--- title: "PageLM: autoalojamiento y uso comercial" canonical: https://wavect.io/es/blog/pagelm-self-hosted-ai-study-platform/ language: es description: "Evalúa PageLM como alternativa autoalojada a NotebookLM: licencia, datos con Ollama, límites de Docker y un piloto práctico de formación empresarial." image: "https://wavect.io/img/blog/headers/header_pagelm-self-hosted-ai-study-platform.png" --- [**Volver**](/es/blog/overview/) [![Kevin Riedl](/img/team/kevin.webp)](/es/team/kevin-riedl/) [Kevin Riedl](/es/team/kevin-riedl/) https://linkedin.com/in/wsdt 8 min de lectura · 30 de agosto de 2026 Última revisión 30 de agosto de 2026 [**Siguiente**](/es/blog/ai-ready-company-wiki/) # PageLM: autoalojamiento y uso comercial Resumen PageLM convierte documentos en materiales de estudio y permite autoalojamiento con distintos proveedores de IA. Su código público tiene una licencia propia con restricciones comerciales y de redistribución. Usar Ollama en el chat no mantiene automáticamente embeddings, voz y transcripción en local. Antes de adoptarlo para formación empresarial, aclara permisos, verifica cada flujo y mide exactitud, esfuerzo de revisión y coste operativo. Es una revisión de fuentes, no una prueba práctica. **PageLM es una plataforma de estudio autoalojable inspirada en NotebookLM.** Su atractivo está en el proceso de aprendizaje: convertir un documento en material de repaso sin tener que pedir cada tarea por separado a un chatbot generalista. Para una empresa que evalúa formación interna o un producto educativo de pago, las primeras decisiones son la licencia, el flujo de datos y la responsabilidad operativa. Esta revisión de documentación y código, fechada el **30 de agosto de 2026**, cubre la revisión `b3b4895`. No hemos desplegado PageLM ni medido su rendimiento. Los controles siguientes son criterios de aceptación propuestos, no capacidades que demos por verificadas. ## ¿Qué puede generar PageLM a partir de documentos? La [documentación de funciones de PageLM](https://github.com/CaviraOSS/PageLM/blob/b3b4895fb3a180088b897705816a5a9786d79a92/README.md) enumera PDF, DOCX, Markdown y TXT como entradas; apuntes Cornell, tarjetas de estudio, cuestionarios con explicaciones, pódcasts, simulacros de examen, planes de tareas y chat basado en documentos como salidas. Admite GPT, Claude, Gemini, Grok, OpenRouter, MiniMax y modelos locales mediante Ollama. La compatibilidad no implica resultados equivalentes entre proveedores. Para un piloto formativo, conserva un documento aprobado y contrasta los resultados con él. Un cuestionario convincente puede enseñar mal una excepción. Un pódcast puede omitir una advertencia de seguridad. Pide una revisión experta antes de entregar el material al alumnado. ## ¿PageLM es de código abierto y permite el uso comercial? PageLM publica su código con una licencia propia, no con una licencia estándar de código abierto. La [PageLM Community License](https://github.com/CaviraOSS/PageLM/blob/b3b4895fb3a180088b897705816a5a9786d79a92/LICENSE.md) permite usos personales, educativos no comerciales y de investigación no comercial, sujetos a sus condiciones. El uso comercial exige acuerdos escritos, incluido el reparto de ingresos; la redistribución también está restringida. No presupongas que la formación interna queda exenta porque los empleados no paguen por acceder. La [Open Source Definition](https://opensource.org/osd) exige derechos de redistribución y libertad para usar el software en una empresa. Que el repositorio sea público no concede esos derechos por sí solo. Antes de presupuestar una integración, explica a los titulares los usuarios previstos, el alojamiento, los cursos de pago, el acceso de clientes y las modificaciones. Obtén condiciones para ese uso concreto. Es un control de contratación, no asesoramiento jurídico; encarga la revisión del acuerdo a un profesional cualificado. Wavect no puede conceder permisos comerciales de PageLM. ## ¿Ollama mantiene todos los documentos de PageLM en local? **Elegir Ollama para generar texto no demuestra que todo el proceso sea local.