Lanzamiento de un nuevo producto: Web Render API
Todas las entradas

Presentamos Massive Web Render: la web como API para la IA

Jason Grad
Jason Grad · Co-founder

La web no se creó para las máquinas. Se creó para que los seres humanos navegaran por las páginas y leyeran código HTML renderizado. Ahora, los seres humanos quieren que las máquinas hagan ese trabajo por ellos, y la brecha entre lo que necesitan los agentes de IA y lo que ofrece la web es el mayor problema sin resolver en la infraestructura de agentes.

Hoy lanzamos Massive Web Render: tres puntos de conexión que convierten la web abierta, la búsqueda de Google y los modelos de lenguaje de última generación en API limpias para los desarrolladores de IA.

Lo que hemos enviado

Web Render es una clave de API con tres puntos de conexión:

/ai Realice consultas a ChatGPT, Gemini, Perplexity y Copilot mediante programación. Usted envía una solicitud. Recibe un JSON estructurado con la respuesta, las fuentes y las subconsultas de fanout. Seleccione la ubicación geográfica de cualquiera de los más de 195 países para ver cómo responde un LLM desde Tokio frente a São Paulo. Emule cualquier dispositivo. Este es el punto final por el que las startups de AEO y GEO cobran entre 400 y 2000 dólares al mes. Con nosotros, solo cuesta unos pocos dólares.

/buscar extrae resultados de Google en tiempo real, incluyendo resúmenes generados por IA y respuestas de la sección «La gente también pregunta». Con segmentación geográfica, paginación y reconocimiento del idioma.

/navegador Genera cualquier página web. La salida puede ser HTML generado, HTML sin formato o Markdown compatible con modelos de lenguaje grande (LLM).

Por qué lo hemos creado

En febrero lanzamos ClawPod. Se trataba de una función de OpenClaw que conectaba los navegadores de los agentes a nuestra red de proxies residenciales, de modo que las 145 000 personas que ejecutaban sus propios agentes de OpenClaw pudieran cargar páginas web sin ser bloqueadas.

ClawPod nos enseñó lo que los agentes realmente necesitan.

No se trataba solo de la rotación de direcciones IP. Se trataba de una emulación completa del navegador, la resolución de captchas, el manejo de huellas digitales y todas las demás capas de desbloqueo que se interponen entre la solicitud de un agente y los datos limpios y estructurados. Los agentes que mejor funcionaron no fueron los que eludieron los bloqueos. Fueron aquellos que obtuvieron datos listos para que un modelo de lenguaje grande (LLM) pudiera procesarlos.

Aprovechamos esas lecciones y creamos la versión de producción.

Qué hay detrás: la capa de desbloqueo

La mayoría de las API que afirman poder «extraer datos de cualquier sitio web» se limitan a la dirección IP. Web Render va más allá porque la web moderna así lo exige.

Cloudflare, DataDome y PerimeterX bloquean las solicitudes HTTP sin procesar. Comprueban las huellas digitales, ejecutan pruebas de JavaScript, muestran captchas y limitan la frecuencia de cualquier actividad que parezca proceder de un bot. Incluso las direcciones IP residenciales son rechazadas si no hay un navegador real detrás.

Web Render gestiona toda la pila de desbloqueo:

  • Representación real en el navegador con ejecución completa de JavaScript
  • Resolución de captchas para hCaptcha, reCAPTCHA y Cloudflare Turnstile
  • Solución para evitar el bloqueo de bots en Cloudflare, DataDome y PerimeterX
  • Intenta de nuevo de forma inteligente cuando se rechaza el primer intento
  • Sesiones persistentes para flujos de varias páginas

Hasta 3 minutos por llamada para gestionar los sitios web más complicados. Si un sitio web sigue bloqueado, póngase en contacto con nosotros y lo solucionaremos en un plazo de 48 horas.

No se gestionan las sesiones del navegador, la rotación de huellas digitales ni la lógica de reintentos. Se envía una URL o una solicitud y se reciben los datos.

A quién va dirigido

Desarrolladores de agentes de IA que necesitan que sus agentes carguen de forma fiable contenidos de la web abierta. Startups de AEO y GEO que realizan un seguimiento de la visibilidad de marca en los modelos de lenguaje grande (LLM). Equipos empresariales que gestionan procesos internos de evaluación de LLM. Herramientas de ventas de IA que ejecutan flujos de trabajo de enriquecimiento (un probador alfa acaba de reducir su coste por enriquecimiento de 1 $ a menos de 0,01 $ al sustituir una herramienta con interfaz de usuario cerrada por nuestra API y un agente de código abierto).

