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
1 medio · MadridPublicada 2 nov, 18:20Actualizada 3 nov, 14:30· Ya no está en portadaEscrita por IA · cómo funciona
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.
«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?
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.
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?
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.
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.
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.