** El [ejemplo de configuración](https://github.com/CaviraOSS/PageLM/blob/b3b4895fb3a180088b897705816a5a9786d79a92/.env.example) separa generación, embeddings, síntesis de voz y transcripción. Entre los valores predeterminados figuran Gemini, embeddings de OpenAI, voz Edge y transcripción de OpenAI. Ollama tiene campos distintos para el modelo generativo y el de embeddings. | Límite que revisar | Pregunta para el piloto | | --- | --- | | Generación | ¿Qué endpoint recibe los fragmentos recuperados y la pregunta? | | Embeddings | ¿Dónde se transforma el texto en vectores de búsqueda? | | Audio | ¿Adónde van los guiones del pódcast y las grabaciones? | | Operaciones | ¿Los registros, las copias o la monitorización envían contenido a otro lugar? | Empieza con documentos sintéticos. Observa el tráfico saliente al subirlos, conversar, generar cuestionarios y crear audio. Después bloquea el acceso externo y repite los procesos necesarios con los modelos ya descargados. Registra qué deja de funcionar. No prometas pódcasts sin conexión hasta comprobar también la ruta de síntesis de voz. Para información empresarial confidencial, la ubicación es solo un requisito. Define quién puede subir, consultar, exportar y borrar contenido. Nuestra [lista de preparación de RAG para producción](/es/blog/rag-production-readiness-checklist-eu/) cubre la evaluación más amplia de recuperación y permisos. ## Node.js o Docker: ¿qué revisar antes de instalar? PageLM ofrece ambas vías, pero el código revisado presenta discrepancias con la documentación. Comprueba las rutas en la revisión elegida y valida una instalación reproducible en un entorno aislado. - **Docker:** el [archivo Compose](https://github.com/CaviraOSS/PageLM/blob/b3b4895fb3a180088b897705816a5a9786d79a92/docker-compose.yml) publica los puertos 5000 y 5173 y monta un directorio de almacenamiento. El comando de producción del README también referencia `docker-compose.prod.yml`, ausente del [inventario raíz revisado](https://github.com/CaviraOSS/PageLM/tree/b3b4895fb3a180088b897705816a5a9786d79a92). No lo copies como receta de producción verificada. - **Node.js:** el [archivo de versión](https://github.com/CaviraOSS/PageLM/blob/b3b4895fb3a180088b897705816a5a9786d79a92/.nvmrc) fija 22.16.0, mientras que el README indica otro mínimo. El [manifiesto raíz](https://github.com/CaviraOSS/PageLM/blob/b3b4895fb3a180088b897705816a5a9786d79a92/package.json) contiene los scripts de compilación y arranque del backend. Confirma la estructura actual antes de seguir instrucciones para directorios concretos. - **Audio:** comprueba ffmpeg y el proveedor de voz por separado del chat. Durante la prueba utiliza acceso privado y datos desechables. Para un uso compartido, revisa autenticación, permisos documentales, TLS, límites de subida, secretos, actualizaciones y restauración. Son requisitos de aceptación, no una afirmación de que PageLM carezca de todas esas funciones. Dentro de un contenedor, `localhost` identifica ese contenedor. Si Ollama corre en el host o en otro contenedor, configura un endpoint accesible y pruébalo. No publiques el servidor de modelos en Internet para resolver un problema de conectividad. ## ¿Cuándo encaja PageLM en la formación empresarial? | Necesidad | Decisión | | --- | --- | | Estudio individual con materiales permitidos | Evaluar los resultados dentro de las condiciones de licencia. | | Formación interna de empleados | Aclarar el permiso comercial y comprobar exactitud y límites de acceso. | | Cursos de pago o plataforma educativa alojada | Resolver uso comercial y redistribución antes de integrar. | | Base de conocimiento empresarial mantenida continuamente | Empezar