OpenResearch convierte el coding agent que ya usas —Claude Code, Codex, OpenCode, Cursor o Google Antigravity— en un agente de investigación que revisa papers, propone hipótesis, corre experimentos y guarda la evidencia en tu propia máquina. alphaXiv publicó la v0.2.10 el 23 de septiembre de 2026, con binarios precompilados para macOS, Linux y Windows (este último, todavía en Beta).
La propuesta no es un agente nuevo. Es un workspace alrededor del que ya pagas y en el que ya confías con tu repo.
¿Qué es OpenResearch?
OpenResearch es un CLI open source con dashboard local, creado por alphaXiv, el equipo detrás de la plataforma de discusión sobre arXiv. Su README lo define como “the local-first workspace for research agents and autoresearch”.
En concreto, le suma a tu coding agent la estructura que el trabajo de investigación necesita y que una sesión de chat no tiene:
- Exploración en paralelo. Cada dirección de investigación tiene su propia sesión de agente y su propio git worktree aislado.
- Experimentos reproducibles. Las variantes se registran en un árbol de experimentos nativo de git, y cada ejecución recibe un archivo inmutable del commit contra el que corrió.
- Evidencia en contexto. Logs, diffs, resultados y artefactos quedan asociados al trabajo que los produjo.
- Agente y modelo por sesión. Eliges el harness (Claude Code, Codex, OpenCode, Cursor o Antigravity) y el modelo en cada sesión.
Antigravity es el harness más reciente: llegó con el PR #332, ya mergeado, y una corrección de aprobaciones en modo bypass (PR #391) se integró el 20 de septiembre.
¿Por qué cada agente trabaja en su propio git worktree?
Porque así tres hipótesis pueden avanzar al mismo tiempo sin pisarse los archivos. Un git worktree es un segundo directorio de trabajo enganchado al mismo repositorio, y OpenResearch le asigna uno a cada sesión. Es lo que hace posibles los parallel research agents sin que el resultado de uno contamine el del otro.
¿Qué es autoresearch?
Autoresearch es el modo autónomo de OpenResearch: el agente propone una idea, cambia el código, lanza un experimento, revisa la evidencia y decide qué probar después. Varios agentes pueden hacerlo en paralelo sobre direcciones distintas, y el árbol de experimentos conserva el linaje de cada uno. Así puedes rastrear qué idea produjo qué resultado, en lugar de reconstruirlo desde el historial del chat.
¿Sirve como IA para investigación científica?
Sí, y ese es exactamente su terreno: la investigación experimental, es decir, entrenamientos, evaluaciones, benchmarks y ablaciones. No reemplaza a un asistente de búsqueda web. Si ajustas modelos, comparas prompts a escala o haces benchmarks de implementaciones, esta herramienta es para ti. Si solo quieres que tu agente “lea sobre una librería”, es más de lo que necesitas.
La literatura también entra en el ciclo: orx paper <arxiv-id-or-doi> trae un paper por su ID de arXiv o su DOI, y orx discover keyword <query> busca por tema.
¿Cómo convertir Claude Code en un agente de investigación?
Instalas el CLI de OpenResearch, levantas el workspace y le instalas la skill a tu agente. En macOS o Linux:
curl -LsSf https://openresearch.sh/install.sh | sh
orx up
orx up abre el dashboard local en http://127.0.0.1:4791.
Después instala la skill de OpenResearch en los coding agents que tengas:
orx install-skills
También hay una app para macOS (macOS 11 o superior, universal para Apple Silicon e Intel) que levanta el dashboard sin terminal. Según la documentación, la app no agrega orx a tu PATH, así que instala también el CLI si quieres usar los comandos.
¿OpenResearch funciona en Windows?
Sí, pero en Beta al momento de publicar esta nota (23 de septiembre de 2026). La versión para Windows requiere tener Git for Windows instalado antes. La página del release v0.2.10 también incluye un instalador para PowerShell:
powershell -ExecutionPolicy Bypass -c "irm https://github.com/alphaXiv/OpenResearch/releases/download/v0.2.10/openresearch-cli-installer.ps1 | iex"
Ese comando está fijado a la v0.2.10; revisa la página de releases para ver la versión actual.
