Violoop V4 propone un asistente de IA que ve tu pantalla y actúa antes de que escribas un prompt

Violoop apuesta por que el próximo asistente de IA no estará esperando en una pestaña del navegador ni dependerá de un prompt cuidadosamente redactado. Su V4 es un dispositivo compacto pensado para colocarse junto al ordenador: interpreta de forma continua lo que aparece en pantalla, propone una siguiente acción útil y, si el usuario lo aprueba, maneja el software mediante entradas simuladas de teclado y ratón. 1315

La propuesta de la startup de Shenzhen es ambiciosa: convertir el ordenador de escritorio en un agente capaz de entender el contexto entre aplicaciones, incluso cuando estas no tienen una integración de IA específica. Sin embargo, sus afirmaciones más relevantes —fiabilidad al realizar tareas, seguridad, latencia y privacidad local— proceden de materiales de la compañía y demostraciones recogidas en medios, no de pruebas independientes.

La idea: pasar del prompt a la asistencia proactiva

La mayoría de los asistentes de IA empiezan con una petición explícita: abrir un chatbot, escribir una instrucción, aportar contexto y decidir qué hacer con la respuesta. Violoop plantea el orden contrario. El dispositivo captura la pantalla activa, construye contexto a partir de lo que sucede entre aplicaciones y muestra una posible acción antes de que el usuario la solicite.

En una demostración reportada en WeChat, un contacto pide que se le reenvíe un currículum utilizado anteriormente. V4 identifica el contexto y presenta la opción de enviar el archivo correspondiente. Tras la confirmación del usuario mediante una tecla, abre la carpeta adecuada, localiza el documento y lo adjunta al chat. La intención es completar el flujo sin abrir una aplicación de IA independiente ni redactar una orden. 15

El sistema se basa en dos funciones principales:

• Conciencia de pantalla: V4 analiza el contexto visible del escritorio, en lugar de depender solo de integraciones con cada aplicación.
• Control de interfaz gráfica: envía eventos de teclado y ratón al ordenador para desplazarse por las interfaces como lo haría una persona. 1115

Por ello, Violoop sostiene que puede funcionar con herramientas que no exponen una API. Entre los ejemplos citados están WeChat y Jianying/CapCut. 15

Por qué Violoop apuesta por hardware dedicado

Violoop sostiene que un asistente proactivo tiene que responder mientras la persona sigue concentrada en la tarea. Según la empresa, el viaje de ida y vuelta a un modelo en la nube puede tardar al menos 3,5 segundos incluso con una conexión estable, demasiado para intervenir en medio de una conversación o un flujo de trabajo. 15

Su respuesta es hardware de borde, es decir, capacidad de procesamiento en el propio dispositivo. La compañía afirma que las funciones sensibles a la latencia —percepción de pantalla, filtrado de contexto, construcción de memoria y sugerencias inmediatas— pueden ejecutarse localmente. El razonamiento más exigente puede enviarse a un modelo en la nube cuando sea necesario. 115

El objetivo comunicado para V4 es responder en menos de un segundo, con un máximo de 1,5 segundos. Son cifras de la empresa y no resultados de rendimiento verificados de forma independiente. 15

Cómo captura la pantalla y controla las aplicaciones

La página actual del producto describe una configuración basada en captura por HDMI y control USB-HID:

1. Captura: el dispositivo recibe la salida de vídeo del ordenador mediante HDMI 2.0; sus especificaciones incluyen captura 4K.
2. Interpretación local: un modelo instalado en el dispositivo analiza el contexto visible en pantalla.
3. Razonamiento cuando hace falta: el usuario puede aportar sus propias claves API para servicios de modelos en la nube, como Claude, OpenAI o Gemini.
4. Acción: un microcontrolador de seguridad dedicado envía eventos de teclado y ratón USB-HID al ordenador. 1113

La ventaja práctica sería una compatibilidad amplia con interfaces. En vez de exigir que cada programa disponga de una API para agentes, el dispositivo pretende interactuar con la interfaz gráfica que ve el usuario. Según lo reportado, V4 es compatible con Windows, macOS y Linux; informaciones anteriores hablaban de unas 200 aplicaciones habituales y de conexión mediante CLI o MCP. 1315

Especificaciones comunicadas y una discrepancia relevante

Los materiales actuales de Violoop enumeran un procesador RK3576 de ocho núcleos y un acelerador de IA dedicado de 26 TOPS. La compañía indica que su modelo local es Qwen 8B Q4 y afirma una velocidad de generación de 53 tokens por segundo en su prueba publicada. Lo compara con 20 tokens por segundo de un Mac mini M4 ejecutando el mismo modelo y precisión en Ollama. 13

Informaciones previas describían otra configuración de V4: 8 GB de RAM LPDDR4X, 5 GB de DRAM apilada en 3D, 128 GB de almacenamiento eMMC 5.1, soporte para dos pantallas y un modelo local de 10.000 millones de parámetros a 45 tokens por segundo. 15

