Por qué Old Reddit era el camino de menor resistencia para los scrapers

Para entender la medida, hay que comprender la arquitectura. A diferencia del rediseño moderno basado en React, que hidrata los datos del lado del cliente y es difícil de analizar mediante programación, old.reddit.com envía HTML completamente renderizado en el servidor y sin necesidad de cookies . Un scraper puede solicitar una página y obtener inmediatamente un marcado limpio y estructurado: sin clave API, sin autenticación, sin necesidad de ejecutar JavaScript. Esto lo convirtió en la ruta sin API más popular para la extracción masiva de datos, especialmente para las empresas de inteligencia artificial que entrenan modelos con las conversaciones humanas de Reddit .

Una promesa rota: la obligación de iniciar sesión y el destino de Old Reddit

El momento es significativo. En mayo de 2025, el CEO Steve Huffman declaró públicamente que Reddit mantendría Old Reddit en línea "mientras la gente lo esté usando" . La publicación del administrador en junio de 2026 contradice directamente esa promesa. Reddit ahora dice que "no puede prometer" que Old Reddit estará disponible para siempre . La obligación de iniciar sesión se interpreta ampliamente como un paso hacia su eventual desaparición, marcando la señal más clara hasta ahora de que la compañía ve la interfaz heredada como una responsabilidad creciente y ya no como un compromiso permanente .

El arsenal completo contra el scraping en 2026

Las preocupaciones por el scraping han impulsado la política de plataforma de Reddit durante todo 2026, y el muro de inicio de sesión en old.reddit.com está lejos de ser el único cambio. Esta es la estrategia coordinada que ha reconfigurado el acceso a los datos en la plataforma:

Cierre del endpoint JSON no autenticado (mayo de 2026)

El 28 de mayo de 2026, Reddit anunció que retiraría el acceso .json no autenticado, la otra gran vía gratuita para datos estructurados . En cuestión de días, las solicitudes anónimas comenzaron a devolver un error 403 Prohibido, sin período de gracia. La propia publicación de Reddit declaró: "Estos endpoints se pueden usar para scrapear Reddit sin responsabilidad" .

Política de "Constructores Responsables" para la API (noviembre de 2025)

Se cerró el registro de aplicaciones OAuth por autoservicio . Hoy, cada nuevo token requiere una aprobación previa mediante un proceso de solicitud y espera. El nivel gratuito no comercial técnicamente aún existe, pero el proceso de aprobación se ha vuelto cada vez más impredecible .

Bloqueo de robots.txt y del Archivo de Internet

Reddit actualizó su robots.txt en marzo de 2025 para bloquear a todos los bots excepto Google y Bing . En agosto de 2025, fue más allá, bloqueando a la Wayback Machine del Archivo de Internet para indexar la mayoría de las páginas de Reddit, después de descubrir que las empresas de IA estaban scrapeando datos de Reddit a través de copias archivadas . El Archivo de Internet ahora está limitado a indexar solo la página de inicio de Reddit.com .

Verificación humana para cuentas sospechosas (marzo de 2026)

El 25 de marzo de 2026, Huffman anunció la verificación humana obligatoria para cuentas marcadas por señales de comportamiento, como la velocidad de publicación . Los métodos de verificación incluyen claves de acceso (passkeys), Face ID y, en algunos casos, identificación oficial . Esto no es para toda la plataforma: se activa por detección técnica, pero representa una escalada significativa en la fricción para las operaciones automatizadas .

Etiquetado de bots

Las cuentas que utilizan automatización permitida ahora llevan una etiqueta [App] en su perfil, para que otros usuarios sepan que están interactuando con un software . Los bots buenos se quedan; los engañosos son marcados y eliminados.

Eliminación diaria de cuentas bot (~100.000/día)

Reddit elimina un promedio de 100.000 cuentas bot cada día, un ritmo que se ha mantenido constante durante 2026 . La herramienta de investigación BotPrints, lanzada en mayo de 2026, toma la huella digital de los metadatos de comportamiento y puede detectar grupos de bots calculando la similitud de Jaccard en ventanas de tiempo de publicaciones de 5 minutos .

Una estrategia unificada contra el scraping de IA

Cada medida se dirige a un vector diferente (API, HTML, archivo, comportamiento de la cuenta), pero todas sirven al mismo objetivo: detener el scraping no autorizado, en particular el de las empresas de inteligencia artificial que entrenan modelos con el contenido generado por humanos en Reddit . La obligación de iniciar sesión en old.reddit.com cierra la ruta de scraping anónimo más fácil que quedaba, asegurando que incluso aquellos que dependen de la interfaz heredada deban estar autenticados y ser responsables.

