Acceso gratuito a la IA
Sorprendentemente, muchas personas todavía nunca han hablado con una red neuronal ni han ejecutado un único agente de IA: parece caro, complejo o "no es para mí". De hecho, puedes empezar gratis ahora mismo, a menudo sin una tarjeta bancaria ni un ordenador potente. A continuación se muestran formas comprobadas de obtener acceso a la IA: desde niveles gratuitos hasta subvenciones informáticas. Los límites y los términos cambian; los revisamos periódicamente.
Cómo usarla: elige una tarjeta, abre el enlace y regístrate; los límites actuales se enumeran en cada una.
Niveles gratuitos
Funcionan al instante y gratis, normalmente sin tarjeta: regístrate y úsalo. Hay límites (solicitudes por día, tokens por minuto), pero son suficientes para comenzar y para tareas personales.
Gemini 2,5/3 Flash, Gemma 3, multimodal
Llama 3.3 70 mil millones
DeepSeek R1/V3, Llama, Qwen
28-30 modelos gratuitos a través de una clave
GPT-5, GPT-4.1, GPT-4o, o4-mini, Llama
Créditos de prueba
Un saldo inicial en dólares para probar (por ejemplo, $5). Caduca en unos días o semanas: útil para probar un modelo para tu tarea antes de pagar.
Sin tarjeta, registro por SMS
Amplio catálogo de modelos abiertos.
Nuevas cuentas de Google Cloud; gasta en Gemini 3.1 Pro, Imagen, Veo, catálogo completo de Vertex AI
Programas para startups
Grandes subvenciones y créditos informáticos para empresas: desde miles hasta cientos de miles de dólares. Cómo conseguirlo: registra una startup (entidad legal, producto, sitio) y presenta tu solicitud; algunos programas requieren una aceleradora o un inversor.
Para mantenedores de código abierto
A través de acelerador/VC
Basado en aplicaciones
Para estudiantes
Acceso gratuito y créditos con condición de estudiante. Cómo obtenerlo: confirma que eres estudiante: un correo electrónico .edu o verificación a través de GitHub Education y programas universitarios.
Correo electrónico .edu en Norteamérica
Estudiantes verificados
Créditos gratuitos para estudiantes que asisten a eventos del campus de YC 2025-2026; incluye nube de Azure/AWS, GPT/Claude/Grok, voz, búsqueda, vídeo y bases de datos.
Créditos de computación A100 gratuitos con correo electrónico .edu verificado para estudiantes; Activación de 3 a 14 días
IA local: tu propio modelo en tu propio hardware
Los modelos abiertos se pueden ejecutar directamente en su computadora, de forma gratuita, sin Internet, y sus datos no van a ninguna parte. A continuación, sin palabras complicadas, descubriremos de qué es capaz su computadora y seleccionaremos un modelo que puede instalar con un solo comando.
Cómo descubrir su hardware2 minutos y ya conoces tu clase.
Un modelo de IA es un archivo grande que se carga por completo en la memoria de la computadora para poder ejecutarse. Cuanto más inteligente es el modelo, más grande es y más memoria necesita. Una regla simple: el número en el nombre del modelo (por ejemplo, 7B son 7 mil millones de parámetros) es aproximadamente la cantidad de memoria en gigabytes que necesita; en el formato económico Q4 - aproximadamente la mitad (7B ≈ 4-5 GB). El modelo corre más rápido en una tarjeta de video, en su memoria de video (VRAM); si no hay una tarjeta de video potente, se considera que usa RAM normal (RAM): más lenta, pero funciona. Los chips Mac en M1-M4 tienen una memoria común, por lo que manejan bien incluso modelos grandes. Primero averigüe cuánta memoria tiene:
- Mac: Abra el menú Apple (logotipo en la esquina superior izquierda de la pantalla) y seleccione Acerca de este Mac. En la línea "Memoria" estará su capacidad, por ejemplo, "16 GB".
- Windows: Haga clic en `Ctrl+Shift+Esc` juntos, abra la pestaña "Rendimiento" y seleccione "Memoria" a la izquierda. En la parte superior habrá un volumen total, por ejemplo, "16,0 GB".
- Linux: En la terminal, escriba `free -h` y presione Enter. En la línea `Mem` el primer número es la cantidad total de RAM.
- NVIDIA: En la terminal, ingrese `nvidia-smi`; la cantidad de memoria de video estará en la esquina superior derecha de la tabla. O busque en la aplicación GeForce Experience.
