Lo que pasa en la IA local, comentado en español y sin humo. Fichas de modelos, fundamentos, opinión y entre bastidores del laboratorio. Las cifras propias llevan su estado de validación.
Los agentes no recuerdan lo que hizo otro agente ayer, ni lo que hicieron ellos mismos en otra sesión. Una carpeta con cuatro ficheros de texto lo cambia todo. Así la organizamos y estas son las reglas que la mantienen útil.
De todos los errores que hemos documentado, estos son los que casi todo el mundo pisa al empezar con vLLM, llama.cpp o SGLang. Síntoma, causa y la comprobación de treinta segundos que te ahorra la tarde.
Juntar dos máquinas en un solo modelo da un millón de contexto y modelos de 300B. Separarlas da casi el doble de trabajo total. Las cifras de un mes probando las dos cosas en el mismo par de GX10.
Después de medir diez modelos en el mismo par de máquinas, esta es nuestra recomendación según para qué lo quieras: chat rápido, agentes en paralelo, programación, contexto enorme o multimodal. Con la cifra y el experimento detrás de cada elección.
Guía comparativa para decidir qué mandar a un modelo local y qué dejar en la nube, con privacidad, coste total, calidad y mantenimiento sobre la mesa.
La historia del laboratorio: de la primera idea con dos nodos a un inventario de 6 ASUS Ascent GX10, 3 Strix Halo, 2 RTX 5090 móvil y una red preparada para medir IA local.
Una guía de capacidad, memoria y coste total para elegir entre PC, GPU, memoria unificada y varios nodos. Los tamaños son orientativos: tu runtime y tu caso mandan.
Guía práctica para no llenar el disco, agotar la memoria, medir con temperatura inestable, exponer APIs o confiar en un backup que nunca se restauró.
Un laboratorio en español para aprender a montar IA en tus propias máquinas: qué modelos caben, cuánto corren, cómo se instalan y cómo usarlos desde cualquier sitio. Con números reales y sin nube.
Velocidad, contexto, varias peticiones a la vez, calidad con preguntas trampa, uso de herramientas y seguridad. Qué medimos antes de recomendar un modelo y por qué cada pieza está ahí.
Plantillas iniciales para actas, clasificación de emails, show notes y extracción de JSON. Copiar, adaptar y validar antes de automatizar.
Checklist de seguridad real para tu laboratorio: SSH, APIs expuestas, permisos de MCP, backups probados y el principio de menor privilegio aplicado a tu casa.
Los 'agentes de IA' de las grandes marcas son suscripciones con marketing. La alternativa: herramientas abiertas + tu hardware + un poco de electricidad. Nuestra tesis.
El vocabulario mínimo para entender cualquier noticia de IA: tokens, cuantización, VRAM, fine-tuning, RAG... explicado sin dolor.
Guía de fauna: los tipos de modelos de IA que vas a ver citados, explicados con ejemplos y con la pregunta importante: qué tarea resuelve cada uno.
Ejecutar modelos de IA en tu propia máquina: qué significa, qué necesitas, qué puedes lograr y qué límites tiene frente a la nube.
MMLU, HumanEval, GPQA... Los benchmarks son el carnet de notas de los modelos de IA. Te explicamos qué miden, cómo y cuándo te engañan.