Por qué Old Reddit era el camino de menor resistencia para los scrapers

Para entender la medida, hay que comprender la arquitectura. A diferencia del rediseño moderno basado en React, que hidrata los datos del lado del cliente y es difícil de analizar mediante programación, old.reddit.com envía HTML completamente renderizado en el servidor y sin necesidad de cookies . Un scraper puede solicitar una página y obtener inmediatamente un marcado limpio y estructurado: sin clave API, sin autenticación, sin necesidad de ejecutar JavaScript. Esto lo convirtió en la ruta sin API más popular para la extracción masiva de datos, especialmente para las empresas de inteligencia artificial que entrenan modelos con las conversaciones humanas de Reddit .

Una promesa rota: la obligación de iniciar sesión y el destino de Old Reddit

El momento es significativo. En mayo de 2025, el CEO Steve Huffman declaró públicamente que Reddit mantendría Old Reddit en línea "mientras la gente lo esté usando" . La publicación del administrador en junio de 2026 contradice directamente esa promesa. Reddit ahora dice que "no puede prometer" que Old Reddit estará disponible para siempre . La obligación de iniciar sesión se interpreta ampliamente como un paso hacia su eventual desaparición, marcando la señal más clara hasta ahora de que la compañía ve la interfaz heredada como una responsabilidad creciente y ya no como un compromiso permanente .

El arsenal completo contra el scraping en 2026

Las preocupaciones por el scraping han impulsado la política de plataforma de Reddit durante todo 2026, y el muro de inicio de sesión en old.reddit.com está lejos de ser el único cambio. Esta es la estrategia coordinada que ha reconfigurado el acceso a los datos en la plataforma:

Cierre del endpoint JSON no autenticado (mayo de 2026)

El 28 de mayo de 2026, Reddit anunció que retiraría el acceso .json no autenticado, la otra gran vía gratuita para datos estructurados . En cuestión de días, las solicitudes anónimas comenzaron a devolver un error 403 Prohibido, sin período de gracia. La propia publicación de Reddit declaró: "Estos endpoints se pueden usar para scrapear Reddit sin responsabilidad" .

Política de "Constructores Responsables" para la API (noviembre de 2025)

Se cerró el registro de aplicaciones OAuth por autoservicio . Hoy, cada nuevo token requiere una aprobación previa mediante un proceso de solicitud y espera. El nivel gratuito no comercial técnicamente aún existe, pero el proceso de aprobación se ha vuelto cada vez más impredecible .

Bloqueo de robots.txt y del Archivo de Internet

Reddit actualizó su robots.txt en marzo de 2025 para bloquear a todos los bots excepto Google y Bing . En agosto de 2025, fue más allá, bloqueando a la Wayback Machine del Archivo de Internet para indexar la mayoría de las páginas de Reddit, después de descubrir que las empresas de IA estaban scrapeando datos de Reddit a través de copias archivadas . El Archivo de Internet ahora está limitado a indexar solo la página de inicio de Reddit.com .

Verificación humana para cuentas sospechosas (marzo de 2026)

El 25 de marzo de 2026, Huffman anunció la verificación humana obligatoria para cuentas marcadas por señales de comportamiento, como la velocidad de publicación . Los métodos de verificación incluyen claves de acceso (passkeys), Face ID y, en algunos casos, identificación oficial . Esto no es para toda la plataforma: se activa por detección técnica, pero representa una escalada significativa en la fricción para las operaciones automatizadas .

Etiquetado de bots

Las cuentas que utilizan automatización permitida ahora llevan una etiqueta [App] en su perfil, para que otros usuarios sepan que están interactuando con un software . Los bots buenos se quedan; los engañosos son marcados y eliminados.

Eliminación diaria de cuentas bot (~100.000/día)

Reddit elimina un promedio de 100.000 cuentas bot cada día, un ritmo que se ha mantenido constante durante 2026 . La herramienta de investigación BotPrints, lanzada en mayo de 2026, toma la huella digital de los metadatos de comportamiento y puede detectar grupos de bots calculando la similitud de Jaccard en ventanas de tiempo de publicaciones de 5 minutos .

Una estrategia unificada contra el scraping de IA

Cada medida se dirige a un vector diferente (API, HTML, archivo, comportamiento de la cuenta), pero todas sirven al mismo objetivo: detener el scraping no autorizado, en particular el de las empresas de inteligencia artificial que entrenan modelos con el contenido generado por humanos en Reddit . La obligación de iniciar sesión en old.reddit.com cierra la ruta de scraping anónimo más fácil que quedaba, asegurando que incluso aquellos que dependen de la interfaz heredada deban estar autenticados y ser responsables.