Baidu DuMate irrumpe en las noticias de tecnología con un desafío de agentes multidispositivo
Baidu DuMate ha añadido transferencias de tareas entre dispositivos y un navegador integrado, aportando una historia concreta de ejecución a las noticias de tecnología de esta semana. Según se informa, el agente puede preservar el contexto y el progreso cuando el trabajo pasa de un teléfono a un ordenador. Baidu también afirma que el enrutamiento inteligente ha reducido el tiempo medio de las tareas en un 20 por ciento.
Esa combinación importa más que otra mejora de un chatbot. DuMate busca convertir una instrucción en un dispositivo en trabajo terminado a través de varias interfaces. Un usuario puede iniciar una investigación en un teléfono, continuar en un ordenador y dejar que el agente de escritorio abra sitios web o descargue archivos.
La comparación inmediata es ChatGPT agent, que también ejecuta tareas en línea mediante un navegador virtual y funciona en aplicaciones web, móviles y de escritorio. La diferencia estratégica reside en la continuidad. Baidu presenta la transferencia entre dispositivos como parte del propio agente, en lugar de tratar cada cliente como otra ventana a una conversación.
Baidu DuMate ahora traslada tareas activas entre dispositivos
La actualización central es la ejecución persistente, no una simple sincronización de conversaciones.
Baidu presentó las mejoras durante un AI Day centrado en DuMate celebrado en Chengdu el 10 de julio de 2026. El evento combinó una presentación de producto con un mercado público donde los visitantes pudieron probar herramientas de IA. Una cuenta local del evento señaló que el lanzamiento incluía enrutamiento inteligente, memoria compartida, control del navegador y generación de presentaciones.
DuMate, conocido como Dazi en chino, se lanzó en marzo como el agente de productividad de propósito general de Baidu. Baidu lo describió en sus resultados trimestrales como un sistema que ejecuta de forma autónoma flujos de trabajo de varios pasos entre aplicaciones y archivos.
La última versión amplía esa premisa a ordenadores y teléfonos. La memoria compartida preserva el contexto relevante de la tarea, mientras que el progreso sincronizado indica al segundo dispositivo dónde se detuvo la ejecución. Esto exige más que sincronizar el historial de chat, porque una tarea activa también incluye planes, resultados intermedios, recursos abiertos y acciones sin terminar.
Pensemos en un encargo de investigación de mercado. Un usuario podría pedir a DuMate desde un teléfono que compare varios proveedores durante el trayecto. Posteriormente, el cliente de escritorio podría retomar el mismo encargo, abrir varias páginas, recopilar documentos y preparar una presentación sin necesidad de reconstruir la instrucción.
El navegador integrado de la aplicación de escritorio es crucial para esa secuencia. Ofrece al agente un entorno controlado en el que puede abrir varias páginas y realizar investigaciones o descargas. El acceso al navegador transforma el sistema de un generador de texto en software capaz de manipular las interfaces que la gente ya utiliza.
Baidu también afirma que el cliente móvil puede dirigir de forma remota la ejecución basada en la nube. El teléfono no necesita realizar cada acción de forma local. Puede convertirse en una superficie de control para un trabajo que continúa en un entorno en la nube, reduciendo la dependencia de una sesión de escritorio abierta.
Esta arquitectura crea una definición más útil de la IA multidispositivo. El agente no está simplemente disponible en dos dispositivos. Es responsable de mantener suficiente estado para que un mismo trabajo avance en ambos.
La distinción es fácil de pasar por alto porque las aplicaciones de mensajería han sincronizado conversaciones durante años. Sin embargo, una transcripción de chat registra lo que se dijo. Un estado de ejecución también debe rastrear qué se intentó, qué funcionó, qué falló y qué acciones aún requieren aprobación.
Eso convierte la continuidad en un problema de ingeniería tanto como en una función de interfaz. El agente necesita registros de tareas duraderos, permisos compartidos, puntos de control recuperables y reglas que determinen qué dispositivo controla la siguiente acción. Cada componente puede determinar si una tarea retomada se siente continua o empieza a comportarse de forma impredecible.
Por tanto, el lanzamiento ofrece a Baidu un argumento de producto más preciso. DuMate ya no se presenta solo como un asistente capaz de trabajar con archivos y aplicaciones. Se está posicionando como un trabajador persistente cuyo contexto operativo sigue al usuario.
