Tres días probando Freebuff: lo que cuesta de verdad el agente de código gratuito
Un repaso práctico al contador de Freebucks, los anuncios de texto y la etiqueta de entrenamiento con datos de Freebuff, con la elección de modelos, una regla segura para el código de empresa y quién debería saltárselo.
Un agente de código que ofrece DeepSeek V4.1 Flash por $0 suena demasiado bien, y en cierto sentido lo es. Empezar con Freebuff es gratis de verdad, pero el precio se paga en otras monedas. Tres días con la app de escritorio sacaron a la luz un contador de uso diario, anuncios y, en un modelo, una etiqueta de entrenamiento con datos. Así funciona cada cosa, para que decidas en cinco minutos y no en tres días.
Qué es Freebuff
Freebuff se paga con publicidad y lo desarrolla un pequeño equipo de Y Combinator. Su base es Codebuff, el framework multiagente abierto del mismo equipo, y el código está en un repo público de GitHub con licencia Apache-2.0. Viene en cinco productos:
- Desktop: varios agentes en paralelo, cada uno en su propio espacio de trabajo, en macOS, Windows o Linux
- CLI: un agente de código en la terminal
- Web: un generador al estilo de Lovable que convierte un prompt en una app desplegada
- Cloud: un agente en un IDE en la nube vinculado a tu repo de GitHub
- Chat: un chat de IA orientado a la investigación
La página de inicio no se anda con rodeos: un gráfico de precios pone a Freebuff a $0 al año junto a Cursor, Codex y Claude Code. Ni API key ni tarjeta de crédito. La versión de terminal se instala con una sola línea:
npm install -g freebuff
cd your-project
freebuff
Los tres días se dedicaron a Freebuff Desktop, trabajando sobre un proyecto personal en Swift.
Un menú de modelos distinto
La lista de modelos fue la primera sorpresa. La web menciona seis, entre ellos GPT-5.6 Luna y Muse Spark 1.2 de Meta, pero el selector de la app ofrecía solo cuatro, agrupados bajo una etiqueta gris Limited access con una breve nota debajo.
El README da la explicación. Los usuarios de regiones compatibles lo ven todo. Quien esté en otro sitio, o conectado a través de una VPN, se queda con una lista de cuatro: Solar Pro 4, MiMo 2.5, DeepSeek V4.1 Flash y GLM 5.3 Flash. El selector se veía así:
MODEL LABEL COST
GLM 5.3 Flash Recommended · Deep reasoning 5 / hr
MiMo 2.5 Balanced 10 / hr
Solar Pro 4 Limited-time trial 10 / hr
DeepSeek V4.1 Flash Smart & Fast 15 / hr
"May use data for AI training"
Fíjate en la última columna, porque ahí está la primera trampa.
Trampa uno: el contador de Freebucks
Cada modelo tiene un precio por hora en Freebucks, y una única asignación diaria los cubre a todos. La página de inicio promete 100 Freebucks al día con acceso completo, y con acceso limitado el selector mostraba 25. Ahora haz las cuentas para el modelo que llamó la atención en primer lugar:
25 Freebucks ÷ 15 per hour = ~1 hour 40 minutes of DeepSeek V4.1 Flash
25 Freebucks ÷ 5 per hour = ~5 hours of GLM 5.3 Flash
DeepSeek V4.1 Flash es la opción más cara del menú, y la asignación de todo un día da para menos que una película.
En la práctica el límite se nota. A las 16:02, el prompt «run app and test it» no generó código, sino un aviso de que los Freebucks volverían en 7 horas y 57 minutos. Un intento de /preview cuatro minutos después chocó con el mismo muro. Ese mensaje también ofrece una salida: más Freebucks al día desde $8 al mes, y la fila de DeepSeek tiene su propia oferta «7x usage for $5». Nada de eso es turbio, alguien tiene que pagar el tiempo de GPU. Pero sí significa que conviene elegir los modelos como si gastaras dinero, porque es lo que haces.
