lote.
- Límites
- Cada comando se ejecuta en una subshell nueva, así que los cambios de directorio y de entorno no persisten; sin MCP ni ganchos de IDE; unas 112 incidencias y pull requests abiertas; las imágenes de SWE-bench son solo para x86.
Lo bueno
- Bucle del agente de unas 100 líneas que se lee de una sentada
- El diseño solo con bash funciona con cualquier modelo, sin llamadas a herramientas
- Límites de coste por tarea y globales para ejecuciones por lotes
- Es el arnés de la clasificación bash-only de SWE-bench
Lo malo
- El modo interactivo ejecuta en la shell del host, no en un sandbox
- Sin MCP, integración con el IDE ni estado persistente de la shell
- Las imágenes de SWE-bench dan por hecho Linux x86
- La v2 rompió las configuraciones de la v1
Ideal para
Investigadores e ingenieros que evalúan modelos o aprenden cómo funcionan los agentes de código.
Alternativas a mini-swe-agent
mini-swe-agent: preguntas frecuentes
- ¿Merece la pena mini-swe-agent?
- Un arnés de benchmark tan simple que sus resultados miden el modelo, que es justo por lo que se queda corto como herramienta de código para el día a día. Le damos un 4.0 sobre 5.
- ¿Cuánto cuesta mini-swe-agent?
- Gratuito y de código abierto (MIT). Pagas a tu proveedor de modelos.
- ¿Qué inconvenientes tiene mini-swe-agent?
- El modo interactivo ejecuta en la shell del host, no en un sandbox; sin MCP, integración con el IDE ni estado persistente de la shell; las imágenes de SWE-bench dan por hecho Linux x86; la v2 rompió las configuraciones de la v1.
- ¿Para quién es mini-swe-agent?
- Investigadores e ingenieros que evalúan modelos o aprenden cómo funcionan los agentes de código.
- ¿Cuánto cuesta mini-swe-agent para un equipo o en producción?
- Gratis; pagas el uso del modelo. Las configuraciones por defecto limitan cada ejecución a 3 $, y MSWEA_GLOBAL_COST_LIMIT y MSWEA_GLOBAL_CALL_LIMIT fijan topes para todo un lote.
- ¿Es mini-swe-agent seguro para los datos de la empresa?
- El proyecto no tiene servicio alojado; los prompts y el contenido del repositorio van al proveedor de modelos que configures. En modo local, los comandos del modelo se ejecutan en tu máquina, protegidos solo por el modo de confirmación. La documentación no menciona telemetría y la búsqueda de código de GitHub no encuentra código de telemetría. Licencia MIT; no hay avisos de seguridad publicados para el repositorio.
- ¿Cuáles son las mejores alternativas a mini-swe-agent?
- Las alternativas más cercanas que hemos analizado son OpenHands y OpenCode.
Respuestas comprobadas el 26 oct 2026.