Por qué estas noticias de tecnología presionan a los agentes de navegador
Baidu está obligando a los proveedores de agentes de navegador a competir simultáneamente en continuidad, coste y finalización de tareas.
El uso del navegador se ha convertido en una vía habitual para pasar de la IA conversacional a la acción. En lugar de esperar a que cada servicio exponga una interfaz de programación de aplicaciones, un agente puede inspeccionar una página y operar sus controles visibles. Este enfoque amplía el acceso, pero también hereda la inconsistencia y los riesgos de seguridad de la web.
OpenAI estableció un primer punto de referencia con Operator en enero de 2025. Su modelo capaz de usar ordenadores interpreta capturas de pantalla y controla un navegador mediante clics, desplazamiento y escritura. Posteriormente, Operator se integró en ChatGPT agent, que ahora combina navegación, investigación, gestión de archivos y servicios conectados.
OpenAI afirma que su navegador virtual permite a los usuarios interrumpir o tomar el control durante una tarea. El agente también solicita intervención en pasos sensibles relacionados con credenciales, pagos y desafíos de verificación humana. Esos controles reconocen que la autonomía en el navegador todavía requiere límites.
Google ha seguido una dirección similar mediante Project Mariner. Google describió Mariner como un agente experimental de uso de ordenadores que interactúa con la web y completa tareas. Su hoja de ruta de agentes también conectó ese trabajo con el modo agente más amplio de Gemini.
Anthropic adoptó otra vía al poner capacidades de uso de ordenadores a disposición de los desarrolladores. Claude puede inspeccionar capturas de pantalla y emitir acciones de ratón o teclado dentro de un entorno controlado. Ese modelo ofrece más libertad a quienes crean software, aunque deben construir la interfaz circundante, los permisos y los controles de seguridad.
DuMate entra en este campo con un producto integrado, en lugar de una capacidad de modelo independiente. Baidu controla la aplicación, la infraestructura en la nube, los servicios de búsqueda, los modelos fundacionales y gran parte de la capa de enrutamiento. Esa pila vertical puede ayudar a coordinar transferencias y asignación de recursos.
La presión es más clara para los agentes de consumo y de trabajo que anuncian tareas de larga duración. Ya no basta con iniciar un trabajo. Los usuarios esperan cada vez más que el agente sobreviva a las interrupciones, se mueva entre dispositivos, se recupere de errores y explique su estado actual.
La continuidad entre dispositivos también cambia la unidad competitiva. Antes, los proveedores comparaban calidad de modelo, velocidad de respuesta, compatibilidad con herramientas y puntuaciones de referencia. DuMate añade la portabilidad de tareas como otra dimensión: ¿puede un usuario dejar un dispositivo sin abandonar el estado de trabajo del agente?
Esa pregunta tiene peso comercial. Muchos trabajadores del conocimiento descubren encargos en un teléfono, pero los completan en un ordenador. Los mensajes, solicitudes de reunión, documentos e instrucciones de investigación llegan durante todo el día. Un agente que pueda conectar esos momentos reduce la fricción de reconstruir el contexto más adelante.
Sin embargo, la continuidad por sí sola no garantiza utilidad. Un mal plan preservado a la perfección sigue siendo un mal plan. El agente debe conservar el progreso verificado sin encerrar al usuario en errores anteriores o supuestos obsoletos.
Los competidores pueden responder de varias formas. Pueden profundizar la sincronización entre aplicaciones existentes, mejorar la ejecución en la nube o exponer historiales de tareas más claros. También pueden priorizar integraciones que eviten la ambigüedad de controlar interfaces visuales.
El resultado no es una simple competencia entre Baidu y OpenAI. El principal rival es un modelo de agentes fragmentado en el que cada dispositivo o sesión se comporta como un nuevo comienzo. La actualización de DuMate sostiene que el estado persistente debería ser una capa central del producto.
Ese argumento resonará entre los equipos que ya están creando una base de conocimiento consultable. La continuidad de la investigación depende de conservar tanto la evidencia como las decisiones, especialmente cuando el trabajo abarca herramientas, archivos y varias sesiones.
