Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoCódigo / SDK · Listo para usarX: @firecrawl→ original

Firecrawl Local: el scraper para agentes es 37 veces más rápido y consume 230 veces menos memoria

Firecrawl, el servicio que convierte sitios web en texto limpio para agentes de IA, ha lanzado Firecrawl Local, una versión pensada para ejecutarse en infraestructura propia. La operación básica de scrape, es decir, descargar una página y limpiarla, se ha reescrito en Rust. Es 37 veces más rápida que la versión self-hosted anterior y ocupa 11 MB en reposo, 230 veces menos. Un parser así puede ejecutarse en un contenedor de CI junto a cada agente.

Procesado por IA desde X: @firecrawl; editado por Hamidun News
Firecrawl Local: el scraper para agentes es 37 veces más rápido y consume 230 veces menos memoria
Fuente: X: @firecrawl. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalX: @firecrawl ↗
Editor jefe
Scrape en Rust37 veces más rápido que la versión self-hosted anterior
Memoria en reposo11 MB, 230 veces menos que antes
Dato clave #3Código 100% abierto; el MCP y los SDK de Firecrawl funcionan sin cambios

Firecrawl, un servicio que convierte páginas web en texto limpio y comprensible para los modelos de lenguaje, ha lanzado Firecrawl Local. El problema que resuelve le resulta familiar a cualquiera que construya agentes: para que un modelo lea una documentación o un sitio web, hay que descargar la página y limpiarla de publicidad, menús y scripts. Hasta ahora, la versión local self-hosted, la que el equipo instalaba en su propio servidor, era pesada y lenta.

Ahora el repositorio se ha reconstruido: la operación básica de scrape, que los autores llaman scrape primitive, está escrita en Rust, funciona 37 veces más rápido que la versión self-hosted anterior y ocupa solo 11 MB de memoria en reposo, 230 veces menos. Para el desarrollador, esto significa que el parser puede vivir junto al agente en lugar de desplegarse en una máquina aparte.

Qué significan las cifras

El anuncio contiene tres números. El primero es 37 veces: es lo que se acelera la operación básica de «obtener una página y convertirla en texto limpio» respecto a la versión self-hosted anterior de Firecrawl. El segundo es 11 MB en reposo: la memoria que ocupa el proceso cuando no hay ninguna petición en curso. Es 230 veces menos que en la versión anterior. Una aritmética sencilla da aproximadamente 2,5 GB para la variante antigua, pero es un cálculo a partir de las cifras declaradas, no una medición independiente. El tercero es el 100% de código abierto.

Imagine que prueba un agente en CI. Cada ejecución necesita un parser de páginas. Antes había que levantar para ello un servicio voluminoso, con un consumo de memoria notable. Ahora es un proceso pequeño que arranca junto a los tests y casi no consume nada mientras no se usa.

La compatibilidad se mantiene. Según Firecrawl, todo funciona de serie con sus servidores MCP y sus SDK. Si el agente ya está conectado a Firecrawl mediante MCP, pasar a la variante local no obliga a reescribir la integración: basta con cambiar la dirección a la que el agente acude para obtener las páginas.

Por qué importa a quienes desarrollan agentes

La primera ventaja es la privacidad y el coste. Si el scrape se ejecuta en su máquina o dentro de su perímetro, las direcciones internas, las páginas protegidas por una VPN corporativa y los datos sensibles no salen a una nube externa. Para intranets, documentación cerrada y entornos de pruebas, a menudo es la única opción aceptable.

La segunda ventaja es la densidad. Con 11 MB en reposo, el servicio cabe en un contenedor, en un portátil, en un servidor pequeño o dentro de un pipeline de CI. Se pueden mantener varias instancias en paralelo sin preocuparse por la factura de memoria.

La tercera ventaja es la velocidad del ciclo. Un agente que busca información en varios pasos espera una respuesta en cada uno. Cuando la operación básica se ejecuta más rápido, baja el tiempo total de respuesta. En un asistente que lee documentación durante una conversación, se nota como que «el agente piensa más rápido».

Qué conviene comprobar

Las cifras proceden del anuncio de la propia Firecrawl; la publicación no incluye mediciones independientes. La comparación se hace con la versión self-hosted anterior, no con otros scrapers, así que es prematuro decir «más rápido que nadie en el mercado». La aceleración de 37 veces se refiere exclusivamente a la operación básica de scrape. El rastreo completo de un sitio grande, el renderizado de páginas con mucho JavaScript y la evasión de protecciones antibot dependen de muchos otros factores, y no cabe esperar esa aceleración para todo el pipeline.

El plan práctico es sencillo. Tome el repositorio, pruebe con sus propias páginas reales y compare tres parámetros: tiempo de respuesta, consumo de memoria y calidad del texto obtenido. Revise con especial atención los casos difíciles: páginas dinámicas y tablas largas. Si la calidad no se resiente, la ejecución local puede sustituir a las llamadas a la nube en parte de las tareas y, de paso, simplificar la arquitectura: menos dependencias externas, menos límites, menos facturas.

Para la industria, es una señal más: las herramientas para agentes se alejan de los stacks de servidor pesados y se acercan a componentes abiertos y ligeros escritos en lenguajes rápidos como Rust. El scrape es el ladrillo básico de casi cualquier agente, y cuanto más ligero sea, más fácil resulta integrarlo en cualquier sitio.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Qué significan las cifras?

El anuncio contiene tres números. El primero es 37 veces: es lo que se acelera la operación básica de «obtener una página y convertirla en texto limpio» respecto a la versión self-hosted anterior de Firecrawl. El segundo es 11 MB en reposo: la memoria que ocupa el proceso cuando no hay ninguna petición en curso. Es 230 veces menos que en la versión anterior.

¿Qué se sabe sobre Por qué importa a quienes desarrollan agentes?

La primera ventaja es la privacidad y el coste. Si el scrape se ejecuta en su máquina o dentro de su perímetro, las direcciones internas, las páginas protegidas por una VPN corporativa y los datos sensibles no salen a una nube externa. Para intranets, documentación cerrada y entornos de pruebas, a menudo es la única opción aceptable. La segunda ventaja es la densidad. Con 11 MB en reposo, el servicio cabe en un contenedor, en un portátil, en un servidor pequeño o dentro de un pipeline de CI.

¿Qué se sabe sobre Qué conviene comprobar?

Las cifras proceden del anuncio de la propia Firecrawl; la publicación no incluye mediciones independientes. La comparación se hace con la versión self-hosted anterior, no con otros scrapers, así que es prematuro decir «más rápido que nadie en el mercado». La aceleración de 37 veces se refiere exclusivamente a la operación básica de scrape.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Hands-On AI Engineering · Hamidun Academy

Build & Ship Production AI Agents Without Boilerplate Code

Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.

Start 72h Free Trial →Vibe-Coding Intensive
¿Qué te parece?
Cargando comentarios…