por responsables y permisos, no por la interfaz de estudio. | | Audio sin conexión y aislamiento estricto entre clientes | Exigir demostración del proceso completo antes de seleccionar plataforma. | Si necesitas una fuente organizativa editable, consulta la [guía de arquitectura de una wiki empresarial preparada para IA](/es/blog/ai-ready-company-wiki/). Para un compilador que convierte documentos en una wiki, lee la [evaluación de OpenKB](/es/blog/openkb-review-vs-rag/). PageLM plantea otra decisión: si merece la pena adoptar o adaptar un proceso de estudio concreto. ## Un piloto pequeño que permita decidir la compra Una vez aclarados los permisos, selecciona un curso, un revisor y un corpus pequeño. Este es el diseño de evaluación propuesto por Wavect, no un benchmark de PageLM: 1. **Fijar las entradas.** Utiliza cinco documentos aprobados con versiones, derechos y objetivos de aprendizaje. Incluye una tabla, un pasaje contradictorio y un PDF escaneado para detectar límites del procesamiento. 2. **Preparar preguntas.** Formula 20 con respuesta en el material y cinco sin ella. Comprueba las referencias de apoyo y que no se inventen hechos cuando falta evidencia. 3. **Revisar las salidas.** Puntúa apuntes, tarjetas, cuestionarios y una muestra de audio por exactitud, cobertura y esfuerzo de aprobación. 4. **Probar límites.** Comprueba accesos prohibidos, borrado, restauración, proveedores no disponibles y dependencias de red externa. 5. **Comparar costes.** Cuenta minutos de revisión, materiales aceptados, consumo de modelos y voz, alojamiento, mantenimiento y licencia negociada. Una métrica útil es **coste total del piloto dividido entre unidades de aprendizaje aprobadas**. No midas el éxito por tarjetas generadas. Define de antemano el esfuerzo aceptable y la tolerancia al error: un curso de seguridad necesita otros umbrales que unos apuntes opcionales. ## Define la integración antes de elegir plataforma Prepara un documento de muestra sin información sensible, usuarios previstos, salidas necesarias, reglas de acceso y estado de la licencia. El [servicio de RAG y arquitectura de IA](/es/services/ai-enablement/) de Wavect puede ayudar a definir la evaluación y la integración. El [caso Twinsoft AI](/es/case-studies/twinsoft-ai/) aporta contexto de un proyecto de IA relacionado; no acredita un despliegue de PageLM. Compara [AI enablement orientado a implementación con consultoría genérica de IA](/es/compare/ai-enablement-vs-generic-ai-consultancy/) o [consulta un piloto de aprendizaje basado en documentos](/es/contact/). El resultado útil es una decisión sobre permisos, datos, calidad y coste operativo, incluida una alternativa justificada si PageLM no encaja. ## Preguntas frecuentes sobre PageLM ### ¿PageLM es gratuito para formación comercial? No confundas una finalidad educativa con permiso comercial. Aclara el despliegue con los titulares antes de usarlo en formación empresarial o una oferta de pago. ### ¿Es una guía de instalación probada? No. Revisamos funciones documentadas y configuración del repositorio. El despliegue, la calidad, el hardware y el comportamiento multiusuario requieren pruebas prácticas. ### ¿El chat basado en documentos garantiza respuestas correctas? No. Comprueba fuentes, preguntas sin respuesta y pasajes contradictorios. Mantén la aprobación humana para material formativo y evaluaciones. Modelos e infraestructura ## Continúa por este clúster Selección de modelos, economía de inferencia, despliegue local, compresión y serving. [Empieza por el artículo fundamental**Alojar LLMs en la UE: Cuándo Salen a Cuenta los Open Weights**](/es/blog/self-hosting-llms-eu-cost/) - [Mac mini M6 vs Mac Studio M5 para IA local: guía de compra](/es/blog/mac-mini-m6-vs-mac-studio-m5-local-ai/) - [Análisis de FreeToken AI: ¿modelos MoE frontier en una GPU doméstica?](/es/blog/freetoken-ai-inference-engine-review/) - [Darkbloom