¿Qué es Open Science Desktop?
Open Science Desktop es un banco de trabajo de investigación de código abierto para macOS, Windows y Linux, hecho con Tauri 2, React y TypeScript. Incluye un runtime de OpenCode integrado y fijado (OpenCode 2 desde v0.7.2), así que tú eliges el modelo: cualquier proveedor que admita OpenCode, un endpoint compatible con OpenAI o uno local. Claude Code, Codex y otros agentes del Agent Client Protocol también pueden funcionar dentro.
Sus skills de investigación cubren todo el ciclo. research-explorer convierte una dirección amplia en temas, literature-survey escribe un PDF de 6 a 20 páginas con 60 citas o más, experiment-suite genera código ejecutable con resultados y figuras, y paper-writer redacta un artículo de 8 a 14 páginas; ai4s-agent los encadena e integrity-auditor revisa las imágenes, cifras y lógica de un artículo. Cada paso queda como archivos en tu espacio de trabajo, y .openscience/provenance.jsonl vincula cada artefacto a la ejecución o edición que lo creó.
Alrededor hay conectores MCP de un clic (arXiv, PubMed, Crossref, Semantic Scholar, bioRxiv, ClinicalTrials.gov, Materials Project, FRED y otros), notebooks de Jupyter, ejecuciones en máquinas locales, hosts SSH y Slurm o Modal, control de tu propio Chrome, uso del ordenador para apps de escritorio como ImageJ, un servidor sin interfaz (osd) y una pasarela protegida por token para acceder desde el móvil. Tiene licencia MIT; v0.7.3 salió el 16 de noviembre de 2026.
¿Merece la pena Open Science Desktop?
Open Science Desktop está pensado para investigadores que quieren que un agente haga el trabajo pesado de un proyecto dejando un rastro que un revisor pueda seguir. Su mejor idea es que nada vive solo en el chat: revisiones, código, archivos results.json, figuras e informes son archivos en una carpeta local, y el registro de procedencia une cada uno con el código, las entradas y la conversación que lo produjeron. Tiene unas 2,113 estrellas en GitHub, y el proyecto dice que quedó primero por media de tareas puntuadas en ResearchClawBench en julio de 2026, una afirmación de su propio README.
Los resultados de las skills son concretos y comprobables: una revisión bibliográfica con más de 60 citas y fuente LaTeX, un paquete de experimentos con documento de diseño y código ejecutable, una revisión de citas que resuelve los DOI y señala cifras sin fuente. Ser agnóstico respecto al modelo gracias a OpenCode permite a un laboratorio mantener los datos en un modelo local o cambiar de proveedor sin cambiar de herramienta.
Los valores por defecto son prudentes para un software tan capaz. La app de escritorio pregunta antes de ejecutar comandos, borrar archivos, instalar dependencias o acceder a la red; desactivarlo (osd approval set full) tiene que hacerse en la propia máquina. La pasarela remota solo escucha en loopback hasta que activas el acceso por LAN, y las claves de API se quedan en una configuración privada de la app, fuera del espacio de trabajo y de las exportaciones. El control del navegador puede manejar tu perfil real de Chrome con sus sesiones iniciadas, y el uso del ordenador puede operar cualquier app en pantalla, así que merecen el mismo cuidado que prestar tu portátil a un colega.
Los puntos débiles se dicen con claridad. El README lo llama herramienta de investigación en beta cuyos resultados deben tratarse como borradores. Las versiones de Windows y Linux aún no están firmadas (las de macOS están firmadas y notarizadas), el servidor sin interfaz no escribe provenance.jsonl ni el índice de ejecuciones, y las interfaces en portugués y árabe están registradas pero no se pueden elegir. Las versiones han llegado cada nueve o diez días últimamente (v0.7.1 el 29 de octubre, v0.7.2 el 7 de noviembre, v0.7.3 el 16 de noviembre de 2026), así que cuenta con cambios.
Dónde se gana su sitio
Una doctoranda en biología computacional
Obtener una revisión bibliográfica sobre modelos de lenguaje de proteínas para empezar un capítulo de la tesis
Ejecuta literature-survey con los conectores de PubMed, bioRxiv y Semantic Scholar; compila un PDF de 6 a 20 páginas con fuente LaTeX, y la revisión de citas comprueba que los DOI resuelven. La app es gratis; el coste del modelo depende del proveedor elegido.
Un laboratorio de aprendizaje automático con un clúster Slurm compartido
Repetir un barrido de benchmark y guardar un registro que los revisores puedan comprobar
Registra el clúster desde ~/.ssh/config, deja que experiment-suite escriba el código y envíe los trabajos, y guarda los registros de ejecución y de procedencia con el repositorio del artículo. Las aprobaciones siguen activas para comandos y acceso a la red.
