Un stack de IA autoalojado consiste en hacer que herramientas de código abierto, instaladas en tu propia máquina o en tu propio servidor, se encarguen de ejecutar modelos, enrutar con respaldo, comprimir contenido, construir aplicaciones y ejecutar un agente de programación. Puede ayudarte a reorganizar en qué gastas tus suscripciones, pero no deja la factura en cero: el gasto se convierte en hardware, tiempo de mantenimiento y criterio sobre el uso. A continuación se explica, siguiendo el contenido de un vídeo del canal Fireship, qué tramo cubre cada una de las cinco herramientas.

Abre el extracto de tu tarjeta de este mes y mira las suscripciones, una tras otra: el editor para programar, un plan premium de un modelo de chat, otro plan premium de otro modelo de chat y, por último, una clave de API que registraste hace dos años y en la que no has vuelto a pensar.

Vistas por separado, ninguna parece exagerada. Pero al sumarlas te haces una pregunta: ¿no habrá una parte de todo esto que podría hacer yo mismo?

El vídeo que el canal Fireship publicó el 7 de septiembre de 2026 parte justo de esa idea. El presentador empezó por hacer sus cuentas: Cursor a 20 dólares al mes, y Claude Max, GPT Pro y Gemini Ultra a 100 dólares cada uno, para un total de 320 dólares, que es el origen del "$320/mo" del título. Son gastos personales que él mismo declara; no representan lo que paga un usuario promedio. Mencionó además un servicio que la transcripción escribe como "11 Labs" (probablemente ElevenLabs; la ortografía, fruto del reconocimiento de voz, está pendiente de verificar), DeepSeek y un puñado de claves de API olvidadas, sin dar cifras. Después presentó cinco herramientas de código abierto que, según él, se pueden autoalojar.

Este artículo no es un resumen del vídeo. Coloca las cinco herramientas en una misma línea para ver qué tramo vigila cada una y bajo qué condiciones la factura realmente se reduce.

¿Qué es Ollama? El primer tramo del stack: ejecutar el modelo en tu equipo

Según el presentador, cualquier stack de IA necesita primero un modelo. Describe Ollama como una especie de "Docker para los modelos de lenguaje": ofrece una interfaz de línea de comandos y una API para descargar y ejecutar modelos en tu propia máquina, y resulta especialmente cómodo para probar distintos modelos de pesos abiertos.

Destaca dos ventajas: el contenido de tus prompts no sale de tu equipo y la inferencia en sí no se cobra por uso. (Aclaración de este artículo: esto vale solo para la inferencia puramente local; en cuanto reenvías a un modelo en la nube mediante un sistema de respaldo por niveles, el contenido llega a ese proveedor.) Él mismo señala también el límite: el hardware de la mayoría de la gente no puede con modelos cercanos a lo más avanzado; los modelos pequeños corren casi en cualquier parte, pero uno de escala puntera exige un equipo casi equivalente a un pequeño centro de datos.

Dicho de otro modo, este primer tramo resuelve la privacidad y el costo por consulta, pero traslada el problema a la barrera del hardware.

¿Qué hace Nine Router? El segundo tramo: una sola entrada con niveles de respaldo para todos los modelos

Si en local no cabe un modelo grande, hace falta una forma de alternar entre el modelo local y los de la nube. La transcripción llama a esta herramienta Nine Router (como la transcripción es producto del reconocimiento de voz, su nombre correcto aún debe confirmarse en la página oficial del proyecto).

Según la descripción del presentador, se coloca entre tus herramientas de IA y varios proveedores de modelos, y ofrece un endpoint local y un proxy compatible con OpenAI: basta con apuntar todas tus herramientas a localhost para no tener que gestionar varias claves por separado. Lo que más valora es el respaldo por niveles. Como ejemplo, dice que el primer nivel podría ser una suscripción que ya pagas (por ejemplo, Claude Max), el segundo un modelo de OpenAI de pago por uso y más barato como reserva, y el tercero fuentes gratuitas, como modelos chinos y créditos de prueba de Vertex. Cuando se agota un nivel, se pasa automáticamente al siguiente. El presentador añade que registra el uso y comprime la salida de las herramientas para gastar menos tokens, aunque el vídeo no da ningún porcentaje concreto de ahorro.

