Programación con IA en casa sin arruinarse

Artículo original ↗ Discusión en Hacker News ↗

El creciente uso de asistentes de programación con IA está mostrando una gran diferencia entre configuraciones domésticas baratas y eficientes, y flujos de trabajo que consumen silenciosamente cientos o miles de dólares en tokens de API cada mes. Los comentaristas comparan opciones como suscripciones de precio fijo de $20–$200, APIs por uso ultrabaratas como DeepSeek y costosos rigs de GPU autoalojados, sopesando costes, rendimiento, privacidad y flexibilidad a largo plazo. Muchos sostienen que acotar bien el alcance, usar modelos locales más pequeños y reservar los modelos de frontera solo para trabajo “de cerebro” puede mantener los costes modestos, mientras que otros expresan una inquietud más profunda sobre cómo la IA está remodelando la artesanía del software y las carreras de los desarrolladores.

Costo de programar con IA en casa

  • Muchos dicen que las suscripciones de $20–$100/mes (Claude, Gemini, Cursor, etc.) son suficientes para proyectos personales serios si te mantienes involucrado y revisas el código.
  • Otros informan que se gastan planes de más de $200 e incluso varias suscripciones, especialmente con flujos de trabajo agentivos, automatizaciones o ejecuciones largas sin supervisión.
  • Precios de API frente a suscripciones: los planes de precio fijo están fuertemente subsidiados en relación con las tarifas de lista de las APIs; algunos los llevan al límite, obteniendo de hecho miles de dólares en tokens por unas pocas centenas en cuotas.

DeepSeek e intermediarios

  • DeepSeek V4 Flash/Pro se menciona con frecuencia como “código trampa”: 1–2 órdenes de magnitud más barato que las APIs estadounidenses de frontera para “80–95%” de la calidad en tareas de programación.
  • La API directa de DeepSeek es mucho más barata que la mayoría de los proveedores de OpenRouter; el caché es un gran ahorro de costes, y algunos afirman que el enrutamiento/los encabezados de OpenRouter perjudican las tasas de caché.
  • Algunos prefieren Opencode Go u otros harnesses que agrupan DeepSeek por una tarifa fija; otros sostienen que la API directa sigue siendo más barata.

Cloud frente a autoalojamiento

  • El autoalojamiento se ve principalmente como una apuesta por la privacidad; el hardware (GPU de alta VRAM, DGX Spark, Halo/Stryx, etc.) es caro, y la electricidad no es gratis.
  • Comparaciones energéticas aproximadas: los humanos son eficientes metabólicamente; pero “humano + LLM” puede ahorrar tiempo y, por tanto, el uso total de recursos en algunas visiones.
  • Las GPU antiguas o “gratis” (p. ej., 1080 Ti) pueden ejecutar modelos de tamaño medio de forma barata, pero a menudo no son claramente más baratas que modelos alojados ultrabaratos como DeepSeek Flash.

Modelos locales y capacidad

  • Consenso: todavía no hay nada verdaderamente al nivel de Opus en local; las mejores configuraciones locales alcanzan algo cercano al nivel de Sonnet con rigs caros de varias GPU.
  • Muchos están satisfechos con Qwen 3.x, Gemma 4 y modelos similares de 26–35B en 24–128 GB de RAM para tareas que no son de “vibe coding”, especialmente cuando se usan en prompts ajustados y a nivel de función.

Patrones de uso de tokens

  • El gasto elevado suele venir de:
    • Sesiones largas en “modo plan” y contextos enormes.
    • Muchas herramientas/skills/MCP cargadas en cada turno.
    • Agentes autónomos batallando con tareas mal acotadas, refactorizaciones o ingeniería inversa.
  • El menor gasto se correlaciona con:
    • Sesiones cortas y enfocadas; reinicios frecuentes.
    • Especificaciones claras, tareas más pequeñas y herramientas locales (tests, búsqueda, embeddings) para reducir contexto.
    • Usar modelos más baratos para la programación rutinaria y reservar los modelos premium para análisis/arquitectura.

Impacto emocional y profesional

  • Algunos desarrolladores “de oficio” de larga data expresan duelo y agotamiento: sentirse desplazados por agentes, pérdida del código como arte y miedo a convertirse en simples “cuidadores de máquinas”.
  • Otros argumentan que el péndulo volverá hacia el pensamiento de producto y el diseño centrado en el ser humano; la IA sigue siendo una herramienta, no un reemplazo total.

Privacidad, jurisdicción y alternativas

  • Algunos evitan intermediarios estadounidenses y prefieren proveedores solo de la UE o inferencia local por razones de GDPR/privacidad.
  • Hay escepticismo respecto a que pagar por la nube garantice automáticamente la privacidad.

Perspectiva futura

  • Varios esperan que los modelos ejecutables en casa alcancen el nivel actual de la frontera media en unos pocos años y aconsejan posponer grandes compras de hardware.
  • Otros advierten que los futuros chips/modelos podrían estar bloqueados o condicionados geopolíticamente, haciendo incierta la autonomía local.