nullClaw, escrito en Zig, supera a OpenClaw en memoria y arranque en pruebas locales de agentes de IA

NullClaw, un runtime de agentes escrito en Zig y distribuido como un único binario, mostró un consumo de memoria notablemente menor y un arranque más rápido que OpenClaw en una comparación local. Con el comando `--help` necesitó aproximadamente 1,9 MB frente a 308 MB. Con 10 tareas de programación en paralelo consumió en total unos 54 MB frente a los 523 MB de OpenClaw. El autor solo prueba escenarios locales cortos, así que los resultados no convierten a NullClaw en el ganador absoluto entre las plataformas de agentes. Aun así, muestran cuánto cuesta como proceso un agente de IA corriente.

Procesado por IA desde Habr AI; editado por Hamidun News
nullClaw, escrito en Zig, supera a OpenClaw en memoria y arranque en pruebas locales de agentes de IA
Fuente: Habr AI. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalHabr AI ↗
Editor jefe
Comando `--help`NullClaw — 0,002 s y unos 1,9 MB de RSS, OpenClaw — 0,621 s y unos 308 MB
Ejecución corta de agente2,55 s y aproximadamente 7,7 MB frente a 3,37 s y aproximadamente 567 MB
Ejecución de programación pequeña4,86 s y aproximadamente 7,7 MB frente a 6,64 s y aproximadamente 572 MB

NullClaw, un runtime de agentes escrito en Zig y distribuido como un único binario, demuestra que un agente de IA local no tiene por qué arrastrar una pila pesada. En las pruebas comparativas con OpenClaw, el proyecto arrancó más rápido y consumió un orden de magnitud menos memoria, sobre todo en tareas paralelas.

Por qué Zig

La idea principal del artículo no es proclamar a NullClaw ganador absoluto entre todas las plataformas de agentes. El autor lo compara con OpenClaw solo en escenarios locales cortos: comandos de servicio, una ejecución de agente, una tarea de programación pequeña y un lote de ejecuciones paralelas.

En ese contexto se ve con claridad lo caro que resulta hoy un agente de IA corriente como proceso. La mayoría de estos sistemas llevan por debajo Node.js, Python, dependencias, servicios en segundo plano y una capa de gateway. NullClaw propone otro enfoque: un runtime lo más compacto posible, sin añadidos innecesarios.

De ahí la elección de Zig. El lenguaje no está aquí por moda, sino por franqueza de ingeniería: un binario, control explícito de la memoria, ausencia de un runtime gestionado pesado y una compilación más comprensible. En `build.zig`, el autor señala aparte los interruptores en tiempo de compilación para canales y motores de memoria, es decir, la compilación puede reducirse a un escenario concreto. Esto importa no solo para la velocidad de arranque, sino también para los despliegues autoalojados y en el borde (edge), donde cada megabyte y cada dependencia se convierten pronto en un problema práctico.

Las cifras, sin ruido

Las mediciones se hicieron en un Mac mini M4 con 16 GB de RAM y macOS arm64. Ambos proyectos usaron el mismo modelo a través de OpenRouter, y las métricas se calcularon sobre series de ejecuciones: por separado para procesos «frescos», para escenarios en caliente (warm), y para ejecuciones de programación y tareas paralelas. El autor separa deliberadamente la sobrecarga pura del runtime de la latencia de red hasta el modelo, porque en este segundo caso incluso un runtime muy ligero acaba limitado por el viaje de ida y vuelta externo.

  • comando `--help`: NullClaw — 0,002 s y unos 1,9 MB de RSS, OpenClaw — 0,621 s y unos 308 MB
  • ejecución corta de agente: 2,55 s y aproximadamente 7,7 MB frente a 3,37 s y aproximadamente 567 MB
  • ejecución de programación pequeña: 4,86 s y aproximadamente 7,7 MB frente a 6,64 s y aproximadamente 572 MB
  • 10 tareas de programación en paralelo: 9,3 s y unos 54 MB de RSS total frente a 13,14 s y unos 523 MB

La mayor diferencia está en la memoria. En tiempo, NullClaw suele ser más rápido, pero no siempre de forma espectacular, porque parte de los escenarios está limitada por la respuesta de red del modelo. En las ejecuciones cortas y paralelas, OpenClaw se mantiene de forma estable en cientos de megabytes, mientras que NullClaw se queda en unidades o decenas. Para el uso local, esto significa un lanzamiento multiagente más barato, una carga más predecible y menos fricción al mover el software entre máquinas.