El verdadero mecanismo es el enrutamiento, la memoria y el control del navegador
La promesa de DuMate depende de coordinar tres sistemas que a menudo se evalúan por separado.
El primer sistema es la memoria compartida. En este contexto, memoria significa información de tareas almacenada que el agente puede recuperar durante ejecuciones posteriores. Puede incluir el objetivo original, las preferencias del usuario, las fuentes seleccionadas, los archivos intermedios y un registro de los pasos completados.
Una memoria útil debe ser selectiva. Enviar cada mensaje y página anteriores de vuelta al modelo elevaría los costes de procesamiento e introduciría información irrelevante. El sistema debe recuperar el conjunto más pequeño y útil de detalles para la siguiente decisión.
El segundo sistema es el enrutamiento inteligente. Un enrutador examina una solicitud y selecciona un modo de ejecución, modelo o cadena de herramientas adecuados para el trabajo. Una simple reescritura no debería consumir los mismos recursos que un encargo de investigación extenso que implique varios sitios y una presentación.
Baidu afirma que su enrutador mejorado redujo la duración media de las tareas en un 20 por ciento e incrementó la utilización de tokens en un 25 por ciento. Los tokens son las unidades que los modelos procesan al leer y generar contenido. Una mejor utilización generalmente significa que el sistema completa trabajo más útil con la misma cantidad de entrada y salida del modelo.
Estas cifras son afirmaciones de la empresa, no resultados de pruebas comparativas independientes. Baidu no ha proporcionado públicamente suficiente detalle metodológico para compararlas directamente con otros agentes. La combinación de tareas, la versión de referencia, los criterios de éxito y la política de reintentos afectan al resultado.
El tercer sistema es el control del navegador. El navegador integrado proporciona a DuMate un entorno para abrir páginas, navegar entre fuentes y descargar material. Según se informa, puede ejecutar varias operaciones web como parte de un mismo encargo, en lugar de devolver instrucciones para que las siga el usuario.
Estos sistemas se refuerzan mutuamente. La memoria indica al navegador qué requiere la tarea. El navegador produce observaciones y archivos. El enrutador decide qué modelo o modo debe interpretar esos resultados y planificar la siguiente acción.
Un eslabón débil aún puede descarrilar todo el flujo de trabajo. Si la memoria recupera la instrucción equivocada, el navegador podría visitar páginas irrelevantes. Si el enrutamiento selecciona un modo ligero para una tarea difícil, el agente podría producir un plan superficial. Si falla el control del navegador, un razonamiento más sólido no puede completar la acción.
Baidu informa una tasa de finalización del 100 por ciento para tareas simples y una tasa de entrega de alta calidad del 94 por ciento para tareas complejas. También afirma que algunas cargas de trabajo consumen hasta un 75 por ciento menos créditos. Estas afirmaciones parecen importantes, pero las categorías necesitan definiciones más claras antes de que los compradores puedan compararlas con evaluaciones externas.
“Finalización” puede significar que un agente alcanzó un estado terminal, produjo un resultado aceptable o cumplió todos los requisitos. “Entrega de alta calidad” está aún menos estandarizado. Podría reflejar valoraciones humanas, comprobaciones automatizadas o un umbral interno de calidad.
La distinción importa porque la evaluación de agentes es especialmente sensible al diseño de las tareas. Un agente de navegador puede funcionar bien en sitios estables, pero tener dificultades cuando cambia una página, aparece una ventana emergente o una descarga requiere un paso de confirmación desconocido.
Los resultados publicados por OpenAI sobre uso de computadoras ilustran la brecha entre los benchmarks controlados y la fiabilidad general. Su modelo obtuvo un 38,1 % en OSWorld cuando fue presentado, frente al 72,4 % atribuido a humanos. El mismo modelo rindió mejor en benchmarks de navegador más acotados, lo que demuestra cómo la complejidad del entorno modifica los resultados.
Por tanto, la afirmación más sólida de DuMate es arquitectónica. Baidu combina en un único flujo de trabajo orientado al usuario el enrutamiento, el contexto persistente y la ejecución en el navegador. Los porcentajes aportan evidencia de apoyo, pero aún no demuestran superioridad frente a agentes competidores.
