Las cuatro razones habituales, una a una
| Razón | Veredicto | Por qué |
|---|---|---|
| Privacidad | En parte cierto | Cierto para la llamada al modelo . No para el sistema entero. |
| Coste | Con un solo usuario, un mito | El umbral de amortización son miles de millones de tokens al año. |
| Sin restricciones | Cierto, pero no gratis | Ni límites ni filtro de contenido, pero tampoco calidad de frontera. |
| Funcionamiento offline | Cierto, y sin matices | El modelo local también funciona en un avión. |
Y la quinta, la que las cuatro habituales se dejan: el modelo no desaparece bajo tus pies.
Esto no es teoría. La página de retiradas de un gran proveedor publica estas fechas para 2026 y 2027:
| Qué desaparece | Fecha |
|---|---|
| Una API de asistentes anterior | 26 de agosto de 2026 |
| Varios modelos con fine-tuning | 23 de octubre de 2026 |
| La interfaz de construcción de agents y la plataforma de evaluación | 30 de noviembre de 2026 |
| La plataforma de fine-tuning autoservicio | 6 de enero de 2027 |
Un fichero de modelo descargado seguirá siendo el mismo en 2027. Es el argumento menos manido a favor del local, y se puede respaldar entero desde fuente primaria. Gestionar una retirada lo desarrolla en detalle el artículo sobre la retirada de tu modelo , con fechas.
El dinero: el precio del token es vatios dividido por velocidad
[Cálculo propio] La fórmula es trivial y, aun así, casi no está escrita en ninguna parte:
Coste eléctrico de generar un millón de tokens:
kWh / 1M tokens = P [vatios] / (3,6 × TPS)
P = consumo medio del equipo mientras genera
TPS = tokens per second, la velocidad medida
La contrasté con una medición independiente hecha con vatímetro de enchufe: a 94 W y 74 tokens por segundo la fórmula da 0,353 kWh por millón de tokens, exactamente lo que reportaba la medición.
La lección utilizable en una frase: el precio del token divide vatios por velocidad. Por eso un modelo pequeño y lento puede salir más caro que uno grande y rápido, que es la conclusión más contraintuitiva y más útil de todo esto.
Ejemplos medidos, para cuatro parejas de hardware y modelo:
| Equipo y modelo | Vatios | Tokens/s | kWh / 1M | En Hungría | A precio medio UE |
|---|---|---|---|---|---|
| Sobremesa potente, modelo grande disperso | 94 | 74 | 0,353 | 0,042 $ | 0,111 $ |
| El mismo, modelo mediano denso | 138 | 21,5 | 1,783 | 0,210 $ | 0,563 $ |
| PC con tarjeta gráfica, modelo diminuto | 154 | 136 | 0,315 | 0,037 $ | 0,099 $ |
| El mismo, modelo de 27.000 millones de parámetros | 283 | 25,4 | 3,095 | 0,365 $ | 0,977 $ |
La electricidad: aquí están las mayores diferencias entre países
Según los datos del segundo semestre de 2025 de la oficina estadística de la Unión, el precio doméstico de la electricidad queda así:
| EUR / kWh | |
|---|---|
| Hungría (el más barato de la UE) | 0,1082 |
| España | 0,2669 |
| Media de la UE | 0,2896 |
| Alemania | 0,3869 |
| Irlanda (el más caro) | 0,4042 |
[Cálculo propio] El precio alemán es 3,58 veces el húngaro, y el español 2,47 veces. Es decir, el mismo equipo con el mismo modelo puede mostrar una diferencia del triple en la factura de la luz según el país. Despliega el que te afecte:
Hungría — la luz doméstica más barata, la industrial entre las más caras
En precio doméstico Hungría es la primera de la UE, con 0,1082 euros por kWh. El argumento de «se lo come la luz» es allí más débil que en ningún otro punto de la Unión: en ejecución local manda la amortización del hardware, no la electricidad.
Hay un giro, eso sí, que la mayoría de comparaciones se deja fuera. En el precio para consumidores industriales ese mismo ranking se invierte: en la banda de 500 a 1.999 MWh anuales Hungría está en 0,2132 euros por kWh, la 23.ª de 27, un 16% por encima de la media europea.
Lo que eso significa en la práctica: para un modelo que corre en un equipo de sobremesa, el precio doméstico húngaro es una ventaja real. Para una máquina en un rack con tarifa de empresa desaparece: allí hay que rehacer el cálculo con el precio industrial, y el umbral de amortización de la ejecución local sube bastante.
