Cómo se evalúa un «cupo gratis»
Hay que mirar cuatro cosas. Unidad de medida: por uso (N imágenes o canciones al día), por tokens o caracteres (API y TTS), por créditos (habitual en imagen y vídeo, donde cada operación descuenta distinto) o por minutos (transcripción). Periodo de reinicio: el diario es lo más cómodo, el mensual obliga a planificar y el crédito de una sola vez se agota y se acabó. Recortes de calidad: la capa gratuita suele dar baja resolución, marca de agua, modelos antiguos o colas lentas; en remove.bg y Clipdrop la salida gratis se queda en resolución de vista previa. Condiciones ocultas: tarjeta vinculada (la API de OpenAI exige recargar desde que retiró el cupo gratuito), invitaciones o correo educativo. Lo único «ilimitado y gratis» de verdad es ejecutar modelos abiertos en local, y eso se paga en hardware y electricidad. Para elegir, mira primero la calidad en un ranking, después el precio en Artificial Analysis y por último prueba tu tarea real con la capa gratuita.
Cuentas, registro y límites regionales
Tres ideas suelen confundirse. Alcance: si un sitio abre directamente desde donde estás; algunos servicios bloquean por IP. Registro: aunque sea accesible, el alta suele verificar teléfono o tarjeta, y algunos productos están bloqueados por región. Área de servicio: poder iniciar sesión no garantiza que el servicio funcione; unos pocos limitan funciones por región. Este directorio solo lista servicios que se pueden registrar y usar desde varias regiones; los requisitos de alta y los límites regionales se anotan en la reseña de cada tarjeta, y cuando algo no se puede registrar suele haber una alternativa directamente utilizable en el mismo grupo.
BYOK y el destino de los datos
Al usar un servicio de IA los datos pueden tomar tres caminos. El producto del proveedor (ChatGPT web, app de Claude): el contenido se guarda en el proveedor y suele usarse para entrenamiento por defecto; se puede desactivar en ajustes. Envoltorios de terceros: el contenido pasa por otro servidor antes de llegar al proveedor del modelo, con un riesgo de fuga que casi nunca se declara. Herramientas BYOK (el chat de IA de este sitio, Continue, Aider, Open WebUI con una API en la nube): tu clave, tu petición, directas de tu dispositivo al proveedor sin intermediarios; el historial queda local. Este sitio mantiene las claves en memoria de sesión por defecto y solo escribe en localStorage si marcas «recordar clave». Ejecución local (Ollama, LM Studio, Whisper, ComfyUI, recorte / OCR de este sitio): los datos nunca salen del dispositivo: la única vía sin preocupaciones para contratos, historiales médicos y código sin publicar.
Qué hardware hace falta para ejecutar en local
En modelos de texto se calcula por parámetros: uno de 7–9B cuantizado a 4 bits ocupa unos 5 GB de memoria y corre en un portátil; 14B ronda los 9 GB; 32B necesita unos 20 GB, es decir, GPU dedicada o un Mac con 32 GB o más de memoria unificada; a partir de 70B hablamos de estación de trabajo. Ollama y LM Studio eligen solos la cuantización GGUF y reparten la carga entre CPU y GPU. En imagen: SDXL pide 6–8 GB de VRAM y FLUX va cómodo por encima de 12 GB; los modelos de vídeo suelen pedir 16–24 GB. Para transcribir, whisper.cpp funciona en tiempo real solo con CPU. La memoria unificada de los Mac con chip M hace que su relación precio/rendimiento en inferencia local sea muy buena; en Windows, mejor una tarjeta NVIDIA (el ecosistema CUDA es el más completo).
Cómo leer los rankings
LMArena usa batallas anónimas con voto del público: refleja qué respuesta gusta más y sirve sobre todo para tareas de chat, aunque premia las respuestas largas y bien maquetadas. LiveBench cambia de preguntas cada cierto tiempo para evitar la contaminación del conjunto de entrenamiento. SWE-bench y el ranking de Aider miden programación con tareas reales de código. Artificial Analysis mira a la vez calidad, velocidad y precio, y es la primera parada para elegir proveedor de API. OpenCompass y SuperCLUE cubren tareas en chino. Cualquier ranking se puede optimizar a propósito, así que compara dos o tres y confirma con tus propias tareas.
Agentes, flujos de trabajo y MCP
Pasar de «chatear con un modelo» a «que el modelo haga cosas por mí» exige tres ingredientes: llamadas a herramientas (el modelo puede buscar, leer archivos, llamar API), planificación en varios pasos (decidir el siguiente a partir de los resultados) y estado más memoria. Dify y Flowise lo ensamblan de forma visual; n8n y Zapier hicieron crecer nodos de IA desde la automatización; LangGraph, CrewAI, AutoGen y el OpenAI Agents SDK son frameworks de código. MCP (Model Context Protocol) resuelve la conexión uniforme de herramientas: una herramienta expuesta por un servidor MCP funciona en Claude, Cursor, ChatGPT y cualquier cliente compatible, sin reescribirla por cliente.