AI: Inferencia Privada en Macs Inactivos](/es/blog/darkbloom-ai-private-inference-mac/) - [Ox Alpha Free: configuración, privacidad y guía de compra](/es/blog/ox-alpha-free-ai-model-guide-2026/) - [Precios de Pika Audio API: ¿SFX cuesta de verdad 20 veces menos?](/es/blog/pika-audio-models-api-pricing-2026/) [**Volver**](/es/blog/overview/) [![Kevin Riedl](/img/team/kevin.webp)](/es/team/kevin-riedl/) [Kevin Riedl](/es/team/kevin-riedl/) https://linkedin.com/in/wsdt 8 min de lectura · 30 de agosto de 2026 Última revisión 30 de agosto de 2026 [**Siguiente**](/es/blog/ai-ready-company-wiki/) ## Structured Data ```json { "@context": "https://schema.org", "@graph": [ { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ], "employee": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "founder": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "legalRepresentative": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "name": "Wavect GmbH", "subjectOf": { "@id": "https://wavect.io/verified-claims.json#dataset", "@type": "Dataset", "creator": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "description": "A machine-readable registry of quantitative and qualitative claims published by Wavect, with review dates, localized page appearances and public third-party citations where available.", "inLanguage": "en", "isAccessibleForFree": true, "license": "https://creativecommons.org/licenses/by/4.0/", "name": "Wavect verified publication claims", "url": "https://wavect.io/verified-claims.json" }, "url": "https://wavect.io/" }, { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "sameAs": [ "https://www.wikidata.org/wiki/Q139796365", "https://www.linkedin.com/in/wsdt", "https://github.com/wsdt" ], "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "sameAs": [ "https://www.wikidata.org/wiki/Q139796367", "https://www.linkedin.com/in/jocr77/", "https://github.com/jo-chris" ], "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/#website", "@type": "WebSite", "inLanguage": [ "en", "de", "es", "zh" ], "name": "Wavect", "potentialAction": { "@type": "SearchAction", "query-input": "required name=search_term_string", "target": { "@type": "EntryPoint", "urlTemplate": "https://wavect.io/search/?q={search_term_string}" } }, "publisher": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "url": "https://wavect.io/" }, { "@id": "https://wavect.io/es/blog/pagelm-self-hosted-ai-study-platform/#webpage", "@type": "WebPage", "dateModified": "2026-08-30", "inLanguage": "es", "isPartOf": { "@id": "https://wavect.io/#website", "@type": "WebSite" }, "lastReviewed": "2026-08-30", "url": "https://wavect.io/es/blog/pagelm-self-hosted-ai-study-platform/" } ] } ``` ```json { "@context": "https://schema.org", "@type": "BlogPosting", "abstract": "PageLM convierte documentos en materiales de estudio y permite autoalojamiento con distintos proveedores de IA. Su código público tiene una licencia propia con restricciones comerciales y de redistribución. Usar Ollama en el chat no mantiene automáticamente embeddings, voz y transcripción en local. Antes de adoptarlo para formación empresarial, aclara permisos, verifica cada flujo y mide exactitud, esfuerzo de revisión y coste operativo. Es una revisión de fuentes, no una prueba práctica.", "articleBody": " Resumen del blog/IA y agentes/Modelos e infraestructura PageLM: autoalojamiento y uso comercial Resumen PageLM convierte documentos en materiales de estudio y permite autoalojamiento con distintos proveedores de IA. Su código público tiene una licencia propia con restricciones comerciales y de redistribución. Usar Ollama en el chat no mantiene automáticamente embeddings, voz y transcripción en local. Antes de adoptarlo para formación empresarial, aclara permisos, verifica cada flujo y mide exactitud, esfuerzo de revisión y coste operativo. Es una revisión de fuentes, no una prueba