¿Qué comandos de orx vas a usar?
Estos son los comandos habituales que lista el README:
orx projects
orx project view <project-id>
orx runs <project-id>
orx logs <run-id>
orx exp run <experiment-id>
orx discover keyword <query>
orx paper <arxiv-id-or-doi>
orx --help y orx <command> --help muestran la interfaz completa.
¿Se puede usar con Ollama u otros modelos locales?
Sí, a través del harness de OpenCode, no de Claude Code: OpenCode ejecuta el ciclo del agente, y LM Studio, oMLX (Apple Silicon) u Ollama sirven el modelo en tu equipo. Según la documentación, no necesitas ninguna cuenta en la nube. Cualquier otro servidor compatible con OpenAI (vLLM, por ejemplo) funciona como endpoint personalizado.
La conexión se hace dentro de OpenResearch:
- Entra en Settings → Harnesses → OpenCode → Add local model, o elige Add Local Model bajo OpenCode en el selector de modelos.
- Indica la dirección del servidor. Los valores por defecto documentados son
http://127.0.0.1:1234/v1para LM Studio,http://127.0.0.1:11434/v1para Ollama yhttp://127.0.0.1:8000/v1para oMLX. - Pulsa Find models y elige un modelo que soporte tool calling.
La documentación sugiere 32K de contexto como punto de partida para las herramientas del agente.
Una advertencia que la propia documentación hace explícita: inferencia local no significa offline. Las búsquedas de papers, las descargas y las operaciones con GitHub siguen usando la red. Si todavía estás armando tu instalación de OpenCode, nuestra lista de plugins y agentes para OpenCode que vale la pena instalar es un buen complemento.
¿OpenResearch es gratis?
El workspace local no requiere cuenta. Según el README, la cuenta de openresearch.sh solo se usa para funciones del servicio, como organizaciones y cómputo gestionado. La documentación presenta openresearch.sh como un marketplace de cómputo, donde comparas disponibilidad y precios de GPU y CPU entre proveedores y lanzas instancias desde la web o con orx.
El modelo queda claro: el uso local y en tu propia infraestructura es abierto, y el cómputo alojado es el producto de pago.
¿Tu código sale de tu máquina?
No por defecto: OpenResearch corre en 127.0.0.1 con un almacén SQLite local, y crear un proyecto o lanzar una ejecución no publica tu código.
Antes de adoptarlo, conviene saber dos cosas.
La telemetría es opt-out. Las builds oficiales envían eventos de uso generales asociados a un ID de instalación aleatorio. Según el README, esos eventos excluyen código, prompts, rutas, nombres de repos y tokens. Se desactiva con orx telemetry off, se consulta con orx telemetry status o se omite por comando con --no-telemetry. Las builds compiladas desde el código fuente no envían nada.
El modo remoto no tiene autenticación. orx up --remote user@host levanta el workspace junto a GPUs remotas mientras usas el navegador en tu laptop. El servicio remoto escucha en loopback, pero no tiene autenticación a nivel de aplicación, así que cualquier otro usuario de ese host puede acceder a él. En un servidor de GPU compartido, eso importa.
El mismo snapshot confirmado puede correr además por SSH o en Slurm, Kubernetes, Ray, Hugging Face Jobs, Modal y Tinker, sin necesidad de publicar el repositorio.
¿Qué cambió en la v0.2.10?
No lo sabemos: al momento de publicar esta nota, el tag v0.2.10 no incluía release notes, solo instaladores y binarios para macOS (Apple Silicon e Intel), Windows x64 y Linux x64 y ARM64 (musl). El proyecto está antes de la 1.0 y publica versiones con frecuencia, así que fija una versión si vas a integrarlo en algo de lo que dependan otras personas.
¿Vale la pena instalarlo?
Sí, si tu trabajo gira en torno a experimentos y no a features. El acierto de OpenResearch es que no compite con tu agente: le agrega lo que a los agentes les falta para investigar. Eso es aislamiento entre intentos paralelos, registro de qué commit produjo qué número y evidencia que no desaparece cuando se cierra el chat. Es la herramienta más concreta de esta semana en GitHub para hacer más con el agente que ya tienes.