Un científico de materiales en una estación de trabajo del laboratorio
Llevar datos del software del instrumento a figuras sin exportar a mano
Usa el uso del ordenador para manejar la app de escritorio del instrumento a través de su árbol de accesibilidad y genera las figuras en un notebook; cada acción indica si pudo verificarse. En Windows, espera un aviso de SmartScreen porque la versión no está firmada.
Antes de decidirte
- Puesta en marcha
- Descarga el instalador desde GitHub Releases (macOS 13+, Windows 10/11 x64, .deb o .rpm en Linux), añade una clave de proveedor de modelos o un endpoint local e inicia una sesión; en servidores puedes usar el archivo autónomo de osd.
- Integraciones
- Catálogo de proveedores de OpenCode y endpoints compatibles con OpenAI; conectores MCP para arXiv, PubMed, Crossref, Semantic Scholar, bioRxiv/medRxiv, ClinicalTrials.gov, MyVariant/ClinVar, Materials Project, FRED y Open-Meteo, además de cualquier servidor MCP; agentes ACP como Claude Code, Codex y Gemini CLI; Zed, JetBrains y Neovim mediante ACP; Jupyter, SSH/Slurm y Modal.
- Datos y privacidad
- Los archivos del espacio de trabajo, las sesiones, la procedencia y los registros de ejecución se quedan en local por defecto; los prompts y archivos van al proveedor de modelos que elijas, y los ajustes muestran qué puede enviarse. Las claves de proveedor se guardan en una configuración privada de la app, no en el espacio de trabajo ni en las exportaciones.
- Coste a escala
- Sin coste de licencia; la factura son los tokens del modelo, que las ejecuciones largas de revisiones y artículos consumen en gran cantidad, y el cómputo remoto. El proyecto no publica cifras de tokens.
- Límites
- MVP en beta; versiones de Windows y Linux sin firmar; sin procedencia desde el servidor sin interfaz; sin kernels locales de Jupyter ni diálogos nativos sin escritorio; la configuración MCP de una carpeta se guarda en caché en el primer uso hasta reiniciar el servidor.
Lo bueno
- Cada artefacto queda vinculado a su código, entradas y conversación
- Cualquier modelo mediante el runtime de OpenCode integrado, incluidos los locales
- Skills de revisión, experimentos y artículos con resultados concretos
- Aprobaciones activadas por defecto; pasarela solo en loopback hasta activarla
- Ejecuciones en SSH, Slurm y Modal guardadas como registros reproducibles
Lo malo
- Beta; los resultados deben revisarse antes de publicar
- Las versiones de Windows y Linux no están firmadas
- El control del navegador y el uso del ordenador actúan con tus sesiones
- El servidor sin interfaz no escribe el registro de procedencia
- El primer puesto en el benchmark lo declara el propio proyecto
Ideal para
Grupos de investigación que quieren un banco de trabajo de agentes local y agnóstico respecto al modelo que deje un rastro de procedencia de revisiones, experimentos y borradores.
Alternativas a Open Science Desktop
Open Science Desktop: preguntas frecuentes
- ¿Merece la pena Open Science Desktop?
- Open Science Desktop es un intento abierto serio de cuaderno de laboratorio de IA de escritorio, con trazabilidad real y aprobaciones sensatas por defecto, pero es software beta que hace cosas potentes en tu propia máquina. Le damos un 3.9 sobre 5.
- ¿Cuánto cuesta Open Science Desktop?
- Gratis y de código abierto (MIT). Pagas a tu proveedor de modelos, o nada con un modelo local, más el cómputo SSH, Slurm o Modal que uses.
- ¿Qué inconvenientes tiene Open Science Desktop?
- Beta; los resultados deben revisarse antes de publicar; las versiones de Windows y Linux no están firmadas; el control del navegador y el uso del ordenador actúan con tus sesiones; el servidor sin interfaz no escribe el registro de procedencia; el primer puesto en el benchmark lo declara el propio proyecto.
- ¿Para quién es Open Science Desktop?
- Grupos de investigación que quieren un banco de trabajo de agentes local y agnóstico respecto al modelo que deje un rastro de procedencia de revisiones, experimentos y borradores.
- ¿Cuánto cuesta Open Science Desktop para un equipo o en producción?
- Sin coste de licencia; la factura son los tokens del modelo, que las ejecuciones largas de revisiones y artículos consumen en gran cantidad, y el cómputo remoto. El proyecto no publica cifras de tokens.
- ¿Es Open Science Desktop seguro para los datos de la empresa?
- Los archivos del espacio de trabajo, las sesiones, la procedencia y los registros de ejecución se quedan en local por defecto; los prompts y archivos van al proveedor de modelos que elijas, y los ajustes muestran qué puede enviarse. Las claves de proveedor se guardan en una configuración privada de la app, no en el espacio de trabajo ni en las exportaciones.
- ¿Cuáles son las mejores alternativas a Open Science Desktop?
- Las alternativas más cercanas que hemos analizado son The AI Scientist (v1, v2 and v3), GPT Researcher, OpenResearch y OpenCode.
Respuestas comprobadas el 20 nov 2026.