práctica. PageLM es una plataforma de estudio autoalojable inspirada en NotebookLM. Su atractivo está en el proceso de aprendizaje: convertir un documento en material de repaso sin tener que pedir cada tarea por separado a un chatbot generalista. Para una empresa que evalúa formación interna o un producto educativo de pago, las primeras decisiones son la licencia, el flujo de datos y la responsabilidad operativa. Esta revisión de documentación y código, fechada el 30 de agosto de 2026, cubre la revisión b3b4895. No hemos desplegado PageLM ni medido su rendimiento. Los controles siguientes son criterios de aceptación propuestos, no capacidades que demos por verificadas. ¿Qué puede generar PageLM a partir de documentos? La documentación de funciones de PageLM enumera PDF, DOCX, Markdown y TXT como entradas; apuntes Cornell, tarjetas de estudio, cuestionarios con explicaciones, pódcasts, simulacros de examen, planes de tareas y chat basado en documentos como salidas. Admite GPT, Claude, Gemini, Grok, OpenRouter, MiniMax y modelos locales mediante Ollama. La compatibilidad no implica resultados equivalentes entre proveedores. Para un piloto formativo, conserva un documento aprobado y contrasta los resultados con él. Un cuestionario convincente puede enseñar mal una excepción. Un pódcast puede omitir una advertencia de seguridad. Pide una revisión experta antes de entregar el material al alumnado. ¿PageLM es de código abierto y permite el uso comercial? PageLM publica su código con una licencia propia, no con una licencia estándar de código abierto. La PageLM Community License permite usos personales, educativos no comerciales y de investigación no comercial, sujetos a sus condiciones. El uso comercial exige acuerdos escritos, incluido el reparto de ingresos; la redistribución también está restringida. No presupongas que la formación interna queda exenta porque los empleados no paguen por acceder. La Open Source Definition exige derechos de redistribución y libertad para usar el software en una empresa. Que el repositorio sea público no concede esos derechos por sí solo. Antes de presupuestar una integración, explica a los titulares los usuarios previstos, el alojamiento, los cursos de pago, el acceso de clientes y las modificaciones. Obtén condiciones para ese uso concreto. Es un control de contratación, no asesoramiento jurídico; encarga la revisión del acuerdo a un profesional cualificado. Wavect no puede conceder permisos comerciales de PageLM. ¿Ollama mantiene todos los documentos de PageLM en local? Elegir Ollama para generar texto no demuestra que todo el proceso sea local. El ejemplo de configuración separa generación, embeddings, síntesis de voz y transcripción. Entre los valores predeterminados figuran Gemini, embeddings de OpenAI, voz Edge y transcripción de OpenAI. Ollama tiene campos distintos para el modelo generativo y el de embeddings. Límite que revisarPregunta para el piloto Generación¿Qué endpoint recibe los fragmentos recuperados y la pregunta? Embeddings¿Dónde se transforma el texto en vectores de búsqueda? Audio¿Adónde van los guiones del pódcast y las grabaciones? Operaciones¿Los registros, las copias o la monitorización envían contenido a otro lugar? Empieza con documentos sintéticos. Observa el tráfico saliente al subirlos, conversar, generar cuestionarios y crear audio. Después bloquea el acceso externo y repite los procesos necesarios con los modelos ya descargados. Registra qué deja de funcionar. No prometas pódcasts sin conexión hasta comprobar también la ruta de síntesis de voz. Para información empresarial confidencial, la ubicación es solo un requisito. Define quién puede subir, consultar, exportar y borrar contenido. Nuestra lista de preparación de RAG para producción cubre la evaluación más amplia de recuperación y permisos. Node.js o Docker: ¿qué revisar antes de instalar? PageLM