España — justo al revés: media tabla en doméstico, cabeza en industrial
En precio doméstico España es la 16.ª más barata de 27, con 0,2669 euros por kWh, alrededor de un 8% por debajo de la media europea, pero dos veces y media el precio húngaro. En un equipo de casa la electricidad es allí una partida real, no un residuo.
Como consumidor industrial, en cambio, España es la cuarta más barata de la Unión, con 0,1324 euros por kWh: un 28% por debajo de la media europea y 0,62 veces el precio industrial húngaro. El mismo equipo y el mismo modelo, con tarifa de empresa, gastan en España dos tercios de lo que gastan en Hungría.
Lo que eso significa en la práctica: si la pregunta es el sobremesa de la oficina, el cálculo español se acerca a la media europea. Si la pregunta es un servidor pequeño o una máquina dedicada con contrato de empresa, España es de los mejores sitios de la Unión para ejecutar en local, justo lo contrario de lo que sugeriría el ranking doméstico.
El umbral de amortización
[Cálculo propio] La fórmula:
precio del hardware / años_de_vida
N_umbral = ──────────────────────────────────────
precio_API − coste_eléctrico_local
(todo por millón de tokens)
Supuestos que hay que escribir, porque sin ellos la cifra no significa nada: proporción 3:1 entre entrada y salida (carga típica de chat y de agent), amortización lineal a cuatro años, el equipo dedicado en exclusiva a IA, y sin contar internet, el espacio ni tu tiempo.
El caso «A»: equipo de 3.500 dólares, electricidad a precio medio UE, 875 dólares de amortización anual:
| Con qué lo comparas | Umbral (millones de tokens/año) | Tanto tiempo funcionando |
|---|---|---|
| Nivel de API más barato (0,45 $) | 2.581 | 133 días/año |
| Gama media (1,50 $) | 630 | 32 días/año |
| Frontera de entrada (2,00 $) | 463 | 24 días/año |
| Frontera media (4,00 $) | 225 | 12 días/año |
El caso «B»: PC de entrada con tarjeta gráfica, 1.658 dólares en total, 415 dólares de amortización anual. Aquí la electricidad húngara, más barata, baja el umbral, porque el coste marginal es menor:
| Con qué lo comparas | Umbral a precio medio UE | Umbral en Hungría |
|---|---|---|
| Nivel de API más barato | 1.206 | 1.012 |
| Gama media | 298 | 284 |
Tres conclusiones:
- Frente al nivel de API más barato, un particular no lo recupera prácticamente nunca. 2.600 millones de tokens al año significan que el equipo genera sin parar un tercio del año. Ni quien trabaja ocho horas diarias con agents llega ahí.
- Frente a la gama media, un usuario intensivo sí lo recupera. De 300 a 630 millones de tokens al año, o sea de 16 a 32 días de funcionamiento continuo, es realista con un agent siempre en marcha.
- Frente al nivel de frontera lo recupera de inmediato, solo que el modelo local no sabe hacer trabajo de frontera.
El tercer punto es la trampa, y conviene decirlo: el volumen al que sale rentable ejecutar en local es justo aquel al que el modelo local ya no da la talla.
Tres casos que el cálculo no ve
1. El hardware ya lo tienes. Si el equipo es de todos modos tu máquina de trabajo, la amortización no es de la IA. Entonces solo cuenta el coste eléctrico marginal, que en Hungría son 0,04 dólares por millón de tokens y en España 0,10, frente a los 0,45 de la API más barata. Entre cuatro y diez veces de diferencia, y es el único montaje en el que ejecutar en local sale claramente más barato.
2. Lo usan varias personas. Con peticiones en paralelo y el software de servicio adecuado, el rendimiento sube un orden de magnitud. En una medición, sobre el mismo hardware y con el mismo modelo: 793 tokens/s bajo carga paralela con el servidor apropiado, frente a 41 tokens/s con un ejecutor pensado para un solo usuario, mientras que con un único usuario los dos son prácticamente iguales (130-180 tokens/s). En un equipo de trabajo, por tanto, el volumen que cada persona tiene que aportar para llegar al umbral se divide entre cuantos lo usen.
3. El reposo, en cambio, juega en tu contra. [Cálculo propio] Un sobremesa de 70 vatios siempre encendido consume 613 kWh al año sin hacer nada: 194 dólares a precio medio UE, 72 dólares en Hungría, 179 dólares en España y 259 dólares en Alemania, cada año. Los equipos bien dimensionados consumen en reposo una fracción de eso (6-9 vatios según el fabricante), y ahí lo mismo son entre 6 y 33 dólares al año.
El consumo en reposo de un sobremesa siempre encendido puede comerse por sí solo todo el ahorro de un usuario medio.