Mejor empezar con GLM 5.3 Flash. Viene preseleccionado, está marcado para razonamiento profundo y cuesta un tercio que DeepSeek. Reserva DeepSeek V4.1 Flash para tramos cortos en los que lo importante es la velocidad. Un detalle más del README: los modelos pueden servirse desde una versión cuantizada (Q8_0), así que si uno se comporta algo distinto que en la API del propio proveedor, puede que sea por eso.
Trampa dos: los anuncios
A la pregunta de cómo puede ser gratis, el FAQ responde sin más: anuncios de texto. Es un trato aceptable para una herramienta sin coste, y los anuncios son mejores que una factura inesperada. Pero lee la parte que la gente se salta. Según el README, Freebuff puede analizar tus prompts y mensajes para personalizar esos anuncios. También aclara por separado que los archivos subidos y los repositorios conectados no se pasan a los proveedores de publicidad. O sea, tu código no llega a los anunciantes, pero lo que le escribes al agente puede influir en lo que ves. Si tus prompts describen a un cliente, un producto sin lanzar o algo bajo NDA, tenlo presente.
Trampa tres: la etiqueta de entrenamiento
Vuelve a la fila de DeepSeek V4.1 Flash. Debajo de «Smart & Fast» hay una segunda línea: May use data for AI training. Esa etiqueta significa algo concreto. El README indica que, cuando un modelo la lleva, Freebuff o el proveedor del modelo pueden conservar lo que envías para entrenar, evaluar y mejorar modelos de IA, y que socios restringidos pueden evaluar el código usado con esos modelos.
Piensa en el código de una app iOS de inversiones. Eso es justo lo que no deberías pegar en un modelo con etiqueta de entrenamiento. Una regla práctica:
- Proyectos personales, contribuciones open source, repos de práctica: usa el modelo que quieras
- Código de tu empresa, código de clientes, cualquier cosa con secretos: evita los modelos con etiqueta de entrenamiento y revisa la política de tu empresa antes de usar siquiera un plan gratuito
Tres días de uso real
Vistas las trampas, vamos con lo que justifica decir que es bueno. Desktop no parece un juguete gratuito. Es un espacio de trabajo de agente de verdad, con el chat a la izquierda y pestañas a la derecha para Queue, Changes, Files, Preview y Terminal. Un interruptor Build/Plan junto al cuadro del prompt deja que el agente piense antes de tocar archivos.
Una petición informal y natural para el proyecto en Swift, algo así como pedirle que analizara la herramienta a fondo y mejorara la precisión del dibujo, devolvió algo más que consejos. Apareció un archivo de pruebas nuevo, Tests/FaceRenderProbe.swift, con 111 líneas añadidas, y el contador de la pestaña Changes llegó a 213. Así se comporta un agente que trabaja dentro de un repo; un chatbot que pega fragmentos no lo haría.
Destacaron algunos detalles más:
- Launch preview: el agente puede abrir una página HTML o arrancar el servidor de desarrollo del proyecto y mostrarlo dentro de la app
- Connect a provider: introduces tus propias API keys, pagas directamente a ese proveedor y sigues en la misma conversación
- Agentes existentes: según el README, Desktop también puede manejar un Claude Code o Codex instalado en local y con tu cuenta iniciada
- Software joven: la versión 0.0.114 se actualizó sola a la 0.0.115 en mitad de una sesión, así que en esta fase es normal encontrar asperezas
Para quién es
Encaja bien si eres estudiante o desarrollador junior y no puedes justificar una suscripción de $20 a $200 al mes, si haces proyectos personales u open source, si quieres probar modelos abiertos como GLM, MiMo y DeepSeek en un entorno de agente decente sin API keys, o si estás en una región con acceso completo, donde 100 Freebucks al día cunden mucho más.
Piénsatelo dos veces si trabajas con código propietario o regulado, si vives en un país con acceso limitado y dependes a diario de sesiones largas e ininterrumpidas con el agente, o si no soportas los anuncios en tus herramientas.
Entonces, ¿era gratis?
Sí. En tres días no se pagó nada y un agente de código funcional se las arregló con un repo real. Pero la página de inicio se calla tres costes: una cuota que se agota antes precisamente con el modelo que te atrajo, anuncios que aprenden de tus prompts y una etiqueta de entrenamiento que decide qué código puedes usar sin riesgo.