LangChain 1.5 salió el 11 de noviembre de 2026 y vino con dos noticias que no van en la misma dirección: un router de modelos en beta y el fin del soporte para Python 3.10. Una te puede ahorrar plata en tokens. La otra te puede romper el entorno un martes a las nueve de la mañana, justo cuando ibas a mostrar el agente.
Si estás construyendo agentes en español y vienes siguiendo la versión 1.x desde que estabilizaron la API, este release es de los que conviene leer antes de correr el pip install -U de siempre.
El router de modelos: elegir el cerebro por pregunta
La pieza nueva es un router que manda cada request al modelo que corresponde en vez de clavar uno solo para todo el agente. Viene marcado como beta, o sea, está en prueba y la interfaz puede moverse. Aun así, es el cambio que más impacto tiene en el día a día.
Piensa en un agente de soporte que atiende tres tipos de mensaje: "¿cuál es el horario?", "necesito la factura de octubre" y "explícame por qué me cobraron dos veces y qué dice el contrato". Hoy la mayoría de equipos resuelve los tres con el modelo más caro que su presupuesto aguanta, porque es el único que no se cae en el tercero. El router te deja mandar los dos primeros a un modelo chico y rápido, y reservar el grande para el caso que de verdad lo necesita.
Esto ya se hacía a mano. Yo he visto equipos con un if enorme y un clasificador casero decidiendo el modelo, y funciona, pero termina viviendo en un archivo que nadie quiere tocar. Que la decisión viva en la librería y no en tu código pegoteado es la diferencia entre un experimento y algo que otro puede mantener.
Una advertencia honesta: beta significa beta. Si el router entra a tu ruta crítica hoy, deja el modelo fijo detrás de una variable de entorno para poder volver atrás sin un deploy de emergencia.
Python 3.10 quedó fuera: qué hacer si ahí vive tu proyecto
La 1.5 subió el piso a Python 3.11. Y no es solo el paquete principal: langchain-core pasa a exigir 1.8.0 como mínimo, así que el salto arrastra a todo el árbol de dependencias. Si tu proyecto corre en 3.10, la buena noticia es que no te quedas colgado: la línea 1.4.x sigue instalándose en 3.10 y es la que te va a resolver pip mientras no migres.
Eso es un respiro, no una solución. Quedarte en 1.4.x significa que dejas de recibir lo nuevo, y en LangChain "lo nuevo" llega rápido: la 1.4.9 es del 4 de noviembre y la 1.4.10 del 10. En un mes vas a estar varias versiones atrás.
Qué revisar antes de subir a 3.11:
- ▸La imagen base de tu Dockerfile. Si dice python:3.10-slim, ese es el primer cambio y el que más veces se olvida.
- ▸Las librerías pesadas que viajan contigo: pandas, numpy, cualquier cliente de base de datos compilado. Suelen estar listas para 3.11, pero conviene verlo en tu lockfile y no suponerlo.
- ▸El runtime de donde despliegas. Las funciones serverless y los runners de CI a veces siguen fijados a 3.10 en un archivo de configuración que nadie mira desde hace un año.
- ▸Tus tests. Si no tienes ninguno sobre el agente, este es el momento de escribir al menos tres: uno por cada camino que el agente toma seguido.
LangGraph sigue su propio calendario
Algo que confunde a quien recién entra: LangChain y LangGraph no se versionan juntos. LangGraph venía de la 1.2.19 del 30 de octubre, con arreglos en streaming y subgrafos, y sacó la 1.2.20 el 5 de noviembre. Si tu agente ya pasó de "una cadena con herramientas" a "un grafo con estado, reintentos y aprobación humana", el release que te mueve el piso es el de LangGraph, no el de LangChain.
La regla práctica que uso: LangChain para armar la pieza (modelo, herramientas, memoria corta), LangGraph cuando el flujo deja de ser una línea recta y necesitas decidir, volver atrás o esperar a que una persona apruebe algo.
Cómo migrar sin perder la tarde
El orden que me ha funcionado, y que evita el clásico "actualicé todo y ahora no sé qué lo rompió":
- Fija tus versiones actuales en el lockfile y haz commit. Si algo sale mal quieres poder volver en treinta segundos.
- Sube primero el intérprete a 3.11 sin tocar LangChain. Corre la app tal cual. Si se rompe algo aquí, el culpable no es la 1.5.
- Recién ahí instala LangChain 1.5 y vuelve a correr los tests.
- Prueba el router en un entorno aparte, con un puñado de consultas reales de tu producto, y compara costo y calidad contra el modelo fijo. Si no mides, no sabes si ganaste.
Lo que nadie te dice del paso 4: el ahorro del router se nota cuando tienes volumen. Con cien consultas al día la diferencia es de centavos y no vale la complejidad extra. Con cien mil, es la línea que te deja seguir operando.
Dónde se aprende esto en serio
Leer un changelog es fácil. Lo difícil es tener criterio para decidir qué parte de tu agente conviene mover y cuál dejar quieta. Eso se gana construyendo. En el curso de creación de agentes con LangChain armas el agente desde el modelo y las herramientas hasta la memoria, que es justo la base que necesitas para que un cambio de versión no te deje adivinando.
Si vienes más atrás y el problema no es LangChain sino Python, empieza por Python para todos y vuelve a este post en unas semanas. No hay atajo ahí, y quien lo salta termina copiando código que no puede depurar.
Y si lo que quieres es el camino completo —del primer agente a uno que corre en producción con estado, costos controlados y observabilidad— la ruta AI Agentic Engineer es la que ordena todo eso en una sola secuencia, incluidos LangGraph y los patrones multi-agente.
Lo que haría esta semana
Abre tu proyecto y responde dos preguntas: ¿en qué versión de Python corre de verdad en producción, no en tu laptop? Y ¿cuánto te cuesta al mes el modelo que usas para todo? Con esas dos respuestas sabes si la 1.5 es urgente para ti o si puedes dejarla para diciembre. Mira el catálogo de cursos si el diagnóstico te deja con más dudas que certezas.
Una cosa más: estos releases pasan cada semana y seguirlos solo es agotador. En la Comunidad AI Builders hacemos un taller en vivo cada semana donde desarmamos lo que salió y lo probamos en código, desde 19 USD al mes.