¿Qué es Headroom? El tercer tramo: adelgazar el contenido antes de enviarlo

Si ya consumes muchos tokens al día (el presentador habla de órdenes de "miles de millones diarios"), recomienda una herramienta que la transcripción llama Headroom (nombre por verificar) y que presenta como una "capa de compresión de contexto" para agentes de IA. Se sitúa entre tu aplicación y el proveedor del modelo y comprime las salidas de herramientas, los logs y otros contenidos extensos antes de que entren al modelo, porque lo que entra se cuenta como tokens de entrada facturables.

El presentador subraya un detalle de diseño: la compresión es reversible. El contenido original se guarda en caché en local y el modelo puede recuperarlo si lo necesita. Para ilustrar cuando un agente lee demasiado contenido inútil usó una broma muy exagerada; es un chiste, no un dato, y este artículo no lo cita.

¿Qué hacen Dify y OpenHands? De la infraestructura a la aplicación

Las tres primeras son infraestructura. Lo que sigue es lo que el presentador propone construir con ellas.

Dify (la transcripción lo escribe en varios puntos como Diffy; nombre por verificar) es una herramienta de construcción visual: arrastras nodos en un lienzo en lugar de meter toda la lógica dentro del prompt. El presentador explica el flujo: la aplicación envía datos, el flujo de trabajo visual recupera de una base de datos los elementos que cumplen una condición y luego un modelo de lenguaje interpreta el resultado; al final, todo el flujo se expone como una API y el frontend solo tiene que llamarla. La aplicación de demostración del vídeo es un proyecto de broma inventado y no tiene relación con ningún producto real.

La herramienta que la transcripción llama OpenHands (nombre por verificar) es, según el presentador, un agente de programación autónomo de código abierto. Afirma que ocupa los primeros puestos en SWE-bench verified (una evaluación basada en issues reales de GitHub); es una afirmación suya, no verificada de forma independiente. Se usa redactando la tarea como un issue de GitHub y dejando que la procese en segundo plano; como corre en tu propio servidor, puede conectarse a modelos de OpenAI o Anthropic, o a los modelos locales que ya instalaste con Ollama.

Tras el autoalojamiento, ¿desaparecen las suscripciones? Solo cambian de sitio

Con las cinco herramientas encadenadas el cuadro luce muy bien: Ollama aporta el modelo local, Nine Router gestiona la entrada y el respaldo, Headroom comprime la entrada, Dify construye la aplicación y OpenHands se ocupa del desarrollo.

Pero el título del vídeo habla de "reemplazar", y la lógica de la factura es esta: esos 320 dólares no se eliminan, se descomponen y se reparten entre distintos tipos de costo.

El primero es el hardware o el servidor: el propio presentador reconoce que el equipo de la mayoría no aguanta modelos punteros, y en su ejemplo de respaldo por niveles figuran como opciones tanto las suscripciones existentes como los modelos de pago por uso en la nube. Lo que sigue, el segundo y el tercer tipo, es inferencia de este artículo y no lo dice el presentador: el segundo es el tiempo de mantenimiento, porque las cinco herramientas hay que instalarlas, conectarlas y actualizarlas, y si algo falla te toca resolverlo a ti. El tercero es el costo de criterio: qué uso va a qué nivel y cuánto consume cada nivel sigue dependiendo de que tú lo decidas e interpretes (el presentador menciona que Nine Router registra el uso, pero el vídeo no explica cómo interpretarlo).

Conviene añadir una nota aparte: todas las afirmaciones del vídeo sobre resultados y ahorro, incluida la valoración del presentador de que es "más barato y más productivo", son su experiencia personal, y el vídeo no ofrece datos comparables de antes y después. Por eso la lectura correcta no es "de 320 dólares a 0", sino "existe un conjunto de herramientas que te da la posibilidad de reorganizar en qué gastas".

Además, el vídeo incluye patrocinio de Hostinger, y el presentador menciona que se puede usar su VPS para desplegar estos proyectos. Este artículo no recomienda ese servicio ni reproduce ningún código de descuento; el lugar del autoalojamiento puede ser tu propia máquina, un servidor en la nube o un servidor interno de la empresa, y la elección depende de cada persona.

Volver al extracto de la tarjeta

Al mirar de nuevo el extracto del principio, lo que conviene cambiar no es necesariamente el número de suscripciones, sino que puedas responder tres preguntas: ¿qué usos exigen sí o sí un modelo de vanguardia?, ¿cuáles se resuelven con un modelo local pequeño? y ¿cuánto se consume realmente en cada nivel?