Para los usuarios, la prueba práctica es sencilla. ¿Puede DuMate reanudar una tarea real sin explicaciones repetidas, utilizar los recursos adecuados y entregar un resultado correcto? Ese desenlace importa más que el liderazgo de cualquier componente individual en un benchmark.
Un agente persistente también se beneficia de material de origen organizado. Un sistema de conocimiento personal proporciona al agente información estable que recuperar, en lugar de obligar a que cada encargo comience con una exploración abierta de la web.
Los agentes persistentes también conllevan riesgos persistentes
Un agente que acompaña a los usuarios entre dispositivos puede conservar errores y exposición con la misma eficacia con la que conserva contexto útil.
Los agentes de navegador operan en un entorno de información adversarial. Una página puede contener instrucciones dirigidas a un visitante humano, un sistema automatizado o un modelo de IA. El agente debe distinguir el contenido útil del texto diseñado para redirigir su comportamiento.
La inyección de prompts es el ejemplo más claro. Un atacante puede colocar instrucciones ocultas o engañosas en una página para indicarle al agente que ignore su tarea original. Si el agente obedece, podría exponer información, alterar un flujo de trabajo o navegar a algún lugar que el usuario nunca solicitó.
Anthropic ha descrito esto como un riesgo central para los sistemas de uso de computadoras. Su investigación sobre uso de computadoras señala que un modelo conectado a internet puede encontrarse con instrucciones maliciosas dentro de capturas de pantalla o páginas web. La empresa ha seguido desarrollando clasificadores y otras defensas.
La operación entre dispositivos amplía el número de límites de confianza. Una tarea puede empezar en un teléfono personal, continuar en un navegador en la nube y terminar en una computadora del trabajo. Cada entorno puede tener cuentas, permisos, archivos almacenados y políticas de seguridad diferentes.
Baidu afirma que su producto empresarial registra las llamadas de IA, el acceso a datos y las operaciones clave para auditoría. Esto es relevante para implementaciones gestionadas, pero los usuarios consumidores también necesitan controles comprensibles. Deben saber qué entorno almacena el estado de la tarea y qué datos los acompañan a otro dispositivo.
La memoria compartida plantea otro problema: la persistencia puede sobrevivir a su relevancia. Una preferencia guardada durante un encargo puede resultar inapropiada más adelante. Un documento utilizado para investigación puede contener detalles confidenciales que no deberían incluirse en una tarea futura.
Por ello, los buenos sistemas de memoria necesitan controles de eliminación, corrección, caducidad y procedencia. La procedencia registra de dónde proviene la información. Sin ella, los usuarios pueden tener dificultades para determinar si el agente actúa basándose en una instrucción actual, una conversación antigua o una página web que encontró durante la ejecución.
El control remoto desde móviles plantea cuestiones de autorización. El producto debe identificar de forma fiable qué usuario puede reanudar una tarea y qué acciones requieren una nueva confirmación. Un teléfono robado o desatendido no debería convertirse en un control remoto para sesiones de navegador sensibles.
La ejecución en la nube crea una disyuntiva paralela. Permite que los trabajos continúen cuando una computadora local no está disponible, pero traslada el trabajo a una infraestructura que el usuario no puede inspeccionar directamente. Los compradores empresariales querrán detalles sobre cifrado, retención, procesamiento regional y controles administrativos.
El navegador integrado también necesita puntos de intervención claros. Comprar, publicar, enviar mensajes, eliminar archivos y enviar formularios puede generar consecuencias difíciles de revertir. El agente más seguro no es necesariamente el que completa cada paso sin interrupciones.
Las afirmaciones de rendimiento publicadas por Baidu no responden a estas cuestiones de gobernanza. Un enrutador más rápido puede reducir el tiempo de una tarea sin mejorar la seguridad. Una tasa de finalización más alta incluso puede aumentar el riesgo si el agente avanza con demasiada agresividad en acciones con consecuencias.
También existe un riesgo de producto más común: transferencias poco fiables. Una tarea puede parecer sincronizada mientras pierde silenciosamente una referencia de archivo, un estado de inicio de sesión o una decisión intermedia. El segundo dispositivo podría continuar desde una representación incompleta del trabajo.
Los usuarios necesitan puntos de control visibles para detectar ese fallo. Una buena transferencia debe resumir el objetivo, los pasos completados, los problemas sin resolver, las fuentes activas y las acciones siguientes. Debe pedir confirmación cuando el nuevo entorno cambie aquello a lo que el agente puede acceder.
