Modelos e infraestructura
Selección de modelos, economía de inferencia, despliegue local, compresión y serving.
- Artículos del blog
- 80
- Tema
- IA y agentes
Empieza aquí
Lo último en esta colección
¿Cuántos tokens ahorra Code Mode en Claude Code?
Una consulta consumió 55.705 tokens de entrada menos y tardó 22 segundos más. Activa la función y comprueba el resultado en dos archivos Markdown.
¿Cuánto tarda en entrenarse MiniMind desde cero en una RTX 3090?
El proyecto estima 2,31 horas. Ambos scripts hacen dos épocas por defecto. Reproduce la receta de una época y comprueba qué parte de la respuesta aprende el modelo.
Créditos de IA en Odoo: presupuesto para revisar cotizaciones
Separa créditos, cambio de plan, revisión inicial y correcciones. Un registro sintético permite revisar el presupuesto antes de aumentar el volumen.
IA en Odoo Helpdesk: ¿clasificar, redactar o escalar?
Separa etiquetas, borradores internos y derivaciones a personas. Usa casos propuestos para revisar permisos y escalaciones omitidas.
Cómo validar certificados de derivación de Open Ontologies
Ejecuta una prueba reproducible, distingue el rechazo de una derivación del fallo del comprobador y revisa qué conclusiones conserva un fragmento RAG.
¿Scrapling guarda los datos extraídos en los checkpoints?
Una prueba local de pausa, reanudación y repetición muestra qué registros se conservan, cuándo se reemplaza el JSON y qué guarda el checkpoint.
Directorio completo de artículos
- ¿Cuántos tokens ahorra Code Mode en Claude Code?
- ¿Cuánto tarda en entrenarse MiniMind desde cero en una RTX 3090?
- Créditos de IA en Odoo: presupuesto para revisar cotizaciones
- IA en Odoo Helpdesk: ¿clasificar, redactar o escalar?
- Cómo validar certificados de derivación de Open Ontologies
- ¿Scrapling guarda los datos extraídos en los checkpoints?
- Cue Turn Detection: teléfonos, benchmarks y límites
- Google SAM ahora es Agent Mesh: MCP entre equipos
- EdgeQuake: GraphRAG en PostgreSQL y memoria MCP para agentes
- BitNet en CPU: 2B4T, requisitos de RAM y la cifra de 100B
- SuperPenguin: costes de IA por PR, cliente y función
- Claude Dashboards y Motion: de métricas a vídeos
- OpenAI Intelligent UI vs OpenUI: UI generativa para empresas
- Wally de RunAnywhere: coste por tarea de código aceptada
- Reducto para facturas alemanas: medir revisión humana
- Claude Model Router: qué modelo cambia y cuándo
- Context Language Models frente a compactación: qué probar
- Caveman 3.0 para Claude Code: compresión local, recuperación y benchmarks
- LiteLLM Lens: analizar trazas de agentes con SQL y APIs
- SmythOS Studio en tu servidor: Docker, costes y límites
- DeerFlow 2.2: Docker, sandboxes y memoria
- CLM-8B autoalojado: vLLM, caché y verificación
- LiteAgents SDK: routing por turno, instalación y migración
- mcp-memory-service: memoria compartida para Claude Code y Cursor
- Claude Opus 5.5: usos, prompts y niveles de esfuerzo
- SwarmLLM Review 2026: Inferencia LLM P2P entre móvil y portátil
- Review de Phonely Alma: ¿Está listo el LLM de voz para producción?
- Utopia: evaluar un grafo bitemporal empresarial
- NVIDIA PAIR: Routing de IA Local y la Brecha de AMD
- Tencent Hy4 Preview: ¿Qué cambia con la versión definitiva?
- PageLM: autoalojamiento y uso comercial
- Mac mini M6 vs Mac Studio M5 para IA local: guía de compra
- Análisis de FreeToken AI: ¿modelos MoE frontier en una GPU doméstica?