Si alguna vez se ha dicho a sí mismo «lo recopilaremos nosotros mismos» y ha acabado con un proceso frágil que se interrumpe cada vez que se actualiza un sitio de destino, esta es la alternativa.

El panorama general

Salesforce acaba de pasar a un modelo «headless». Todas las principales empresas de SaaS seguirán sus pasos en un plazo de 18 meses. Los agentes no hacen clic en botones, por lo que se está rediseñando toda la pila de software para ellos.

La web abierta va en la dirección contraria. Los sitios web se están protegiendo con sistemas antibots, mientras que los usuarios recurren cada vez más a las máquinas para que realicen el trabajo por ellos. No existe un Headless 360 para la web abierta. Esa infraestructura debe crearse.

Esta es la capa que estamos creando.

Empezar

Pruebe la demostración: una sola solicitud, tres modelos de lenguaje de última generación, comparados en paralelo y adaptados a cualquier ciudad del mundo.

Los primeros 100 inscritos recibirán un crédito de 50 dólares.

Pruébelo usted mismo

Los mismos tres modelos de lenguaje grande (LLM) de vanguardia que se utilizan en las consultas de la demostración están a solo una llamada HTTP de distancia. Regístrese en dashboard.joinmassive.com para obtener una clave API, haga lo siguiente:

bash
curl -H "Authorization: Bearer $MASSIVE_TOKEN" \
  'https://render.joinmassive.com/ai?prompt=best+ai+coding+assistant&country=us&city=New+York&model=chatgpt'
python
import os, asyncio, httpx


PROMPT  = "best ai coding assistant"   # ← swap for your "best [category]"
CITY    = "New York"
MODELS  = ["chatgpt", "gemini", "perplexity"]


async def query(client, model):
    r = await client.get(
        "https://render.joinmassive.com/ai",
        headers={"Authorization": f"Bearer {os.environ['MASSIVE_TOKEN']}"},
        params={"prompt": PROMPT, "country": "us", "city": CITY, "model": model},
        timeout=180,
    )
    return model, r.json()


async def main():
    async with httpx.AsyncClient() as c:
        for model, data in await asyncio.gather(*(query(c, m) for m in MODELS)):
            print(f"--- {model} ---")
            print(data.get("completion", "")[:300])


asyncio.run(main())
typescript
const PROMPT = 'best ai coding assistant'   // ← swap for your "best [category]"
const CITY   = 'New York'
const MODELS = ['chatgpt', 'gemini', 'perplexity'] as const


const results = await Promise.all(
  MODELS.map(async (model) => {
    const url = new URL('https://render.joinmassive.com/ai')
    url.searchParams.set('prompt', PROMPT)
    url.searchParams.set('country', 'us')
    url.searchParams.set('city', CITY)
    url.searchParams.set('model', model)
    const res = await fetch(url, {
      headers: { Authorization: `Bearer ${process.env.MASSIVE_TOKEN}` },
    })
    return { model, data: await res.json() }
  }),
)
for (const { model, data } of results) {
  console.log(`--- ${model} ---`, data.completion?.slice(0, 300))
}

Una línea de comando que puede pegar en cualquier agente

Funciona en Claude, ChatGPT, Gemini o su propio bucle de agentes. Sustituya «Replit» por su marca y «el mejor asistente de programación con IA» por la consulta que harían sus clientes.

markdown
Use Massive Web Render's /ai endpoint to query "best AI coding assistant" across
ChatGPT, Gemini, and Perplexity — geo-targeted to NYC, London, and SF.


For each (model × city), capture the top recommendations, sources cited, and the
position of "Replit" in each answer.


Aggregate into a single visibility report:
  • avg rank of Replit per model
  • avg rank of each competitor (Cursor, Windsurf, Copilot, etc.)
  • cities where Replit doesn't appear at all
  • which sources LLMs cite most often (so I know where to invest)


Then give me 5 concrete actions to improve Replit's visibility for
"best AI coding assistant", ranked by likely lift.

Un paso por delante — Massive MCP

Hemos enviado un Servidor del Protocolo de Contexto de Modelos en npm para que los agentes puedan llamar directamente a Web Render. Instálelo una vez:

bash
npm install -g @joinmassive/mcp-server

A continuación, introduzca este comando en su agente compatible con MCP:

markdown
Use Massive MCP to search "best AI coding assistant" across Google
(organic + AI Overview), ChatGPT, Perplexity, and Gemini — geo-targeted
to NYC, London, and SF. List competitors by avg rank and build me a
visibility report for Replit. Then propose 5 concrete actions to improve
my ranking, ranked by likely lift.

La web no se diseñó pensando en los agentes de IA. Nosotros hemos creado la capa de API que hace que funcione como si así fuera.