El sentido práctico de la comparación

El artículo incluye además un ejemplo más revelador que las tablas áridas: ClawWatch, un proyecto para relojes inteligentes. Usa NullClaw como binario ARM estático junto con reconocimiento de voz sin conexión Vosk y TTS integrado, y puede procesar parte de las consultas sin recurrir al modelo. Aquí la compacidad deja de ser una simple optimización agradable. En un dispositivo con un límite de memoria estricto, la diferencia entre unos pocos megabytes y cientos de megabytes determina si se puede integrar el agente en un producto, y no solo ejecutarlo en el portátil de un desarrollador.

«En un reloj, la diferencia entre “unos pocos megabytes” y “cientos de

megabytes” es la pregunta de si esto se puede integrar siquiera».

El autor aclara también que con el tamaño del binario no hay magia. El README declara 678 KB para ReleaseSmall, pero los artefactos de versión publicados son notablemente mayores: unos 3,9 MB para macOS arm64 y 3,1 MB para Linux arm64, mientras que una compilación local dio aproximadamente 2,6 MB. Pero la conclusión principal no cambia: el valor de NullClaw no está en la cifra récord del README, sino en la combinación de arranque rápido, RSS reducido y una superficie funcional estrecha, más fácil de controlar tanto en operación como en seguridad.

Qué significa

NullClaw devuelve la conversación sobre agentes de IA a una pregunta terrenal: cuánto debería costar lanzar un proceso. Si la infraestructura de agentes avanza hacia el edge, el autoalojamiento y las tareas paralelas masivas, ganarán los runtimes que ahorran memoria, arrancan sin pausa y no arrastran consigo medio servidor de dependencias.

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Por qué Zig?

La idea principal del artículo no es proclamar a NullClaw ganador absoluto entre todas las plataformas de agentes. El autor lo compara con OpenClaw solo en escenarios locales cortos: comandos de servicio, una ejecución de agente, una tarea de programación pequeña y un lote de ejecuciones paralelas. En ese contexto se ve con claridad lo caro que resulta hoy un agente de IA corriente como proceso. La mayoría de estos sistemas llevan por debajo Node.js, Python, dependencias, servicios en segundo plano y una capa de gateway. NullClaw propone otro enfoque: un runtime lo más comp

¿Qué se sabe sobre Las cifras, sin ruido?

Las mediciones se hicieron en un Mac mini M4 con 16 GB de RAM y macOS arm64. Ambos proyectos usaron el mismo modelo a través de OpenRouter, y las métricas se calcularon sobre series de ejecuciones: por separado para procesos «frescos», para escenarios en caliente (warm), y para ejecuciones de programación y tareas paralelas. El autor separa deliberadamente la sobrecarga pura del runtime de la latencia de red hasta el modelo, porque en este segundo caso incluso un runtime muy ligero acaba limitado por el viaje de ida y vuelta externo. comando `--help`: NullClaw — 0,002 s y u

¿Qué se sabe sobre El sentido práctico de la comparación?

El artículo incluye además un ejemplo más revelador que las tablas áridas: ClawWatch, un proyecto para relojes inteligentes. Usa NullClaw como binario ARM estático junto con reconocimiento de voz sin conexión Vosk y TTS integrado, y puede procesar parte de las consultas sin recurrir al modelo. Aquí la compacidad deja de ser una simple optimización agradable. En un dispositivo con un límite de memoria estricto, la diferencia entre unos pocos megabytes y cientos de megabytes determina si se puede integrar el agente en un producto, y no solo ejecutarlo en el portátil de un des

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…