- Darkbloom AI: Inferencia Privada en Macs Inactivos
- Ox Alpha era GLM-5.3-Flash: qué ha cambiado
- Precios de Pika Audio API: ¿SFX cuesta de verdad 20 veces menos?
- La apuesta de $13M de Thunder Compute por virtualizar GPUs: guía de compra
- AirLLM con 4 GB de VRAM: cómo funciona la inferencia por capas
- Qwen3.8-27B: agentes de computer use autoalojados sin exportar capturas
- El stack vLLM y Triton de Netflix: 7 lecciones de producción
- Transformers.js en el navegador: cuándo llevar la IA local a tu producto
- Cómo autoalojar LiteLLM en producción: guía 2026
- Wiki empresarial preparada para IA: arquitectura e implementación
- ¿Claude añade marcas de agua al texto? Respuesta API 2026
- Review de OpenKB: compilador de conocimiento vs RAG
- Unsloth Desktop: ¿workstation privada de IA local?
- NeMo Switchyard 0.2: ¿routing de agentes sin entrenar?
- Firecrawl AnyDoc: 14 formatos a Markdown
- Muse Glimmer 30B: ¿está listo el agente local de Meta para producción?
- Routing de IA con OmniRoute: Setup y Checklist de Producción
- Gemini Robotics 2: control corporal completo y decisión de piloto
- pdf-inspector: parser PDF local antes del OCR
- Asistente de programación con IA local multimodal: voz, OCR y privacidad
- DeepSeek V4 Flash 0731 en un PC de IA: ¿qué funciona?
- Cómo afinar Gemma 4 gratis con Unsloth y Colab
- Taalas HC1 a examen: ¿compensa un ASIC para un solo LLM?
- ¿Qué LLM local puedes ejecutar? Guía de llmfit para tu hardware
- Miso TTS autoalojado vs API: coste, latencia y VRAM
- Comprime vectores RAG a 2 bits: ¿está lista para producción la cuantización sin datos?
- LMCache reportó un TTFT medio 13,7x menor con una caché KV compartida
- Compresión LLM sin Pérdida vs 8-bit GGUF: ¿Qué Está Listo?
- NVIDIA Nemotron 3.5 ASR: ¿Está listo el STT self-hosted para voice agents?
- Kimi K3 para Empresas de la UE: Coste API, Datos y Plan de Piloto
- Mesh LLM: ¿Puede un LLM Ejecutarse en Varios Ordenadores?
- Review de Bonsai 27B: ¿Puede un LLM de 27B Ejecutarse en un Móvil?
- Soofi S: ¿Está listo para empresas el LLM soberano de Alemania?
- Colibri Ejecuta GLM-5.2 en Hardware de Consumo. Esta Es la Trampa.
- Cuándo los Modelos Locales Superan a las APIs: Calculadora Break-Even para Empresas de la UE
- Calculadora de Costes LLM 2026: Coste por Tarea, No por Token
- Review de Pxpipe: ¿reduce un 60% el coste de Claude Code?
- Más barato por token todavía puede costar más por tarea
- Anthropic rechaza prohibir pesos abiertos. La guerra de costes sigue.
- Cuánto cuesta de verdad un asistente de IA interno en la región DACH (2026)
- Gateways LLM Comparados 2026: LiteLLM vs OpenRouter vs Portkey vs RouteLLM
- Alojar LLMs en la UE: Cuándo Salen a Cuenta los Open Weights
- LLM de pesos abiertos 2026: DeepSeek, Qwen, Kimi, GLM, Llama y Muse
- Cómo Reducir los Costes de Tokens LLM en 2026
- ¿Cuándo vale la pena construir un eval de LLM? Coste, ROI y confiar en el juez
- ¿RAG, fine-tuning o contexto largo? Comparativa 2026
- Costes de APIs LLM 2026. Cambio de Arquitectura
Recibe la próxima nota de campo sobre IA y agentes
Un correo breve cuando publiquemos. Sin píxeles de seguimiento ni contenido de relleno.