Las pruebas independientes serán importantes en este aspecto. Las métricas de Baidu fueron presentadas por la empresa, y el material público disponible no describe una auditoría de terceros. Las cifras deben tratarse como indicadores tempranos del producto, no como mediciones concluyentes.
Esto no hace que la actualización sea poco importante. Define el estándar que DuMate debe cumplir ahora. Baidu ha pasado de prometer automatización de varios pasos a prometer automatización continua entre dispositivos, lo que crea una superficie mayor tanto para el valor como para el fallo.
Lo que los lectores de noticias tecnológicas deben vigilar a continuación
Tres señales mostrarán si el diseño multidispositivo de DuMate se convierte en una ventaja duradera o sigue siendo una demostración pulida.
La primera señal es la retención de tareas en el mundo real. Durante las próximas actualizaciones del producto, los usuarios deberían examinar si DuMate conserva de forma fiable objetivos, fuentes, archivos y aprobaciones después de cambiar de dispositivo. Las solicitudes repetidas o la falta de estado debilitarían la afirmación de continuidad de Baidu.
Una retención satisfactoria reforzaría el argumento de que el estado de las tareas debería convertirse en una capa estándar de los agentes de consumo. También presionaría a los rivales para que expongan registros de transferencia más claros, en vez de sincronizar únicamente el historial de conversaciones.
La segunda señal es una evaluación transparente. Baidu debería publicar definiciones para la finalización de tareas simples, la entrega satisfactoria de tareas complejas, el uso de tokens y la reducción de créditos. También debería describir los recuentos de tareas, las líneas de base, los reintentos, la revisión humana y el tratamiento de los fallos.
Una metodología detallada haría más significativos los resultados reportados del 100 % y el 94 %. La falta de evidencia comparable impediría a los compradores distinguir una mejor ejecución de una selección favorable de tareas.
La tercera señal es el modelo de seguridad en torno a las acciones de navegador y nube. Conviene vigilar los controles de permisos, las políticas de confirmación, la gestión de memoria, las funciones de auditoría y las defensas contra instrucciones web maliciosas. Estos detalles determinarán si las empresas pueden implementar agentes multidispositivo más allá de pilotos controlados.
Las respuestas de los competidores ofrecerán otra medida indirecta. OpenAI, Google y Anthropic ya admiten interacción con navegadores o computadoras. Si hacen más visibles las transferencias activas de tareas, Baidu habrá identificado una brecha real de producto, incluso si sus rivales terminan cerrándola.
Para los desarrolladores, la lección es que la capa de agentes está evolucionando por encima de los modelos individuales. El enrutamiento, la memoria, la recuperación de estado, los permisos y el control de la interfaz determinan cada vez más la experiencia de usuario. Un mejor razonamiento ayuda, pero la orquestación decide si ese razonamiento sobrevive al contacto con un flujo de trabajo prolongado.
Los compradores empresariales deberían evitar comparar tasas de finalización destacadas sin definiciones compartidas. Deben probar encargos representativos, registrar la frecuencia de intervención, medir los costes de corrección y examinar cómo el sistema gestiona instrucciones desactualizadas o contradictorias.
Los trabajadores del conocimiento pueden aplicar una prueba aún más sencilla. Inicien una tarea de investigación en un teléfono, retómenla en una computadora, inspeccionen la evidencia conservada y verifiquen el resultado final. Ese flujo de trabajo pone a prueba toda la tesis de DuMate en una sola secuencia.
Baidu ha convertido la continuidad entre dispositivos en una afirmación competitiva concreta dentro de las noticias tecnológicas, en lugar de una comodidad en segundo plano. Ahora debe demostrar que esa continuidad preserva el criterio, los permisos y la evidencia, no solo los indicadores de progreso.
La siguiente pregunta corresponde a usuarios y evaluadores: cuando un agente de IA acompaña el trabajo entre dispositivos, ¿reduce la reconstrucción y entrega un resultado fiable, o simplemente lleva los errores sin resolver más lejos? La respuesta determinará si los agentes persistentes se convierten en infraestructura cotidiana o en otra función que la gente desactiva tras el primer error costoso.
