Las dos versiones están alineadas bloque a bloque, en el orden del texto: titular, lo esencial y después párrafo a párrafo. Cuando la traducción ha fusionado o dividido un párrafo, la casilla correspondiente queda vacía — nunca emparejamos dos pasajes a ojo.
Picture an AI agent halfway through editing a video in one folder while, in another, it builds an iOS mini-game. Without a wall between the two, instructions from the first job can leak into the second. That is the problem PilotDeck 2.0 is built to stop. Released on October 15 by Tsinghua University's THUNLP lab with ModelBest, OpenBMB and AI9Stars, the open-source system is available on GitHub under the AGPL-3.0 license and runs on macOS, Linux and Windows, with Docker deployment also supported.
Imagine un agente de IA a medio editar un vídeo en una carpeta mientras, en otra, construye un minijuego para iOS. Sin una barrera entre ambas, las instrucciones de la primera tarea pueden filtrarse a la segunda. Ese es el problema que PilotDeck 2.0 pretende evitar. Publicado el 15 de octubre por el laboratorio THUNLP de la Universidad Tsinghua junto a ModelBest, OpenBMB y AI9Stars, el sistema de código abierto está disponible en GitHub bajo la licencia AGPL-3.0 y funciona en macOS, Linux y Windows, con despliegue con Docker también admitido.
The core unit is the WorkSpace. Each project gets its own file system, memory store and skill set, so the two contexts stay fully separated. The team calls the leak "context pollution." Memory is also designed to be white-box: users see every entry the agent has stored, when it was written and which workspace it belongs to, and can edit, delete or pin entries directly, instead of writing prompts to make the agent forget. A Dream Mode merges and deduplicates scattered memories while the agent is idle, with one-click rollback if the clean-up loses an important detail.
La unidad central es el espacio de trabajo (WorkSpace). Cada proyecto tiene su propio sistema de archivos, su almacén de memoria y su conjunto de habilidades, de modo que ambos contextos permanecen totalmente separados. El equipo llama «contaminación de contexto» a esa filtración. La memoria también está diseñada como de caja blanca: los usuarios ven cada entrada que el agente ha almacenado, cuándo se escribió y a qué espacio de trabajo pertenece, y pueden editar, borrar o fijar entradas directamente, en lugar de escribir instrucciones para que el agente olvide. Un modo Sueño (Dream Mode) fusiona y elimina duplicados de las memorias dispersas mientras el agente está inactivo, con una reversión en un clic si la limpieza elimina un detalle importante.
Smart Routing hands planning to a strong model and routine steps, such as formatting and polishing, to lighter ones. In a social-media workflow, the team says that using Claude Opus 4.5 as main agent and Sonnet 4.5 as sub-agent cut the cost of a run from $12.58 to $2.83. Across seven harder tasks, including multilingual podcast production and codebase documentation, pairing Claude Sonnet 4.6 with MiniMax-M2.7 scored 70.6 at $3.15, against 69.1 at $18.36 for Sonnet 4.6 alone, a saving of roughly 83%. On WorkBuddy Bench, PilotDeck running Qwen3.6-35B-A3B scored 79.1, against 77.3 for Claude Code. All these figures are the team's own; the release cites no outside check.
El enrutamiento inteligente (Smart Routing) asigna la planificación a un modelo potente y los pasos rutinarios, como el formateo y el pulido, a modelos más ligeros. En un flujo de trabajo para redes sociales, el equipo afirma que usar Claude Opus 4.5 como agente principal y Sonnet 4.5 como subagente redujo el coste de una ejecución de 12,58 a 2,83 dólares. En siete tareas más exigentes, entre ellas la producción de pódcast multilingüe y la documentación de bases de código, combinar Claude Sonnet 4.6 con MiniMax-M2.7 obtuvo 70,6 a 3,15 dólares, frente a 69,1 a 18,36 dólares de Sonnet 4.6 por sí solo, un ahorro de cerca del 83 %. En WorkBuddy Bench, PilotDeck ejecutando Qwen3.6-35B-A3B obtuvo 79,1, frente a 77,3 de Claude Code. Todas estas cifras son del equipo; la publicación no cita ninguna verificación externa.
An Always-on mode keeps agents working after the chat window is closed. They run long monitoring jobs, surface candidate tasks and write results to local files with a progress summary. The system natively supports the Model Context Protocol, an open standard for connecting AI models to outside tools, and behaves the same across its web interface, its command line and enterprise messaging apps such as WeCom and Feishu.
El modo Siempre activo (Always-on) mantiene a los agentes trabajando después de cerrar la ventana del chat. Ejecutan largas tareas de monitorización, proponen tareas candidatas y escriben los resultados en archivos locales con un resumen del progreso. El sistema admite de forma nativa el Model Context Protocol (MCP), un estándar abierto para conectar modelos de IA con herramientas externas, y se comporta igual en su interfaz web, en su línea de comandos y en aplicaciones de mensajería empresarial como WeCom y Feishu.
For anyone juggling several agents on separate projects, the practical gain is fewer things to supervise and fewer surprises from old instructions. For people who pay per run, the routing approach is the number to watch, though the savings are the team's measurements on its own tasks, and they will mean less for a workload that looks nothing like those seven. The version is already downloadable; the sources give no timeline beyond that.
Para quien gestiona varios agentes en proyectos distintos, la ventaja práctica es que hay menos cosas que supervisar y menos sorpresas por instrucciones antiguas. Para quien paga por ejecución, el enfoque de enrutamiento es la cifra que conviene vigilar, aunque los ahorros son mediciones del propio equipo en sus tareas, y valdrán menos para una carga de trabajo que no se parezca a esas siete. La versión ya se puede descargar; las fuentes no ofrecen más calendario que ese.