Puse a prueba a 7 agentes de IA con el mismo desafío de Swift. ¡Fue BRUTAL!

El video comienza analizando por qué los modelos de lenguaje más avanzados fallan sistemáticamente al programar en el lenguaje de Apple. Se identifican tres cuellos de botella: la brecha de datos por el código privado, la deriva de la API por las actualizaciones constantes de SwiftUI y el sesgo de los benchmarks que priorizan Python. El presentador explica que la mayoría de las demostraciones espectaculares de IA se limitan a JavaScript, dejando a Swift en un segundo plano. Este contexto es fundamental para entender por qué incluso modelos inteligentes producen código que no compila en las versiones más recientes de Xcode. Se establece el desafío de crear un clon de Tinder para perros llamado "Dogtinder" para poner a prueba estas capacidades.

El análisis comienza con los modelos de peor rendimiento, destacando a Qwen 3 Coder Next y Grok Code Fast. Qwen falló totalmente al no poder generar un archivo de proyecto que Xcode pudiera abrir, ofreciendo solo instrucciones manuales poco útiles. Grok, por su parte, aunque logró una aplicación funcional tras varias correcciones en Xcode, presentó un diseño visualmente pobre y carente de secciones básicas. Ambos modelos demostraron que, a pesar de su fama en la web, su comprensión de las estructuras de archivos de Swift es mínima. Este segmento subraya la frustración de depender de herramientas que requieren intervención manual constante del desarrollador.

Kimi K2.5 mostró una mejora al incluir animaciones de deslizamiento, aunque estas resultaron ser imprecisas y con errores visuales notables. El caso de Gemini 3 Pro fue el más curioso, ya que falló estrepitosamente usando su propia CLI pero entregó un resultado excelente a través del asistente de Xcode. La versión de Gemini en Xcode incluyó un diseño estético e incluso un logotipo personalizado, demostrando que la herramienta de integración influye tanto como el modelo. Esta sección ilustra cómo modelos de nivel medio pueden brillar si se utilizan dentro del entorno de desarrollo adecuado. El autor destaca que la consistencia sigue siendo el mayor problema para estos agentes de IA.

GPT 5.3 Codecs se destacó por ser el primer modelo en producir el paquete completo de Swift de forma autónoma, aunque con errores de diseño en el escalado de imágenes. Sin embargo, el verdadero ganador fue Opus 4.6, que superó todas las expectativas al completar el desafío de forma impecable al primer intento usando Claude Code CLI. Opus no solo creó el proyecto sin ayuda externa, sino que entregó una interfaz hermosa con animaciones fluidas y lógica de chat funcional. Este resultado posiciona a Opus como la herramienta de referencia actual para desarrolladores de iOS que buscan asistencia de IA. La comparación deja claro que hay una brecha generacional entre Opus y sus competidores directos.

El video concluye con una prueba adicional del nuevo modelo GLM 5, que a pesar de sus promesas de superar a Opus, resultó ser un fracaso en Swift. GLM no pudo cargar imágenes ni completar la interfaz de chat, quedando relegado a los últimos puestos de la tabla. El presentador reflexiona sobre la necesidad de modelos específicos por lenguaje para evitar el sesgo hacia la web que domina el mercado actual. Se recomienda a los desarrolladores de iOS priorizar el uso de asistentes integrados en Xcode para maximizar la compatibilidad. Finalmente, el video cierra invitando a la audiencia a debatir sobre el futuro de los modelos personalizados para nichos de programación técnica.