Un desarrollador de software libre ha realizado un análisis detallado de las 102 aplicaciones publicadas en F-Droid el 12 de septiembre de 2026, buscando determinar qué porcentaje de código en el repositorio es generado por modelos de lenguaje de gran escala (LLM). El autor, quien también es estudiante, critica la tendencia a la 'vibe-coding' donde los desarrolladores delegan tareas como la escritura de READMEs o la revisión de código, argumentando que esto reduce la profundidad técnica y la responsabilidad del ingeniero.
El proyecto propone un sistema triparte basado en la estética del repositorio:
1. Más IA: Se clasifica si más del 50% del código es autogenerado por LLM, detectando agentes de infraestructura o políticas de uso explícitas.
2. Difficil de decir: Se espera menos del 50% de código generado por IA, aunque pueden existir commits recientes de LLMs.
3. Sin señales de IA: No se detectan indicios de generación por IA, aunque se considera que el proyecto no tiene una política estricta de uso de LLM.
Entre las 102 apps evaluadas, se identificaron 8 con etiqueta 'Más IA' (por ejemplo, Amber, Balance, Bati, BeatBridge, BayesianBahn, Bayley Groceries Tracker, Baly Groceries Tracker, Binary Eye) y 4 con etiqueta 'Sin señales de IA' (Aria for Misskey, Atmo Engine, Aves Libre, BlockDrop). El autor concluye que la presencia de agentes de IA en el flujo de trabajo es un fenómeno común en el desarrollo de software de código abierto, aunque reconoce la utilidad de las herramientas para tareas específicas.