Violoop V4: el dispositivo de IA que quiere operar tu ordenador

Violoop V4 no quiere ser otra ventana de chat con IA. La idea de la startup es colocar junto al ordenador una pequeña caja capaz de interpretar de forma continua lo que se ve en la pantalla, detectar una posible tarea y, con autorización del usuario, completarla usando clics y pulsaciones simulados.

Es una propuesta ambiciosa: un agente que no espera a que se le escriba una orden, sino que intenta comprender el contexto de trabajo. También exige cautela. V4 sigue sin comercializarse de forma generalizada, por lo que sus capacidades, demostraciones y cifras de rendimiento son afirmaciones de la compañía o datos publicados por terceros, no resultados verificados de manera independiente. 13

Un agente que observa la pantalla y actúa como periférico

Según Violoop, V4 se conecta al equipo para capturar la salida de vídeo y devolver instrucciones mediante USB-HID (Human Interface Device), la categoría de periféricos a la que pertenecen un teclado o un ratón físicos. La firma sostiene que funciona en Windows, macOS y Linux sin instalar controladores. 910

La diferencia está en el punto de partida. En lugar de limitarse al contenido de una aplicación o a una integración concreta, el dispositivo pretende tener una visión del escritorio completo. Si identifica en pantalla una solicitud, un documento o una conversación relevante, puede proponer un siguiente paso y, una vez aprobada la acción, realizar los clics y pulsaciones necesarios.

Una demostración citada en prensa ilustra el planteamiento: V4 detectó un mensaje de WeChat en el que se pedía un currículum que ya había sido enviado anteriormente. Tras pedir permiso, abrió una carpeta, localizó el archivo y lo adjuntó al chat. La clave no era el currículum, sino que el flujo comenzó a partir del contexto visible, sin una nueva instrucción escrita para la IA. 3

Por qué el control por teclado y ratón es central

Los agentes de software suelen depender de API, permisos del sistema, extensiones del navegador o integraciones específicas. Cuando existen, esas vías pueden ser más estructuradas y fiables, pero solo permiten automatizar programas que exponen los controles necesarios.

V4 plantea otra ruta: leer visualmente la interfaz y operar el ordenador como lo haría una persona, a través de USB-HID. En teoría, eso le permitiría trabajar con software de escritorio, aplicaciones heredadas o servicios cerrados que no disponen de API. Violoop también afirma contar con conexiones estructuradas para más de 200 aplicaciones cuando hay interfaces de línea de comandos o integraciones mediante Model Context Protocol (MCP). 139

El intercambio es evidente: un método de entrada universal amplía la cobertura, pero obliga al sistema a comprender correctamente una interfaz visual que cambia antes de pulsar, escribir, enviar o modificar algo.

La apuesta por hardware local y respuesta rápida

El CEO, He Jialin, sostiene que un asistente proactivo para el escritorio necesita un ciclo de interacción mucho más rápido que el de un chatbot centrado en la nube. Los objetivos comunicados sitúan las respuestas clave por debajo de un segundo y, como máximo, en torno a 1,5 segundos; He lo contrapone a viajes de ida y vuelta con modelos en la nube de al menos unos 3,5 segundos. 23

No se trata de una comparación basada en una prueba de latencia estandarizada e independiente, sino de un argumento de diseño de producto. Aun así, la lógica es clara: si el asistente debe intervenir durante el uso normal del ordenador, tiene que responder antes de que la persona pierda el hilo o termine la tarea por sí misma.

El procesamiento local también respalda el discurso de privacidad de la empresa. Violoop asegura que el flujo bruto habitual de pantalla se procesa en el dispositivo y no se transmite continuamente a un servidor. 8

Hardware y rendimiento declarados

La configuración publicada de V4 incluye un procesador Rockchip RK3576 de ocho núcleos, un acelerador de IA de 26 TOPS —una medida de capacidad de cálculo para IA—, 8 GB de memoria LPDDR4X, 5 GB de memoria apilada y 128 GB de almacenamiento eMMC. También se informa de compatibilidad con dos pantallas y de un chip de seguridad independiente. 3

Violoop ha indicado que puede ejecutar localmente un modelo de alrededor de 10.000 millones de parámetros a unos 45 tokens por segundo. Materiales más recientes de la empresa hablan de un modelo Qwen 8B en el propio dispositivo y de 53 tokens por segundo, una diferencia que refleja cambios en la configuración del modelo o en la fecha de la información publicada. 3810

Estas cifras proceden de la empresa o de informaciones publicadas, no de pruebas comparativas de terceros. Sirven para entender la arquitectura pretendida, pero no garantizan la fiabilidad en distintos ordenadores, monitores, programas y flujos de trabajo reales.

Qué se queda en el dispositivo y qué se envía a la nube

El diseño previsto es de tipo local-first: la percepción de la pantalla, el reconocimiento rápido de contexto, decisiones rutinarias y el control sensible a la latencia se ejecutarían en V4. Para tareas que requieran razonamiento más amplio o información externa, el usuario podría conectar modelos en la nube con sus propias claves API, incluidos Claude, OpenAI y Gemini. 810

Esta división busca reducir el retraso y limitar la transmisión habitual de datos visuales del escritorio. Sin embargo, la privacidad final dependerá también de los servicios en la nube que el usuario decida conectar y de la información que incluya en esas solicitudes.

Confirmación física antes de actuar

Un agente capaz de navegar por aplicaciones y escribir texto necesita separar con claridad una sugerencia de una ejecución. Los materiales de Violoop describen una tecla física de confirmación para aprobar acciones. 110

Este paso cobra especial importancia al enviar mensajes, adjuntar archivos, cambiar ajustes o realizar transacciones. La empresa también menciona un chip de seguridad dentro de su diseño de hardware. 3

Ninguna de estas medidas elimina el riesgo de que el sistema interprete mal una pantalla o proponga una acción inadecuada. Pero una confirmación explícita mantiene a la persona en el circuito justo cuando el agente pasa de observar a actuar.

Financiación y estado del producto

Violoop ha comunicado varios hitos de financiación a lo largo de 2026. Las primeras informaciones hablaban de rondas semilla y ángel por decenas de millones de yuanes. 1216 Posteriormente, se informó de que la empresa de Shenzhen había completado rondas ángel y pre-Serie A por más de 100 millones de yuanes, con Lenovo Capital and Incubator Group, CICC Porsche, BlueRun Ventures, YuanSheng Capital, Qifu Capital y Zero2IPO Ventures entre los inversores citados. 34

Las distintas cantidades parecen corresponder a rondas y fechas de publicación diferentes, no necesariamente a una única cifra directamente comparable.

Por ahora, la advertencia más importante es que V4 sigue siendo un producto previo al lanzamiento. Los propios materiales de Violoop hablan de reservas y de preparación de una campaña en Kickstarter, no de un dispositivo distribuido de forma amplia. 1910

Lo que tendrá que demostrar

La propuesta de V4 resulta atractiva porque aborda una limitación habitual de las herramientas de IA actuales: pueden responder preguntas, pero rara vez ven suficiente contexto o actúan entre aplicaciones sin instrucciones repetidas e integraciones personalizadas.

El resultado dependerá de pruebas prácticas: la precisión al leer interfaces reales, la recuperación ante errores, la utilidad efectiva de las confirmaciones, el tratamiento de los datos de pantalla y la capacidad de mantener la respuesta local fuera de demostraciones controladas. Hasta que haya unidades entregadas y análisis independientes, V4 debe entenderse como un diseño llamativo de agente de IA consciente de la pantalla, no como un sustituto demostrado de la automatización convencional de escritorio. 139