Cómo hacemos las pruebas
Esta página explica cómo prueba George los servicios que comparamos: cómo se abren las cuentas de prueba, qué anotamos y los límites de cada resultado.
Última actualización:
Qué probamos
Probamos lo que tú mismo harías después de alquilar un servicio: configurarlo, ponerlo a trabajar de verdad, medirlo y anotar lo que falla. Cada resultado indica la fecha, el proveedor, el plan y las versiones con las que se midió.
Nunca describimos una prueba que no se haya hecho. Cuando una página afirma un dato que no hemos medido, nombra la fuente, por ejemplo la página de precios del propio proveedor. También da la fecha en que lo leímos.
Cómo abrimos las cuentas de prueba
George abre cada cuenta de prueba él mismo, como un cliente normal, directamente en el sitio web del propio proveedor. Nunca se registra a través de los botones Visitar ni de ningún otro enlace de nuestro sitio.
Qué anotamos
De cada prueba guardamos un registro con:
- la fecha y la hora de cada ejecución
- el proveedor, el plan y la región del centro de datos
- el sistema operativo y la versión de cada aplicación y modelo
- los ajustes que cambiamos
- los comandos que ejecutamos y su salida sin procesar
Un artículo muestra un recuadro “Cómo lo probamos” solo cuando existe ese registro.
Hasta que un banco de pruebas se ha ejecutado, un artículo se basa en datos publicados y nombra cada fuente con su fecha.
Cómo medimos la velocidad y la memoria
Una sola ejecución puede tener buena o mala suerte, así que cada velocidad que publicamos es la mediana de al menos 3 ejecuciones: el valor central cuando se ordenan los resultados. Registramos el uso de memoria y de procesador durante toda la prueba, en lugar de leerlo una sola vez.
Los límites de cada resultado
Cada resultado indica sus límites, que suelen ser una región, una semana y una versión de cada aplicación o modelo. Un proveedor puede cambiar su hardware, sus precios o su software después de nuestra prueba, así que cada resultado lleva su fecha.
Repetimos cada banco de pruebas una vez al año, y antes si una versión nueva o un cambio en un plan pudiera afectar al resultado.
Capturas de pantalla
Nuestras capturas de pantalla proceden solo de las cuentas de George. Antes de publicar una, la recortamos a lo que importa y quitamos los datos personales, las direcciones IP, las claves y las direcciones de correo electrónico.
Quién hace las pruebas
George hace todas las pruebas. Abre las cuentas, arranca y para los servidores, ejecuta los scripts de prueba y guarda la salida sin procesar. Puedes saber más sobre él en Sobre nosotros.
Cómo usamos las herramientas de IA
Las herramientas de IA nos ayudan con la investigación, la redacción y la verificación de datos. George realiza todas las pruebas y aprueba cada artículo antes de publicarlo.
Nuestros bancos de pruebas
Un banco de pruebas es un conjunto de servidores o servicios de alquiler y las pruebas que ejecutamos en ellos. Varios artículos comparten cada banco, y cada recuadro “Cómo lo probamos” enlaza al banco que usó.
T1 Banco de agentes
Previsto: los resultados aparecerán aquí con sus fechas.
Alquilamos servidores y planes gestionados para agentes de IA, cada uno durante un mes. Cada servidor ejecuta n8n, OpenClaw y Hermes Agent con los mismos cinco flujos de trabajo y tres tareas de agente.
Registramos el uso de memoria y de procesador cada 5 minutos durante 7 días y comprobamos que llegan los webhooks. También escaneamos desde fuera nuestros propios servidores en busca de puertos abiertos, y después probamos una actualización, una reversión y una restauración desde una copia de seguridad.
T2 Banco de modelos en CPU
Previsto: los resultados aparecerán aquí con sus fechas.
Ejecutamos modelos abiertos pequeños en el procesador, sin GPU. Servidores con 8, 16 y 32 GB de memoria ejecutan Ollama con cuatro modelos pequeños, cada uno con dos niveles de cuantización. Medimos los tokens por segundo y el uso de memoria.
T3 Banco de GPU
Previsto: los resultados aparecerán aquí con sus fechas.
Alquilamos GPU con 24, 48 y 80 GB de memoria y ejecutamos el mismo script de benchmark en cada una. Ejecuta modelos de tres tamaños (8B, de 27B a 32B, y 70B o gpt-oss-120b) en dos motores: llama.cpp (u Ollama) y vLLM.
Probamos cada modelo con un usuario y después con ocho usuarios a la vez, y repetimos cada ejecución tres veces.
T4 Banco de ajuste fino
Previsto: los resultados aparecerán aquí con sus fechas.
Hacemos ajuste fino con LoRA y QLoRA usando Unsloth en modelos de 8B, de 27B a 32B y de 70B, todos con el mismo conjunto de datos. Después comparamos las respuestas a 20 prompts de prueba antes y después del entrenamiento.
T5 Banco de chatbots
Previsto: los resultados aparecerán aquí con sus fechas.
Damos a varios servicios de chatbot de documentos los mismos 30 documentos y las mismas 40 preguntas, para poder comparar sus respuestas una junto a otra.
T6 Banco de imagen y video
Previsto: los resultados aparecerán aquí con sus fechas.
Un flujo de trabajo fijo de ComfyUI crea 100 imágenes y algunos clips cortos. Se ejecuta en una GPU de alquiler y en dos servicios de ComfyUI que se usan desde el navegador, uno de ellos facturado por horas.
Dos modelos de video se ejecutan en dos tipos de GPU, y cronometramos un entrenamiento LoRA de Flux. Registramos el pico de memoria de GPU de cada tarea.
T7 Servidor GPU mensual
Previsto: los resultados aparecerán aquí con sus fechas.
Alquilamos un servidor GPU por meses y cronometramos cuánto tarda el pedido en estar listo. Después ejecutamos el mismo script de benchmark que en el banco T3.
T8 Control del gasto
Previsto: los resultados aparecerán aquí con sus fechas.
En las cuentas abiertas para los bancos T1 y T3, configuramos el límite de gasto, la alerta o el saldo prepago de cada proveedor. Después comprobamos si el gasto se detiene de verdad al alcanzar un límite pequeño.
Pruebas que hemos publicado
Todavía no hemos publicado ninguna prueba.