Fivetran y dbt Labs anunciaron el 16 de septiembre, en el dbt Summit 2026 celebrado en Las Vegas, la disponibilidad general de dbt v2, la reescritura completa en Rust del motor de transformación. Con este paso termina la etapa en la que convivían dos motores —dbt Core, en Python, y Fusion, en Rust—: a partir de ahora hay un único producto con dos versiones. dbt Core pasa a denominarse dbt v1 y Fusion se convierte en dbt v2, y ambas mantienen la licencia Apache 2.0 y el soporte de seguridad.
La mejora principal es de rendimiento y de comprensión del SQL. Según dbt Labs, v2 analiza un proyecto de 10.000 modelos hasta diez veces más rápido que v1 y detecta errores, problemas de columnas y el linaje antes de ejecutar nada, lo que acorta el ciclo de desarrollo y da a los agentes de IA que generan SQL una validación inmediata. El motor se distribuye en dos variantes: dbt, el paquete completo, gratuito y con funciones de pago opcionales, y dbt-oss, que contiene solo los componentes con licencia Apache 2.0. En el lanzamiento están en disponibilidad general los adaptadores de BigQuery, Databricks, DuckDB, Redshift y Snowflake; ClickHouse y Spark siguen en beta, y Athena, Fabric y PostgreSQL llegarán más adelante.
El segundo anuncio con disponibilidad general es dbt State, que compara los metadatos del almacén con el SQL de cada modelo para decidir si hay que construirlo, omitirlo, clonarlo o diferirlo. Cada modelo puede declarar cuánto retraso tolera mediante el parámetro lag_tolerance, de modo que solo se recalcula lo que ha cambiado o lo que ha dejado de estar suficientemente fresco. dbt Labs cifra el ahorro medio entre un 15 % y un 30 % del cómputo del almacén, y la función es compatible desde dbt 1.7 hasta v2 sobre Snowflake, BigQuery, Databricks y Redshift.
El resto de novedades están en fases más tempranas. Lake Compute, en beta privada, es un motor SQL de un solo nodo basado en DuckDB que ejecuta transformaciones directamente sobre tablas Apache Iceberg y permite elegir el motor modelo a modelo sin cambiar de plataforma. dbt Wizard, un agente orientado a la ingeniería analítica que comprueba el impacto aguas arriba y aguas abajo antes de proponer cambios, entra en vista previa pública. dbt Charts, en beta pública, define los cuadros de mando en YAML dentro del mismo repositorio y del mismo flujo de CI/CD que los modelos. Por su parte, Fivetran abre un programa de acceso anticipado a Context Layer, que convierte datos estructurados y no estructurados en contexto para herramientas de IA.
Para los equipos que ya trabajan con dbt, lo relevante no es tanto el cambio de nombre como el fin de la incertidumbre entre Core y Fusion: hay una hoja de ruta clara, los dos motores siguen siendo open source y la migración puede planificarse según la disponibilidad de cada adaptador. dbt State ataca además uno de los costes menos visibles del stack moderno, el de reconstruir modelos que no han cambiado, y Lake Compute apunta a una arquitectura en la que parte de las transformaciones sale del almacén y se ejecuta sobre formatos abiertos. Quien use Fabric o PostgreSQL como destino tendrá que esperar a que sus adaptadores lleguen a v2.
Más en Dataprix: dbt (Data Build Tool): qué es y cómo funciona, guía práctica en español
Fuente: dbt Labs — Everything we announced at dbt Summit and why it matters
Contenido elaborado con asistencia de inteligencia artificial — Equipo Editorial Dataprix. Verifica la información antes de tomar decisiones.