Android Studio y Qt llevan el coding con IA más dentro del IDE

La noticia más importante sobre coding con IA no trata solo de un modelo nuevo, sino de dónde se realiza el trabajo: dentro del entorno de desarrollo, con instrucciones especializadas y un ciclo de ejecución revisable. Dos anuncios del 1 de septiembre hacen visible el cambio.

Android Studio Quail 4 ya es estable. Google afirma que incluye 23 skills de Android, instrucciones modulares optimizadas para flujos como actualizaciones de AGP, profiling, Navigation 3 y diseños adaptativos. El IDE compara el prompt con los metadatos de las skills instaladas e invoca automáticamente las adecuadas. La documentación pasa así de ser memoria general del modelo a un procedimiento enfocado disponible cuando hace falta.

Quail 4 también integra Gemma 4 de forma nativa para asistencia de código local. Google indica que los modelos más pequeños pueden funcionar con 12 GB de RAM y recomienda 32 GB o más para la mejor experiencia. Describe la refactorización de varios archivos con Gemma 4 como un flujo offline: el código fuente permanece en el equipo y esas solicitudes locales no consumen una cuota de tokens. Es útil para equilibrar privacidad, conectividad y coste, aunque cada equipo debe medir el intercambio entre hardware y calidad.

Qt avanza en una dirección parecida. En su anuncio del 1 de septiembre, Qt dice que Qt AI Assistant dejará de distribuirse con Qt Creator después del 30 de septiembre de 2026 y que el soporte técnico terminará el 31 de diciembre. La inversión se dirige a servicios MCP y skills de agentes específicos de Qt. El ACP Client de Qt Creator 20 puede conectar Claude Code, Codex, Qwen Code y GitHub Copilot; la extensión Qt MCP Server expone el estado y las acciones del IDE a esos agentes.

La idea común no es que todos deban activar la máxima autonomía. Un asistente de coding útil necesita cada vez más el contexto real del proyecto, orientación específica del dominio y una forma visible de inspeccionar sus cambios. Al comparar herramientas, mira más allá del chat: ¿qué conocimiento carga el agente?, ¿qué acciones puede ejecutar?, ¿y cómo muestra el diff, las pruebas y la incertidumbre restante antes de aceptar el resultado?