Lo que calla el «es gratis»
Cinco partidas que hay que meter en el cálculo:
1. EL CONSUMO EN REPOSO
613 kWh al año con un equipo de 70 W encendido.
2. EL MODELO SE QUEDA CARGADO
Un ejecutor lo mantiene en memoria 5 minutos por
defecto; otro, hasta 60 minutos.
No es consumo sino RAM - cuenta al dimensionar.
3. LA AMORTIZACIÓN DEL HARDWARE
3.500 dólares / 4 años = 875 dólares al año.
Una suscripción son 240 dólares al año.
4. LOS PRECIOS DEL HARDWARE NO TE FAVORECEN
Por la demanda de memoria de los centros de
datos, el precio de calle de las tarjetas de
gama alta era de dos a dos veces y media el
precio recomendado cuando escribimos esto.
5. TU PROPIO TIEMPO
La configuración, la elección de modelo y la
depuración se miden en horas, y en el cálculo
anterior figuran con CERO.
¿Dónde NO es más privado ejecutar en local?
Esta parte importa porque la mayoría empieza justamente por la privacidad.
Lo que es cierto: los buenos ejecutores solo son accesibles desde el propio equipo por defecto, los modelos están en tu disco y el proveedor no ve tus prompts.
Lo que no se sigue de ahí:
1. El fichero de modelo no es dato, es código. A principios de 2025 se encontraron dos modelos maliciosos en un repositorio popular de modelos. El truco: cambiaron el modo de compresión del formato de fichero y pusieron la parte dañina al principio del fichero, de modo que el verificador de seguridad validaba antes de inspeccionar y el código se ejecutaba antes de que el escáner llegara. La carga útil era una conexión hacia una dirección externa.
2. El cargador de modelos también es software, y tiene fallos. En el procesador del formato de modelo local más extendido se encontraron vulnerabilidades graves en 2024, en 2025 y en 2026, incluidas algunas que podían llevar a ejecución de código y que afectan a todos los ejecutores construidos sobre él.
3. «No vemos tu prompt» no equivale a «no enviamos nada». En uno de los ejecutores más extendidos, la pregunta pública sobre telemetría sigue abierta desde febrero de 2024.
4. El nombre no garantiza nada. En 2026 un mismo producto suele significar dos cosas: un ejecutor local y un servicio en la nube. Solo uno de los dos es local.
El resumen correcto: ejecutar en local hace más privada la llamada al modelo. Un sistema entero, no. Mantener el dato en casa lo cuenta con detalle el post sobre la IA privada , punto por punto.
¿Cuánto peor es?
Según la medición de una firma de análisis, desde enero de 2026 los mejores modelos de pesos abiertos van de media cuatro meses por detrás de la frontera cerrada.
Sin dos matices esa cifra engaña. Uno: pesos abiertos no equivale a ejecutable en un portátil; los modelos abiertos que encabezan la lista están en el orden de los cientos de miles de millones de parámetros. Dos: la brecha depende de la tarea, pequeña en una llamada a herramienta de un solo turno y de un orden de magnitud en una tarea de agent con varios turnos.
A esto se suma que un modelo pequeño con fine-tuning para una tarea estrecha puede ganar a otro cien veces mayor: sobre eso trae mediciones el post sobre la rentabilidad del fine-tuning , con casos. Hay, eso sí, un contraargumento serio. Según un artículo de posición de investigadores, servir modelos de menos de diez mil millones de parámetros en dispositivos de consumo es de 10 a 30 veces más barato —en latencia, en energía y en cómputo— y buena parte de las tareas de agent no requiere un modelo de frontera.
(Es un artículo de posición, no una medición. Pero la idea sirve.)
Lo que conviene llevarse
El argumento más fuerte a favor del local no es el coste ni, en primer lugar, la privacidad, sino que el modelo no desaparece bajo tus pies, y junto a un calendario de retiradas de un proveedor eso es un riesgo concreto y con fecha.
Sobre el coste, tres cifras: el precio del token es vatios dividido por velocidad; el umbral frente al nivel de API más barato son 2.600 millones de tokens al año; y si el hardware ya lo tienes, el coste marginal es la décima parte del de la API.
Por eso la pregunta correcta no es «local o nube», sino qué llamada pones dónde. La llamada masiva, sencilla y con datos sensibles puede ir en local; el trabajo pesado, de varios turnos y crítico en precisión, no. Del hardware habla el artículo sobre el hardware para local LLM , y a los ejecutores los compara la reseña sobre los ejecutores de IA local , uno a uno.