Skip to content
Stork.AIstork.ai
Herramienta de IA

deer-flow Review

DeerFlow 2.0 es un SuperAgent harness de código abierto que orquesta subagentes, memoria y entornos aislados (sandboxes) para completar de forma autónoma tareas complejas y de largo alcance, incluyendo investigación, codificación y creación de contenido.

shipped 17 abr 2026updated 27 may 2026aifreemium
ai
deer-flow - AI tool for deer flow. Professional illustration showing core functionality and features.

Por qué importa

1De código abierto por ByteDance el 27 de febrero de 2026, como DeerFlow 2.0.
2Logró más de 35,300 GitHub stars dentro de las 24 horas de su lanzamiento.
3La versión 2.0 es una reescritura desde cero construida sobre LangGraph y LangChain, sin compartir código con su predecesor v1.
4Diseñado para manejar tareas complejas que podrían tardar de minutos a horas en completarse.

Stork’s verdict on deer-flow

El open-source SuperAgent harness de DeerFlow maneja tareas complejas y de largo alcance, pero requiere un esfuerzo de orquestación considerable.

deer-flow reviewed by Stork AI · stork.ai/es/deer-flow

Especificaciones

Documentación API

Ver documentación →

GitHub

Ver repositorio →

API disponible

Sí, API pública

overview

¿Qué es deer-flow?

deer-flow es una herramienta SuperAgent harness desarrollada por ByteDance que permite a desarrolladores, ingenieros, investigadores, académicos, equipos de contenido, profesionales de marketing, profesionales de MLOps y estudiantes completar de forma autónoma tareas complejas y de largo alcance. Orquesta subagentes, memoria y entornos aislados (sandboxes) para facilitar la investigación profunda, la codificación y la creación de contenido. DeerFlow 2.0 funciona como un entorno de ejecución de agentes de IA, permitiendo a los agentes planificar, descomponer el trabajo en subtareas, invocar herramientas, generar y ejecutar código, gestionar archivos y producir resultados finales. A diferencia de muchas herramientas de IA que ofrecen una interfaz de chat con herramientas adjuntas, DeerFlow proporciona un entorno de ejecución completo, compatible con sistemas de archivos persistentes y sistemas de habilidades estructurados. Su arquitectura está diseñada para la fiabilidad y el control de costos en flujos de trabajo complejos y de múltiples pasos.

features

Características Clave de deer-flow

DeerFlow 2.0 incorpora un conjunto de características técnicas diseñadas para permitir una ejecución de tareas robusta y autónoma para flujos de trabajo de largo alcance.

  • SuperAgent harness de código abierto para una implementación y personalización flexibles.
  • Utiliza entornos aislados (Docker sandboxes) para la generación y ejecución de código segura y reproducible.
  • Emplea una arquitectura de memoria jerárquica para mantener el contexto durante duraciones de tareas extendidas.
  • Integra un sistema estructurado de invocación de herramientas, permitiendo a los agentes interactuar con servicios externos y APIs.
  • Aprovecha los subagentes para una descomposición, delegación y orquestación eficiente de tareas.
  • Cuenta con una pasarela de mensajes para facilitar una comunicación inter-agente controlada y coherente.
  • Diseñado para manejar tareas complejas y de largo alcance que pueden durar desde minutos hasta horas.
  • Proporciona una API de cliente Python para acceso programático e integración en sistemas existentes.
  • La hoja de ruta para el segundo trimestre de 2026 incluye mejoras de seguridad como el Control de Acceso Basado en Roles (RBAC) y una seguridad de sandbox mejorada.
  • El desarrollo continuo se centra en la optimización del rendimiento para soportar solicitudes de usuarios concurrentes y capacidades de agentes de auto-mejora.

use cases

¿Quién Debería Usar deer-flow?

DeerFlow 2.0 está diseñado para profesionales técnicos y equipos que requieren automatización avanzada y capacidades de agentes autónomos para procesos complejos y de múltiples pasos.

