En el lado de productos, todo el mundo está empezando a ofrecer Computer: Perplexity, Manus, Cursor, entre otros. Y en el lado de investigación, evaluaciones agénticas como TerminalBench y GDPVal también asumen que el agente tiene un computador detrás (es el caso de Harbor). En ambos extremos, el stack consolidado del LLM OS se ha vuelto un toolkit estándar, y Daytona es una de las pocas empresas de infraestructura IA que está creciendo justamente por eso.

"El fin de localhost" ha sido la obsesión de Ivan Burazin por más de una década. Mucho antes de que la palabra agente fuera la forma por defecto de hablar sobre desarrollo de software, Ivan ya perseguía la idea de que el desarrollo no debería depender de una máquina local frágil. CodeAnywhere, uno de los primeros IDE basados en navegador, fue un intento temprano de ese futuro: mover el entorno de desarrollo a la nube, hacer el setup reproducible, y liberar a los programadores del eterno impuesto del "funciona en mi máquina".

La tesis estaba directionalmente bien, pero el mercado aún no estaba listo. Los agentes cambiaron eso. No les importa el laptop, la mesa, ni el editor favorito. Necesitan un computador al que puedan acceder vía API: con estado suficiente para seguir trabajando, con arranque tan rápido como para levantarse al instante, flexible para escalar, aislado para ser seguro, y componible para correr los flujos reales y desordenados de la ingeniería de software. Daytona no vende "sandboxes" en el sentido estrecho de ejecución de código. Es la última versión de la tesis original de Ivan sobre el fin de localhost.

¿Qué hace exactamente Daytona y por qué crece tan rápido?

En el episodio del podcast Latent Space, el CEO de Daytona conversa con swyx para explicar por qué los agentes IA necesitan más que cajas de ejecución de código: necesitan computadores componibles, sandboxes con estado, arranque instantáneo, recursos dinámicos e infraestructura capaz de sobrevivir a cargas que van de cero a 100.000 CPUs.

La compañía dio un giro fuerte en enero de 2026, dejando de servir entornos de desarrollo para humanos para enfocarse 100% en sandboxes para agentes IA. Algunos números del giro:

  • 74% de crecimiento mensual sostenido durante el último año.
  • Un cliente que corre cerca de 850.000 sandboxes por día.
  • Tiempo de arranque por sandbox: alrededor de 60 milisegundos.
  • Capacidad para levantar 50.000 sandboxes en unos 75 segundos.
  • Cargas de RL y evaluaciones pasaron de 0% a aproximadamente 50% del uso total en pocos meses.

¿Por qué bare metal y no Kubernetes?

Daytona corre sobre bare metal con su propio scheduler en lugar de apoyarse en orquestadores convencionales. Según Burazin, la razón es que las cargas agénticas son fundamentalmente distintas a las cargas web tradicionales que motivaron a Kubernetes.

Las cargas de aprendizaje por refuerzo (RL) y de evaluación generan picos súbitos de cero a decenas de miles de CPUs y luego caen rápido. Esos spikes no encajan con la lógica de pods de larga vida, autoscalers basados en CPU promedio, ni schedulers que asumen que un workload se mantiene minutos u horas. Los clientes que comparan Daytona contra EKS o GKS suelen no querer volver atrás, dice Burazin, porque la naturaleza desechable y stateful al mismo tiempo de los sandboxes agénticos rompe los supuestos de los managed Kubernetes.

A eso se suma que un agente raramente quiere solo un Linux pelado. Necesita escenarios completos: Windows o macOS, con navegador, herramientas de oficina, IDE, file system poblado. Apple restringe el licenciamiento de macOS para entornos virtualizados, y construir un sandbox macOS razonablemente accesible es uno de los puzzles abiertos del rubro.

¿Vale la pena vs E2B o un sandbox propio?

Burazin sostiene que la CLI puede dar más poder a un agente que MCP, porque la línea de comandos es donde realmente ocurre el trabajo de ingeniería: build, test, lint, package, deploy. Restringir un agente a herramientas declaradas vía MCP, dice, limita demasiado lo que puede hacer en una sesión real. La estrategia open source de Daytona ayuda a que los agentes integren la plataforma sin fricción.

Otro punto que el CEO subraya: los PRs generados por agentes pueden romper los supuestos actuales de CI/CD. Cuando 50 agentes empujan 500 ramas en paralelo, los pipelines diseñados para que un humano abra un PR cada par de días se saturan o producen falsos negativos. Es un dolor que hoy recae sobre los equipos de plataforma, no sobre los proveedores de modelo, pero pronto será una capa más del stack que alguien tendrá que ofrecer.

¿Hacia dónde va el negocio de sandboxes IA?

Daytona es una empresa de 25 personas que provee infraestructura crítica a clientes que mueven cientos de miles de runs al día. La proyección de Burazin es que el negocio de sandboxes IA termine pareciéndose más a Stripe que a AWS: una capa horizontal y especializada, accesible por API simple, con cobro por uso fino y poco overhead operativo, en vez de una megaconsola con cientos de servicios.

Burazin también advierte sobre el modelo de las AI SaaS que se limitan a revender tokens. A medida que los modelos se commoditizan y los márgenes brutos se comprimen, esos negocios enfrentarán un cold shower. Los que sobrevivirán, anticipa, son los que poseen el computador detrás del agente, no solo la fachada de chat.

Para la audiencia LatAm hay una lectura clara: el cuello de botella de los pilotos agénticos en empresas chilenas y de la región sigue siendo el entorno de ejecución. Servicios como Daytona o E2B reducen la barrera de entrada, pero introducen una dependencia de proveedor con costos en dólares que escalan rápido en cargas RL. Vale la pena estudiarlos antes de prometer un agente 24/7 sobre infraestructura propia que no escala a los 100.000 CPUs que mañana podrían necesitarse.