- AMD: En Linux - equipo `radeontop`; en Windows - en la aplicación AMD Adrenalin.
- Windows: Haga clic en `Ctrl+Shift+Esc` -> Rendimiento -> GPU. Busque la línea "Memoria gráfica dedicada": funciona para cualquier tarjeta de video.
- Mac (M1-M4): No hay una memoria de video separada: se usa la memoria general de la computadora, y esto es una ventaja: casi toda ella se puede usar para IA.
Tome un modelo cuyo tamaño (en Q4, está escrito en la tarjeta) sea menor que su memoria libre y deje entre 2 y 4 GB de reserva, para el sistema y para la "memoria de diálogo" (contexto). En caso de duda, empieza con un modelo más pequeño: si funciona rápidamente, prueba con uno más grande. A continuación ya hemos dividido los modelos en niveles: seleccione el tamaño de su memoria.
Laptops de nivel básico, básicas MacBook Air M1/M2, PC sin tarjeta de video.
La mejor opción para hardware débil: rápido, buena conversación y sigue instrucciones.
Fuerte en razonamiento y código para su tamaño, permitido para el comercio (MIT).
El más liviano: funcionará en casi todas partes, ideal para tareas y notas simples.
que lanzar
LM Studio - una aplicación con una ventana: descárgala, selecciona un modelo de la lista, haz clic en "descargar" y chatea. La forma más sencilla de empezar es sin la línea de comando.
Ollama - para la línea de comando: un comando `ollama run <модель>` descarga y ejecuta el modelo. Conveniente para desarrolladores e integraciones (tu API a localhost).
Comparación de modelos
A continuación se muestran solo ejemplos de lanzamiento local. Todos los modelos se pueden ver y comparar en el catálogo completo: Todos los modelos → · Comparar modelos →
| Modelo | Galería de tiro | Tamaño (Q4) |
|---|---|---|
| Llama 3.2 3B★ | 8 GB RAM | ~2 GB |
| Phi-4 Mini | 8 GB RAM | ~2.5 GB |
| Gemma 2 2B | 8 GB RAM | ~1.6 GB |
| Llama 3.1 8B★ | 16 GB RAM | ~4.9 GB |
| Qwen2.5 7B | 16 GB RAM | ~4.7 GB |
| Mistral NeMo 12B | 16 GB RAM | ~7 GB |
| Qwen2.5 Coder 32B★ | 32 GB RAM / VRAM | ~20 GB |
| Gemma 2 27B | 32 GB RAM / VRAM | ~16 GB |
| DeepSeek R1 32B | 32 GB RAM / VRAM | ~20 GB |
| Llama 3.3 70B★ | 64 GB+ RAM / VRAM | ~43 GB |
| Qwen2.5 72B | 64 GB+ RAM / VRAM | ~47 GB |
| DeepSeek R1 70B | 64 GB+ RAM / VRAM | ~43 GB |
Preguntas frecuentes
¿Qué es la cuantización y Q4?
La cuantificación comprime el modelo, lo que reduce la precisión de las escalas: el archivo se vuelve varias veces más pequeño y cabe en la memoria. Q4 (4 bits) - equilibrio popular: casi no hay pérdida de calidad, pero ocupa ~la mitad de Q8. Las dimensiones de la guía son para la cuantificación Q4.
RAM o VRAM: ¿cuál es más importante?
En una tarjeta de video (GPU), el modelo funciona más rápido; el volumen VRAM es importante aquí. Sin el potente GPU, el modelo se carga en el RAM normal y se calcula en el procesador (más lento, pero funciona). Apple Silicon tiene una memoria combinada, por lo que Mac puede manejar bien modelos grandes.
¿Se puede utilizar en los negocios?
Ver modelo de licencia. Apache 2.0 y MIT permiten el uso comercial casi sin restricciones. Las licencias Llama y Gemma también están permitidas, pero con condiciones (por ejemplo, un límite en el número de usuarios para Llama). Compruebe siempre el texto de la licencia.
¿Cuánto espacio en disco necesitas?
Cada modelo es un archivo independiente desde ~1.5 GB (ligero) hasta más de 40 GB (grande). Deje suficiente espacio libre para varios modelos. Ollama y LM Studio los guardan en su propia carpeta; los innecesarios se pueden eliminar con un solo comando.