Una placa de 7 dólares reemplazó al Mac que tenía que quedarse encendido

La demo en la cabecera del repositorio es un iPhone real haciendo solo una lección de Duolingo, acelerada ocho veces. Nadie toca la pantalla. Una placa del tamaño de un sello está conectada al puerto Lightning, y un modelo en otro sitio decide dónde tocar.
El proyecto se llama ESP32 iPhone Agent, y la placa es una Seeed XIAO ESP32S3 que cuesta unos siete dólares. La promesa del README es concreta: tu IA mira la pantalla del iPhone y luego toca, desliza y escribe por ti, a través de la placa. Sin ordenador, sin cambios en iOS, sin jailbreak.
Llegó a 4.651 estrellas desde el 11 de octubre.
El problema que resuelve en realidad
Casi toda la automatización de iPhone ya existe. WebDriverAgent, CoreDevice, idevice, una estantería de proyectos de código abierto que manejan un teléfono desde una máquina host. Funcionan, y la configuración es la razón por la que casi nadie fuera del tooling de desarrollo los usa.
Antes de la primera tarea instalas Xcode, lo que significa un Mac con macOS reciente. Activas el Modo Desarrollador en el teléfono, confías en el emparejamiento USB, clonas un repositorio, compilas una app auxiliar, la firmas. Después el ordenador tiene que seguir encendido y conectado en cada tarea posterior. Bien para un desarrollador. Un muro para el resto.
La placa hace el trabajo del ordenador. Se conecta al teléfono, aporta el enlace y se queda ahí. El teléfono es lo único que hay que llevar encima.
Esa es toda la tesis, y es una tesis aburrida de la mejor manera. La ingeniería interesante está en el cable: la máquina host se volvió lo bastante pequeña y barata para desaparecer dentro de él.
Cómo funcionan los ojos y las manos
Dos canales, y iOS ya entrega los dos.
Los ojos son AirPlay. La placa se presenta como destino de pantalla, el teléfono se replica en ella y la placa reenvía los fotogramas al modelo. Sin permiso de grabación de pantalla, sin puente de accesibilidad, sin API privada.
Las manos son USB HID. La placa se enumera como dispositivo de interfaz humana y envía eventos de puntero y teclado, y por eso el asistente de configuración pide activar AssistiveTouch. Para iOS es un ratón y un teclado, porque eso es exactamente lo que es.
La consecuencia es la frase del README en la que conviene detenerse: las apps que puede usar son cualquier app que una persona pueda usar, porque ve la pantalla y mueve un puntero. No hay integración por app, no hay API, no hay árbol de accesibilidad que rastrear. La demo de Duolingo no presume de una alianza. Duolingo no tiene ni idea de que esto está pasando.
El intercambio es que nada de esto es eficiente. Un bucle guiado por puntero con un modelo de visión dentro es la forma más lenta posible de operar un teléfono, y el README lo dice: cada paso tarda unos segundos, la mayor parte en el modelo.
1.0.2 y 1.0.3: oído, y una primera pasada barata
Tres añadidos en las últimas versiones merecen lectura, porque muestran dónde está el costo de verdad.
La placa ahora reenvía el audio de AirPlay, y el iPhone lo convierte en palabras. Eso habilita ejercicios de escucha y avisos de voz, la clase de app que un agente mudo no puede tocar. También significa que el teléfono hace la transcripción en su propio hardware, así que el audio no tiene que salir del dispositivo para convertirse en texto.
El segundo añadido es una línea gratuita llamada Jev. Los pasos simples van a un modelo pequeño que responde en una fracción de segundo, y lo más difícil va al modelo grande. El bucle del agente se reconstruyó en torno a una llamada de modelo por paso, que es la corrección del problema de latencia asumida de frente y no esquivada.
El tercero es la longitud de la tarea. El techo de 40 pasos desapareció, cualquier ejecución detenida puede continuar, y toda ejecución puede reproducirse paso a paso en el teléfono. Para quien haya visto a un agente fallar en el paso 37 y haya tenido que empezar de cero, la reproducción es la función que importa.
Instalar, y los cuatro pasos
Compra la placa. Grábala desde Chrome o Edge en handsy.tech/install, sin instalar ninguna herramienta. Instala la app desde TestFlight y sigue cuatro pasos guiados de configuración.