ofrece ambas vías, pero el código revisado presenta discrepancias con la documentación. Comprueba las rutas en la revisión elegida y valida una instalación reproducible en un entorno aislado. Docker: el archivo Compose publica los puertos 5000 y 5173 y monta un directorio de almacenamiento. El comando de producción del README también referencia docker-compose.prod.yml, ausente del inventario raíz revisado. No lo copies como receta de producción verificada. Node.js: el archivo de versión fija 22.16.0, mientras que el README", "articleSection": "Inteligencia artificial", "author": { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "name": "Kevin Riedl", "sameAs": [ "https://www.wikidata.org/wiki/Q139796365", "https://www.linkedin.com/in/wsdt", "https://github.com/wsdt" ], "url": "https://wavect.io/team/kevin-riedl/" }, "citation": [ { "@type": "WebPage", "name": "documentación de funciones de PageLM", "url": "https://github.com/CaviraOSS/PageLM/blob/b3b4895fb3a180088b897705816a5a9786d79a92/README.md" }, { "@type": "WebPage", "name": "PageLM Community License", "url": "https://github.com/CaviraOSS/PageLM/blob/b3b4895fb3a180088b897705816a5a9786d79a92/LICENSE.md" }, { "@type": "WebPage", "name": "Open Source Definition", "url": "https://opensource.org/osd" }, { "@type": "WebPage", "name": "ejemplo de configuración", "url": "https://github.com/CaviraOSS/PageLM/blob/b3b4895fb3a180088b897705816a5a9786d79a92/.env.example" }, { "@type": "WebPage", "name": "archivo Compose", "url": "https://github.com/CaviraOSS/PageLM/blob/b3b4895fb3a180088b897705816a5a9786d79a92/docker-compose.yml" }, { "@type": "WebPage", "name": "inventario raíz revisado", "url": "https://github.com/CaviraOSS/PageLM/tree/b3b4895fb3a180088b897705816a5a9786d79a92" }, { "@type": "WebPage", "name": "archivo de versión", "url": "https://github.com/CaviraOSS/PageLM/blob/b3b4895fb3a180088b897705816a5a9786d79a92/.nvmrc" }, { "@type": "WebPage", "name": "manifiesto raíz", "url": "https://github.com/CaviraOSS/PageLM/blob/b3b4895fb3a180088b897705816a5a9786d79a92/package.json" } ], "dateModified": "2026-08-30", "datePublished": "2026-08-30", "description": "PageLM convierte documentos en materiales de estudio y permite autoalojamiento con distintos proveedores de IA. Su código público tiene una licencia propia con restricciones comerciales y de redistribución. Usar Ollama en el chat no mantiene automáticamente embeddings, voz y transcripción en local. Antes de adoptarlo para formación empresarial, aclara permisos, verifica cada flujo y mide exactitud, esfuerzo de revisión y coste operativo. Es una revisión de fuentes, no una prueba práctica.", "headline": "PageLM: autoalojamiento y uso comercial", "image": "https://wavect.io/img/blog/headers/header_pagelm-self-hosted-ai-study-platform.svg", "inLanguage": "es", "keywords": "Inteligencia artificial, Autoalojamiento", "mainEntityOfPage": { "@id": "https://wavect.io/es/blog/pagelm-self-hosted-ai-study-platform/", "@type": "WebPage" }, "publisher": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "url": "https://wavect.io/es/blog/pagelm-self-hosted-ai-study-platform/", "wordCount": 1594 } ``` ```json { "@context": "https://schema.org", "@type": "BreadcrumbList", "itemListElement": [ { "@type": "ListItem", "item": "https://wavect.io/es/", "name": "Inicio", "position": 1 }, { "@type": "ListItem", "item": "https://wavect.io/es/blog/overview/", "name": "Resumen del blog", "position": 2 }, { "@type": "ListItem", "item": "https://wavect.io/es/blog/topics/ai-agents/", "name": "IA y agentes", "position": 3 }, { "@type": "ListItem", "item": "https://wavect.io/es/blog/clusters/models-infrastructure/", "name": "Modelos e infraestructura", "position": 4 }, { "@type": "ListItem", "item": "https://wavect.io/es/blog/pagelm-self-hosted-ai-study-platform/", "name": "PageLM: autoalojamiento y uso comercial | ", "position": 5 } ] } ```