Un taller pequeño, con criterio y sin prisa

Soy Daniel Tamame, fundador y editor de este proyecto. Estudiante de Ingeniería de Computadores en la URJC con enfoque en arquitectura de sistemas, desarrollo de software e inteligencia artificial. Combina su formación con la restauración de hardware y la optimización de sistemas Linux, probando herramientas de IA local en equipos reales antes de recomendar nada.

La idea nació de una frustración bastante común: casi todo el contenido sobre hardware para IA en español se limita a traducir notas de prensa o a repetir la tabla de especificaciones del fabricante. Cuando vas a montar algo en tu propio equipo, esa información no responde a lo que necesitas saber: cuánta memoria te va a comer el modelo, qué se rompe primero, cuánto ruido hace o si el cuello de botella está donde crees.

Llevo años recuperando ordenadores viejos y exprimiéndolos con distribuciones ligeras de Linux. Ese contacto directo con el hardware, sumado a la formación en arquitectura de sistemas, es lo que me hace desconfiar de las cifras que nadie ha medido en su casa.

Aquí se publica menos, pero con datos. Cada artículo declara qué se ha probado, cómo y con qué límites. Si algo no se ha podido medir, se dice.

Qué cubre el sitio

• IA local: modelos, cuantización, memoria, rendimiento real en equipos de consumo.
• Herramientas de IA: agentes de código, asistentes, transcripción, generación de imagen.
• Hardware: GPU, portátiles y equipos compactos, con la pregunta de si compensan para IA.

Metodología

Esta es la parte que más importa. Una nota sin método es una opinión con números. Estas son las reglas.

Qué se prueba y durante cuánto tiempo

• Software: uso real durante al menos dos semanas en tareas del día a día, no una demo de veinte minutos. Se documentan los flujos que funcionan y los que obligan a buscar una alternativa.
• Hardware: uso continuado durante el mayor tiempo posible. Cuando el equipo es una cesión temporal, se indica y se limita la review a lo que se ha podido comprobar.
• Productos cedidos: se señalan en el artículo. Una cesión no garantiza cobertura, nota ni tono.

Cómo se mide

• Rendimiento de modelos: tokens por segundo, tiempo hasta el primer token y memoria máxima observada.
• Se registran la versión del modelo, la cuantización, el contexto y el hardware exacto.
• Las pruebas se repiten y se publica el rango, no el mejor resultado aislado.
• Las especificaciones del fabricante se citan como tales. Nunca se presentan como medición propia.

Cómo se puntúa

La nota resume el conjunto para el uso descrito, no una media aritmética de apartados. Un producto puede sacar un 7 siendo excelente en una cosa y flojo en otra; el texto explica siempre por qué.

Nota	Significado
9,0 – 10	Excepcional. Lo recomendaría sin reservas para su caso de uso.
8,0 – 8,9	Muy recomendable. Los defectos no cambian la decisión.
7,0 – 7,9	Recomendable con matices. Hay que saber qué se está comprando.
6,0 – 6,9	Correcto. Funciona, pero hay opciones mejores para casi todos.
4,0 – 5,9	No lo recomiendo salvo un caso muy concreto.
0 – 3,9	Evítalo. Los problemas superan a las virtudes.

Qué no se hace

• No se publican benchmarks sin explicar el método y el equipo.
• No se acepta dinero a cambio de una review o de una nota.
• No se venden enlaces ni se publican artículos de terceros con enlaces comerciales.
• No se actualiza un artículo sin dejar constancia de la fecha de revisión.

Correcciones

Si un dato es incorrecto, se corrige y se indica la fecha. Si un producto cambia con una actualización, se revisa el artículo y se explica qué ha cambiado. Los errores no se borran: se enmiendan.

Independencia

El sitio se financia con publicidad display y, cuando corresponde, enlaces de afiliado. Ninguna de las dos cosas decide qué se publica ni con qué nota. Los detalles están en la página de divulgación.

Contacto

Para correcciones, sugerencias o prensa: hola@tallerdeia.com. También puedes leer las condiciones de contacto antes de escribir.