Requisitos actuales: iOS 18 o superior, firmware v0.2.4 en la placa y la app, que está en TestFlight mientras la ficha de la App Store pasa revisión. El repositorio es MIT, y la primera línea del README, en un comentario HTML dirigido a asistentes de código de IA, pide a quien copie o porte el código que mantenga el aviso de copyright y dé crédito público al proyecto.
Ese comentario es lo más 2026 del archivo. El README está escrito sabiendo que un agente lo leerá primero y una persona después, así que la obligación de licencia queda donde el agente la encuentra antes de empezar a escribir código.
Los costos que el propio README enumera
La sección honesta es corta y completa. Compras una placa de siete dólares. Cada paso tarda unos segundos. Y mientras corre, el teléfono consume datos móviles, porque el hotspot de la placa se hace cargo de la conexión Wi-Fi.
Ese último es el tipo de detalle que decide si un producto es usable y casi nunca aparece en un post de lanzamiento. Un agente operando tu teléfono veinte minutos en una conexión medida es un costo real, y es invisible hasta la factura.
La tabla comparativa del README también enumera lo que no puede hacer. Los agentes atados a un ordenador exponen interfaces de depuración y accesibilidad, lo que significa que pueden leer datos estructurados. Este ve píxeles y mueve un puntero, así que hace cualquier cosa que una persona haría y nada que una persona no haría. Para muchas tareas eso basta. Para cualquier cosa que necesite el DOM, es un paso atrás.
La aritmética de una llamada por paso
Vale la pena hacer la suma que implica la reconstrucción. Una tarea de cuarenta pasos a tres segundos por paso son dos minutos de reloj durante los cuales el teléfono queda inutilizable para todo lo que necesite la pantalla. Baja la llamada por paso a una fracción de segundo en la mayoría fácil, y la misma tarea termina antes de que el usuario decida interrumpirla.
Por eso la línea Jev se anuncia como gratuita y no como rápida. El costo que se optimiza no es dinero, es la ventana en la que el teléfono está prestado. Un agente guiado por puntero es lento por construcción, así que la única palanca que importa es cuántas decisiones necesitan un modelo grande.
El bucle también cambió de forma: una llamada de modelo por paso en lugar de un framework de agente que planifica, reflexiona y replanifica en cada acción. Para una tarea como “abrir WeChat y escribir al contacto de transferencia de archivos”, es el intercambio correcto. Para una tarea que necesita un plan revisado a mitad, es una restricción que el usuario va a notar.
Qué sugiere la forma de esto
Ahora existen tres proyectos distintos para el mismo problema, y eligieron capas diferentes. Uno corre como app con su propia pantalla oculta. Otro convierte cada app en línea de comandos. Este convierte el teléfono en periférico de un microcontrolador de siete dólares.
El enfoque de la placa tiene la peor latencia y la mejor portabilidad. No necesita jailbreak, ni cuenta de desarrollador, ni máquina host, ni la cooperación de ninguna app. También hereda la restricción que lo hizo posible: si iOS cierra alguna vez la ruta HID o la de AirPlay, todo se detiene.
Por ahora la demo se sostiene sola. Un teléfono sobre la mesa, haciendo una lección de idiomas, sin nada conectado salvo una placa lo bastante pequeña como para perderla.
Artículos relacionados
Google sacó los agentes de código del portátil, y el aviso de permiso sigue siendo el cuello de botella
La fontanería está casi resuelta. El aviso de permiso sigue siendo el cuello de botella humano.
NVIDIA libera cuatro modelos del mundo de 16B y la parte sin benchmark es el aprendizaje de políticas
NVIDIA dice que no está medido si estos modelos sirven para aprender políticas. La frase debería acompañar cualquier historia sobre modelos del mundo abiertos.
Cuatro de los repos más populares de GitHub son bibliotecas de skills, y ya hay un problema de empaquetado
La adopción va bien. El fallo interesante son cuatro formas incompatibles de instalar el mismo objeto.
Thinking Machines lanzó un modelo de 594B y dejó los pesos para la semana que viene
Un modelo fuerte, una receta documentada, una capacidad infravalorada y una fecha que el laboratorio no ha comprometido.