  • Desarrolladores e Ingenieros: Para la generación autónoma de código, depuración dentro de entornos aislados (sandboxed environments) y construcción de paneles interactivos a partir de resúmenes de alto nivel.
  • Investigadores y Académicos: Para investigación profunda, análisis exploratorio de datos con visualizaciones y generación de informes completos con citas.
  • Equipos de Contenido y Profesionales de Marketing: Para automatizar flujos de trabajo de contenido, incluyendo la creación de presentaciones (slide deck), generación de documentos y producción de guiones de podcast impulsados por IA.
  • Profesionales de MLOps: Para orquestar flujos de trabajo complejos de software o investigación de múltiples pasos que requieren entornos de ejecución persistentes y coordinación de agentes.
  • Estudiantes: Para aprender y experimentar con arquitecturas avanzadas de agentes de IA, finalización autónoma de tareas y desarrollo de agentes de código abierto.

pricing

Precios y Planes de deer-flow

DeerFlow 2.0 opera bajo un modelo freemium, siendo su SuperAgent harness central de código abierto. Esto permite a los usuarios desplegar y ejecutar el sistema en su propia infraestructura sin costos directos de licencia. A principios de 2026, no se detallan públicamente niveles de pago específicos ni planes empresariales. Los costos principales para los usuarios están asociados con la infraestructura elegida (por ejemplo, recursos de computación en la nube para contenedores Docker), el uso de la API para los Large Language Models (LLMs) subyacentes y los recursos de desarrollo internos para la configuración y personalización. La naturaleza de código abierto proporciona flexibilidad, pero requiere conocimientos técnicos para su implementación y mantenimiento.

  • Freemium: Núcleo de código abierto, autoalojable. Sin costo directo de software.

Políticas

Nivel gratuito

Vendor website advertises a free tier.

Herramientas similares

deer-flow vs Competidores

DeerFlow 2.0 se posiciona como un SuperAgent harness robusto y de código abierto, diferenciándose por su entorno de ejecución completo y su orquestación disciplinada de subagentes en comparación con otros frameworks y herramientas de agentes de IA.

1
LangChainOn StorkCompare

Provides a modular, open-source framework for building LLM-powered applications, with LangGraph extending it for robust, stateful, and long-running multi-agent workflows using a graph-based approach.

Like deer-flow, LangChain (especially with LangGraph) offers a highly flexible, developer-centric framework for building complex AI agents with memory and tool use. It's open-source and widely adopted, providing a strong ecosystem for custom development, similar to deer-flow's harness approach for long-horizon tasks.

2
Microsoft AutoGenOn StorkCompare

Facilitates the creation of multi-agent conversation systems where customizable and conversable agents can interact with each other to collaboratively solve complex tasks.

AutoGen, like deer-flow, is an open-source framework designed for orchestrating multiple AI agents to tackle complex, long-horizon tasks. It provides a robust architecture for agent communication and collaboration, aligning with deer-flow's subagent and message gateway concepts.

3
CrewAIOn StorkCompare

Focuses on building 'teams of AI agents' with defined roles, goals, and tools, enabling collaborative problem-solving for complex workflows.

CrewAI directly competes with deer-flow in its multi-agent orchestration capabilities for complex tasks. While deer-flow emphasizes a 'SuperAgent harness' with sandboxes and a message gateway, CrewAI provides a structured framework for role-based agent collaboration, both aiming for long-horizon task completion.

4
LlamaIndexOn StorkCompare

Specializes in connecting large language models with external data sources, providing robust data ingestion, indexing, and querying capabilities to ground AI agents' reasoning in relevant context.

LlamaIndex complements or competes with deer-flow by offering a strong foundation for agents requiring extensive knowledge retrieval and memory, which is a core component of deer-flow's 'memories' feature. While deer-flow is a broader harness, LlamaIndex excels in the data-centric aspects crucial for long-horizon, research-heavy tasks.

5
n8nOn StorkCompare

An open-source and self-hostable workflow automation tool that allows technical teams to build complex, AI-powered workflows with extensive integrations and dedicated AI/LangChain nodes.

n8n is an open-source platform that enables the creation of sophisticated AI-powered workflows, similar to deer-flow's goal of handling complex, long-running tasks. Its focus on visual workflow building with code extensibility and strong AI integrations makes it a direct competitor for developers building agentic systems, and it offers a freemium model like deer-flow.

Visitar deer-flow↗
Conectar
⌘
GitHubgithub.com/bytedance/deer-flow

AI Reputation Report

Is deer-flow yours?

ChatGPT, Perplexity, Gemini, Claude & Grok answer buyer questions about deer-flow every day. See whether they name deer-flow — or send buyers to a rival.

See what AI saysfree preview