Lunes, 16 de noviembre de 2026
Portada de las 21:50
Todos los periódicos y la radio, en unoEscrito por IA a partir de Hacker News · Cómo se hace
Hacker News
Show HN · Launch HN

Launch HN: Momentic (YC W24) – Agentes que cazan bugs usando tu app

Momentic, startup de YC W24, presenta Mo, un agente de QA que planifica, explora y prueba flujos de usuario en apps web, iOS y Android para encontrar bugs. Sus fundadores publican un benchmark propio en el que, según ellos, Mo encuentra bastantes más bugs que Codex, Claude Code y Devin, a un coste mayor por bug que Codex.

Foto: vía momentic.ai

Leer el artículo aquíArtículo original (momentic.ai) 105 comentarios en Hacker News

Escucha la noticia3 min

Los fundadores, Wei-Wei y Jeff, son ingenieros con experiencia en herramientas para desarrolladores en empresas como Robinhood, Retool, WeWork y Qualtrics. Parten de que probar software con Playwright o Selenium obliga a fijar en el código detalles de implementación como XPath, textos o atributos aria, y de que mantener esos tests cuesta tiempo y tokens. Su apuesta es que el futuro del QA son agentes que prueban por sí mismos, no scripts. Añaden que los LLM refuerzan sus propias suposiciones, escriben muchos tests inútiles y entienden mal lo visual.

Mo es un agente a medida para detectar bugs, construido sobre tres años de producto y millones de trazas de tests. Construye un grafo acíclico dirigido mientras explora, y las áreas grandes se dividen en subagentes en paralelo, cada uno con su navegador o dispositivo. Hay agentes especializados (planificación sobre capturas y vídeo, localización de elementos a partir de descripciones en lenguaje natural, análisis de imagen), y los agentes se coordinan con «leases» cooperativos: varios pueden «usar» un recurso, pero solo uno puede «modificarlo». Incluye un túnel para exponer sitios privados o locales a su infraestructura, que puede lanzar cientos de navegadores a la vez.

El benchmark, QA Bench, usó 20 áreas de cuatro apps open source (Gitea, Metabase, Twenty y Saleor) con 1.396 bugs etiquetados por humanos, sin acceso al código fuente y con 60 minutos por área. Mo halló 269 bugs (19,3 % de recall, 84 % de precisión, 2,67 $ por bug). Codex halló 86 (6,2 %, 86 %, 0,80 $), Claude Code 59 (4,2 %, 80 %, 4,09 $) y Devin 27 (1,9 %, 84 %, 3,89 $). Según los autores, Mo mejora con más tiempo: de 177 bugs a los 30 minutos a 269 a los 60, mientras que Codex ganó un 16 %. Publican resultados, dataset y harness.

La web del producto añade que Mo ya está disponible de forma general. Los tests se escriben en YAML con lenguaje natural, se versionan en el repositorio y se ejecutan con una CLI en local o en CI, con «auto-heal» cuando cambia la interfaz y una base de conocimiento con reglas del producto. Cita como clientes a Notion, Runway, Webflow, Quora y GPTZero, entre otros.

En Hacker News

«Launch HN: Momentic (YC W24) – Agents that catch bugs by using your app» · puesto 26 · 156 puntos · enviado por wuweiweiwu

Lo que dicen los comentarios

Buena parte de los comentarios cuestiona el valor frente a alternativas propias. Varios preguntan por qué no usar Claude o Codex con un harness de Playwright, y los fundadores responden que la ventaja de Mo está en el número de bugs hallados. También hay dudas sobre la lectura del benchmark: algunos entienden que Codex sale mejor por menos dinero, y otros recuerdan que Mo cuesta más pero encuentra más. Preocupan además la dependencia del proveedor (los fundadores admiten cierto lock-in en el formato de su producto de regresión, aunque sea lenguaje natural) y la no determinación de un agente exploratorio. Un usuario cuenta que lo probó y le pareció lento y caro; Jeff replica que paralelizan sobre una flota de navegadores. Otro comentario propone medir con acceso al código fuente, algo que, según su experiencia, permitía correlacionar bugs con código de UI y backend. Hay también una queja por un correo de invitación de Slack tras iniciar sesión, y preguntas técnicas sobre bucles de reintento y sobre si Mo aprende de los hallazgos descartados.

  • ¿Por qué esto es mejor que ejecutar Opus 5.5 directamente contra mi app con un harness propio basado en Playwright, con mi propia suscripción?
    — JulianPaul, leer el comentario
  • Soy Gabe, ingeniero de Momentic. La ventaja de Mo está en el total de bugs encontrados: frente a Claude Code, unos 5 veces más y un 35 % menos por bug, en la sesión de 60 minutos.
    — MGabrielDenton, leer el comentario
  • Yo siempre elegiría una herramienta open source que pueda acoplar a mi harness antes que un servicio así. ¿Esperan que no llegue ningún competidor igual de bueno?
    — beavisringdin, leer el comentario
  • Mo genera sus casos de prueba en lenguaje natural y, si se quiere, puede escribir Playwright en tu repositorio. Su producto de regresión sí tiene lock-in, porque es un formato propietario, aunque al ser lenguaje natural es bastante portable.
    — jeffan, leer el comentario
  • Tengo curiosidad por ver benchmarks con acceso al código. En mi último trabajo dimos acceso al código a Codex y Claude Code y a un navegador: encontró bugs y los correlacionó con el código de UI y backend.
    — throwaway7783, leer el comentario

Pregunta sobre esta noticia

Respuestas automáticas a partir de las noticias de El Autómata, sus fuentes y la radio. Pueden contener errores: comprueba los enlaces.

Esta noticia la ha redactado una inteligencia artificial a partir de las fuentes citadas, con el criterio editorial de El Autómata (equilibrio, atribución y solo hechos publicados). Puede contener errores: consulta las fuentes originales. Modelo: claude-sonnet-5.5.