Análisis de QwenPaw (CoPaw): el agente personal de código abierto de Alibaba

QwenPaw es un asistente personal de código abierto del equipo AgentScope de Alibaba. Si lo conocía como CoPaw, es el mismo proyecto: se lanzó como CoPaw en febrero de 2026 y pasó a llamarse QwenPaw en abril de 2026, como explican las notas de la versión v1.1.0. Todavía verá el nombre antiguo en guías más viejas y en el paquete copaw de PyPI. El repositorio tenía 37.495 estrellas en GitHub cuando lo comprobamos el 8 de noviembre de 2026.

Qué es

QwenPaw pertenece a la misma familia que OpenClaw y nanobot: un agente en su máquina al que accede desde una consola web, una interfaz de terminal o apps de chat, que le recuerda, ejecuta tareas programadas y puede actuar mediante un navegador, una shell, herramientas MCP, skills y plugins. Dos cosas lo distinguen: está pensado para funcionar íntegramente con modelos locales y puede ejecutar varios agentes independientes en paralelo.

Instalación

Puede instalarlo con pip (Python 3.11 a 3.13), un script de instalación o Docker. El script es la vía fácil: configura Python, Node.js y la consola web en macOS, Linux o Windows. Alibaba también ofrece un despliegue gratuito en la nube con un clic en su AgentScope Platform, aunque eso ya no es autoalojamiento. Existen apps de escritorio para Windows y macOS, pero están en beta.

La consola web cubre canales, tareas cron, heartbeat, skills, MCP y archivos, y la documentación explica cada uno. Las versiones son frecuentes, con muchas betas, así que cuente con actualizar a menudo y leer las notas cuando lo haga.

Telemetría: lea el comando init

QwenPaw envía datos de instalación anónimos una vez por versión durante qwenpaw init: versión, método de instalación, sistema operativo, versión de Python, arquitectura de CPU y si hay GPU. El equipo afirma que no recoge datos personales, archivos, credenciales ni direcciones IP (README).

La pega está en cómo funciona el consentimiento. La configuración interactiva le pide que acepte, pero el comando de inicio rápido que recomienda la documentación, qwenpaw init --defaults, lo acepta automáticamente. Si no quiere que se envíe nada, ejecute el qwenpaw init interactivo y rechácelo. Son pocos datos, pero están activados por defecto si sigue el inicio rápido.

Sandboxing: desactivado, y más débil en Docker

QwenPaw tiene más capas de seguridad que la mayoría de los agentes de esta categoría. La documentación de seguridad describe Tool Guard, File Guard, análisis de skills, políticas de acceso y un sandbox opcional a nivel de kernel para los comandos.

Ese sandbox está desactivado por defecto (código fuente), y dentro de Docker pasa a no aplicar ningún aislamiento. Ese segundo punto va contra la intuición: ejecutar QwenPaw en Docker no le da el sandbox de comandos, solo la separación que aporte el propio contenedor. Si lo instala en su máquina principal, active el sandbox antes de conectar cualquier canal de chat.

Los modelos locales son su punto fuerte

QwenPaw funciona con más de 20 proveedores en la nube, entre ellos DashScope (Qwen), OpenAI, Anthropic, Gemini, DeepSeek, Kimi y OpenRouter. También puede funcionar totalmente sin conexión y sin clave de API: tiene un runtime llama.cpp integrado, admite Ollama y LM Studio, y el equipo publica sus propios modelos pequeños QwenPaw-Flash entrenados para tareas de agente (documentación de modelos).

Esa combinación, un runtime y un modelo ajustado para él del mismo equipo, exige menos configuración que conectar usted mismo un agente a un servidor de modelos local aparte. Lo que un modelo local puede abarcar sigue dependiendo de su hardware, así que pruebe sus tareas reales antes de prescindir de un proveedor en la nube.

Varios agentes y memoria

Cada agente tiene su propia memoria, skills y heartbeat, y los agentes pueden trabajar juntos (documentación multiagente). La memoria es un almacén en Markdown de tres capas que puede leer y editar. Las comprobaciones de heartbeat y las tareas cron mantienen a los agentes trabajando mientras usted no está. La generación de imágenes llega mediante plugins oficiales para Qwen-Image o GPT Image 2.

Canales

La cobertura es mejor en plataformas chinas: DingTalk, Feishu, WeChat y QQ, junto a Telegram, Discord y Slack. iMessage solo funciona en un Mac con un asistente de terceros y Acceso total al disco, que es un permiso muy amplio. No hay canal de WhatsApp (documentación de canales).

Quién debería usarlo

QwenPaw es adecuado para quien quiere un agente autoalojado que funcione íntegramente con modelos locales, para usuarios de DingTalk, Feishu, WeChat o QQ, y para quien quiera un pequeño equipo de agentes especializados en una sola máquina. Es una opción más floja si necesita WhatsApp o quiere un sandbox activo sin tocar ajustes.

Cómo se compara

• nanobot es lo más parecido: Python, MIT, una WebUI pulida, modelos locales y sin telemetría por defecto, aunque su sandbox de shell también viene desactivado.
• ZeroClaw tiene su sandbox del sistema operativo activado en el perfil recomendado y no envía telemetría, pero la configuración es un archivo TOML.
• OpenClaw tiene un ecosistema mayor y soporte para WhatsApp, con el sandboxing desactivado por defecto.

Vea mejores agentes de IA locales y alternativas a OpenClaw para más opciones.