Clúster
Modelos e infraestructura
Selección de modelos, economía de inferencia, despliegue local, compresión y serving.
- Artículos del blog
- 67
- Tema
- IA y agentes
Empieza por el artículo fundamental
Tu bandeja, sin ruido
Recibe la próxima nota de campo sobre IA y agentes
Un correo breve cuando publiquemos. Sin píxeles de seguimiento ni contenido de relleno.
Lo último en esta colección
IA y agentesContext Language Models frente a compactación: qué probar
¿Debe su agente editar su propio contexto? Compare CLM y compactación, revise el harness y la licencia y pruebe qué ocurre cuando desaparecen datos esenciales.
IA y agentesLiteLLM Lens: analizar trazas de agentes con SQL y APIs
Pasa de revisar ejecuciones aisladas a investigar patrones con evidencia: LiteLLM Lens, SQL sobre ClickHouse, acceso seguro y pruebas de regresión.
IA y agentesSmythOS Studio en tu servidor: Docker, costes y límites
Un constructor visual de agentes con licencia MIT en tu infraestructura. Una guía basada en código fuente sobre Docker, costes reales y requisitos antes de publicar.
IA y agentesDeerFlow 2.0: Docker, sandboxes y memoria
Una guía práctica de DeerFlow: configurar Docker, entender los sandboxes compartidos, diagnosticar la memoria y definir pruebas antes de pasar a producción.
IA y agentesCLM-8B autoalojado: vLLM, caché y verificación
Guía contrastada de CLM-8B: el encoder completo detrás de las cabezas pequeñas, candidatos reutilizables, APIs privadas y límites de evaluación.
IA y agentesAnyJev: calibración de LLM y sesgo por orden
AnyJev de Nokia en profundidad: respuestas estables frente a probabilidades calibradas, novedades de 0.2.0 y evaluación práctica de un router.
Directorio completo de artículos
- Context Language Models frente a compactación: qué probar
- LiteLLM Lens: analizar trazas de agentes con SQL y APIs
- SmythOS Studio en tu servidor: Docker, costes y límites
- DeerFlow 2.0: Docker, sandboxes y memoria
- CLM-8B autoalojado: vLLM, caché y verificación
- AnyJev: calibración de LLM y sesgo por orden
- 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
- Laya y Jev en empresas: 6 flujos de trabajo prácticos
- Laya vs Jev: benchmarks y riesgo para startups de IA
- Jev AI: análisis del modelo de decisión para agentes
- 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
- Análisis de Tencent Hy4 Preview: ¿Merece un piloto con contexto de 1M?
- 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?
- Review de Cisco Antares: IA local 1B para localizar vulnerabilidades
- 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.
- Gateways LLM Comparados 2026: LiteLLM vs OpenRouter vs Portkey vs RouteLLM
- Alojar LLMs en la UE: Cuándo Salen a Cuenta los Open Weights
- Mejores LLM de pesos abiertos 2026: DeepSeek vs Qwen vs Kimi vs GLM vs Llama
- 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