Ambos conjuntos de cifras de modelo y rendimiento no coinciden. Podrían corresponder a configuraciones, pruebas o fases distintas del producto, pero Violoop no ha divulgado detalles suficientes para conciliarlos. La referencia actual más defendible es la propia cifra publicada por la empresa para Qwen 8B Q4, de 53 tokens por segundo, siempre entendida como un benchmark del proveedor y no como una comparación independiente. 1315

Seguridad: procesamiento local y confirmación física

Un asistente que puede ver pantallas y operar aplicaciones plantea dudas evidentes de seguridad. Violoop afirma que las claves y los datos sensibles están aislados en un chip de seguridad separado de las funciones de IA. 1315

Para acciones de mayor impacto, como enviar un archivo o mover dinero, la empresa dice que el usuario debe dar una confirmación adicional. Sus materiales describen un botón físico conectado al chip de seguridad, un diseño pensado para impedir que el software del ordenador o el propio sistema de IA puedan falsificar la señal de aprobación. 13

Esta arquitectura puede mitigar algunos riesgos, pero no resuelve todas las preguntas. Antes de usarlo, conviene entender qué se captura de la pantalla, cuánto tiempo se conserva el contexto derivado, qué datos se envían a un proveedor de nube si se emplean modelos externos y hasta qué punto el sistema distingue con fiabilidad las acciones inocuas de las relevantes.

Reparto de tareas entre el dispositivo y la nube

V4 no se presenta como un asistente completamente desconectado para cualquier tarea. Violoop describe un enfoque híbrido:

• Procesamiento en el dispositivo: comprensión persistente de la pantalla, selección de contexto, organización similar a una memoria y sugerencias rápidas.
• Modelos en la nube: razonamiento más largo o complejo, usando claves API aportadas por el usuario. 11113

Esta división es central para su propuesta. El procesamiento local busca reducir la latencia y limitar la transmisión rutinaria de datos de pantalla, mientras que los modelos en la nube aportarían más capacidad de razonamiento cuando la tarea lo justifique. Las reglas exactas de enrutamiento y gestión de datos son aspectos que los posibles compradores deberían comprobar. 113

En qué se diferencia de los agentes solo de software

Violoop presenta su diferencia frente a asistentes de software como Tencent WorkBuddy como una cuestión de contexto continuo entre aplicaciones. En lugar de esperar a que el usuario pegue documentos, seleccione archivos o vuelva a explicar su tarea, su hardware está pensado para observar el escritorio con el paso del tiempo y construir una imagen operativa de personas, proyectos, archivos, aplicaciones y flujos de trabajo. 15

La promesa no depende únicamente de que un modelo sea más inteligente, sino de reducir fricción: el contexto se obtendría del entorno informático visible en vez de tener que proporcionarlo repetidamente mediante prompts o integraciones específicas.

Que esto produzca una ayuda realmente mejor dependerá de la precisión y de la confianza del usuario. Un sistema que acierte al anticipar el siguiente paso puede ahorrar tareas repetitivas; otro que se equivoque puede resultar molesto o arriesgado. Por eso, el mecanismo de confirmación no es un detalle menor: es una pieza fundamental del diseño de Violoop.

Financiación e inversores

Según los informes disponibles, Violoop completó rondas ángel y pre-A que suman más de 100 millones de yuanes en alrededor de seis meses. Entre los inversores citados figuran Lenovo Capital and Incubator Group, CICC Porsche, BlueRun Ventures, YuanSheng Capital, Qifu Capital y Zero2IPO Ventures. Sunward Capital, también mencionada como Xiangyang Capital en otro informe, fue nombrada asesora financiera exclusiva de largo plazo. 1515

Otras informaciones describen una ronda más reciente de «cientos de millones de yuanes» y mencionan a Legend Capital, BlueRun Ventures y CICC Porsche entre los participantes. Los reportes públicos no aclaran si se trata de la misma financiación con distinta terminología o de una ronda separada, por lo que el total preciso debe tomarse con cautela. 24

En resumen

Violoop V4 quiere desplazar la asistencia de IA desde una herramienta activada por prompts hacia un operador de escritorio siempre disponible: uno que observa la pantalla actual, reconoce el contexto entre aplicaciones, recomienda una acción y utiliza los controles convencionales de teclado y ratón después de recibir aprobación.

Su planteamiento de hardware tiene lógica: interpretar la pantalla de forma local puede reducir los tiempos de ida y vuelta y evitar depender de APIs específicas de cada aplicación. Pero sus promesas más ambiciosas aún deben demostrarse fuera de sus benchmarks y demostraciones. Antes de confiarle pantallas de trabajo, archivos sensibles o procesos financieros, conviene revisar de cerca los ajustes de envío de datos, los controles de aprobación, el comportamiento con las aplicaciones compatibles y las pruebas independientes de fiabilidad.