(Este párrafo es una recomendación de este artículo, no del presentador.) Si sabes responder las tres, un stack autoalojado es una opción que vale la pena probar; si no, ver con claridad tu uso importa más que instalar cinco herramientas. La próxima vez que llegue el extracto, lo ideal es ver un resultado que tú mismo organizaste, y no una cifra acumulada de forma pasiva.

Preguntas frecuentes (FAQ)

P1: ¿Estas cinco herramientas realmente pueden reemplazar las suscripciones mensuales de IA?

El presentador afirma que canceló sus propias suscripciones y pasó a usar este conjunto autoalojado, pero es su testimonio personal y el vídeo no ofrece una comparación de costos verificable. Además, su ejemplo de respaldo por niveles incluye como niveles utilizables tanto las suscripciones existentes (por ejemplo, Claude Max) como los modelos de pago por uso, así que la lectura más prudente es una redistribución del gasto, no una reducción total a cero.

P2: ¿Qué tamaño de modelo se puede ejecutar en local con Ollama?

El presentador dice que los modelos pequeños corren en casi cualquier máquina, pero que los modelos cercanos al nivel puntero requieren un hardware equivalente a un pequeño centro de datos. El vídeo no especifica cuánta memoria o qué tarjeta gráfica hacen falta; evalúalo según los requisitos oficiales del modelo que quieras ejecutar.

P3: ¿Nine Router es el nombre oficial de esa herramienta?

No necesariamente. La fuente de este artículo es una transcripción generada por reconocimiento de voz, y llamarla Nine Router puede contener errores de ortografía. Antes de usarla, búscala en fuentes oficiales con su descripción funcional (proxy local compatible con OpenAI, respaldo por niveles, seguimiento de uso).

P4: Si Headroom comprime el contenido, ¿el modelo podría pasar por alto información importante?

El presentador explica que la compresión es reversible: el contenido original se guarda en caché en local y el modelo puede recuperarlo cuando lo necesite. El vídeo no aporta datos sobre el efecto real ni sobre el margen de ahorro; conviene probarlo con tu propia carga de trabajo.

P5: ¿Hay que usar también Hostinger, el que aparece en el vídeo?

No. Hostinger es el patrocinador del vídeo y el presentador lo usó como ejemplo de dónde desplegar. Este artículo no lo recomienda ni reproduce sus ofertas. Puedes elegir cualquier entorno de alojamiento en el que confíes.

Declaración de fuentes

Los hechos centrales de este artículo proceden del vídeo "5 open source tools that replaced my $320/mo AI stack..." (https://www.youtube.com/watch?v=Y5rSSvXfL4g), publicado el 7 de septiembre de 2026 por el canal Fireship (The Code Report). El vídeo está en inglés; este texto se reorganizó a partir del sentido y no es una traducción literal. La transcripción es producto del reconocimiento de voz, por lo que los nombres de las herramientas y algunos términos pueden contener errores, y se ha señalado en el texto lo que está pendiente de verificar. Las cifras de gasto mensual, las funciones de las herramientas y el desempeño en SWE-bench son afirmaciones del presentador y no se han verificado de forma independiente. El vídeo incluye patrocinio de Hostinger. Las bromas y exageraciones del vídeo (por ejemplo, las referencias a la venta de licores, al consumo de agua de piscinas y a la aplicación inventada de emparejamiento) no se citan como hechos. Este artículo no añade precios, rendimientos ni porcentajes de ahorro que el vídeo no mencione.

Para seguir leyendo

Artículos relacionados publicados en aitoken.com.tw:

AI Token 真實成本是多少？為什麼你的 AI 訂閱費感覺特別便宜 (cuál es el costo real de un AI Token y por qué tu suscripción parece tan barata)

AI Coding 的 Token 成本怎麼降？5 個實測有效的省錢技巧（以 Claude Fable 5 為例） (cómo reducir el costo en tokens de la programación con IA: 5 técnicas de ahorro probadas)

AI Token 為什麼這麼貴？從「自迴歸」運作原理拆解 Coding Agent 燒錢的真相 (por qué los tokens de IA resultan tan caros, desde el funcionamiento autorregresivo de los agentes de programación)

軟體為什麼開始「按 Token 計價」？AI Agent 時代的採購邏輯與成本治理 (por qué el software empieza a cobrar por token y qué implica para la lógica de compra y la gobernanza de costos)

Para ver primero qué modelos hay disponibles

Si piensas conectar varios modelos en un mismo conjunto de herramientas, puedes empezar consultando en AI Token King la lista de modelos disponibles en tu cuenta y la información de precios de cada uno, y luego decidir qué tareas van a la nube y cuáles se quedan en local.