Bolt.new, la plataforma de desarrollo basada en navegador de StackBlitz especializada en inteligencia artificial, ha lanzado una propuesta innovadora que pone sobre la mesa un intercambio interesante para los desarrolladores. A partir de ahora y hasta el 14 de octubre, los usuarios Pro que opten por su nuevo servicio “Forge” podrán acceder a hasta 50 veces más uso de modelos de código abierto para programación, a cambio de compartir datos anónimos de sus sesiones de trabajo para entrenar nuevos modelos de IA.
Este programa, que se presenta como una vista previa de investigación, requiere que los desarrolladores que utilicen Forge acepten voluntariamente que se recojan datos de sus interacciones, incluyendo prompts, fragmentos de código fuente, correcciones aplicadas y las conversaciones mantenidas con el agente de codificación. Toda esta información ayudará a la compañía en proyectos conjuntos con Arcee AI para entrenar un modelo abierto con parámetros de escala trillón, el cual empezará a formarse en octubre y cuyas versiones finales se prevé serán liberadas públicamente.
La propuesta de Forge representa un modelo de colaboración entre desarrolladores y compañías: los primeros obtienen una capacidad computacional sin precedentes para acelerar su trabajo, mientras que Bolt y Arcee se benefician de datos reales y genuinos que aportan contexto y profundidad al proceso de entrenamiento de modelos IA. 
La importancia de las trayectorias de codificación reales
Los repositorios públicos ofrecen inmensas cantidades de código fuente, pero generalmente solo reflejan la versión final de un proyecto. Lo que Forge busca capturar son las trayectorias reales de programación, incluyendo los errores, revisiones y correcciones realizadas durante el desarrollo. Esta información invaluable ayuda a diseñar agentes de codificación capaces de abordar tareas complejas y de larga duración con mayor efectividad.
Cuando un agente trabaja sobre un código heredado o que ha sido modificado por otros agentes, surgen retos adicionales para entender y adaptar el código. Capturar las fallas y sucesivos intentos de corrección permite abordar esos desafíos con mejores herramientas. Proyectos similares, como el realizado por SpaceXAI con Grok 4.6, han demostrado el valor de incluir las trazas de los errores en el entrenamiento de IA, y Bolt apuesta por un enfoque que recopile datos directamente de sesiones reales de programadores humanos.
Por su parte, Arcee señala que las tareas de ingeniería de software pueden abarcar decenas de miles de tokens a medida que los agentes leen y modifican código, ejecutan pruebas y depuran errores, lo que evidencia la complejidad y volumen de datos que se manejan en una sesión de desarrollo.
Cómo Bolt consigue multiplicar por 50 el uso de modelos
Los modelos de inteligencia artificial empleados en programación suelen consumir gran cantidad de tokens, especialmente en tareas complejas. Por ello, una oferta que multiplique por 50 el uso disponible para los usuarios es realmente significativa.
Forge funciona ejecutando modelos de código abierto directamente en la infraestructura de Bolt, empleando modelos como GLM 5.3 Flash y GLM 5.3, con experimentos en otros modelos como Kimi K3 y DeepSeek v4 Pro. Esta diferencia técnica permite a Bolt controlar mejor los costes, ya que utilizan su tecnología WebContainers para ejecutar los proyectos dentro del propio navegador del usuario, ahorrando recursos de servidor.
Adicionalmente, al entrenar modelos propios en hardware reservado con datos aportados por los desarrolladores, Bolt reduce su dependencia de APIs propietarias, alineándose con una tendencia de la industria hacia la gestión autónoma de modelos, una estrategia que Nvidia abraza a gran escala con su adquisición de Hugging Face por 12.900 millones de dólares.
Rendimiento de Forge frente a otros modelos
Los modelos de Forge alcanzaron una puntuación de 92,2 en el Bolt Build Index, un indicador interno de rendimiento, frente a 101,0 de la mejor versión de pago disponible en la plataforma, situándose cerca del 91%. Aunque esta métrica es específica de Bolt y no refleja comparaciones externas, el resultado indica que los desarrolladores pueden acceder a un rendimiento sólido con Forge, beneficiándose de mayor capacidad computacional y contribuyendo al desarrollo de futuras versiones.
Condiciones y privacidad para los desarrolladores
La participación en Forge requiere una aceptación explícita mediante pantalla de consentimiento al activar el entorno de trabajo Forge, quedando excluidos los usuarios de cuentas estándar, Max, Teams y Enterprise. Bolt asegura que los datos compartidos son anonimizados en origen, eliminando información sensible o personal, y que pasan por controles rigurosos antes de enviarse a Arcee bajo acuerdos de procesamiento firmados.
Además, los desarrolladores pueden dejar de enviar nuevas sesiones en cualquier momento, aunque los datos ya utilizados en el entrenamiento no podrán eliminarse de los modelos.
La oferta especial de multiplicar por 50 la capacidad computacional finalizará el 14 de octubre, pero Bolt confirma que Forge continuará operando como un laboratorio abierto para probar nuevos modelos una vez concluida la fase de vista previa.
Esta iniciativa marca un paso importante en la evolución de la colaboración entre desarrolladores e inteligencia artificial, en una época donde el acceso a modelos potentes y personalizados es clave para acelerar la innovación en software.
