Alojar tu propia IA: guía completa de servidores, GPUs, modelos y costes

Alojar tu propia IA ya no es solo para empresas grandes. Con servidores desde 6 EUR/mes y modelos open-source que rivalizan con GPT-4, cualquier profesional, PYME o centro educativo puede tener su propio ChatGPT privado donde los datos nunca salen de su servidor.

Este artículo te da todo lo que necesitas para decidir: qué servidor, qué GPU, qué modelo, qué software y cuánto va a costar. Con una calculadora interactiva que analiza tu caso (modelo deseado, usuarios, concurrencia, presupuesto) y te recomienda el proveedor y plan exacto.

Por qué alojar tu propia IA

Tres razones principales:

1. Privacidad total

Los datos nunca abandonan tu servidor. No hay términos de servicio que cambien, ni incidentes de terceros. Crítico para: datos de clientes, expedientes legales, información médica, datos de alumnos, propiedad intelectual, secretos comerciales.

2. Coste predecible y decreciente

Con ChatGPT Team a 25 USD/usuario/mes, 20 usuarios cuestan 500 USD/mes (6.000 USD/año). Un servidor Hetzner con Ollama cuesta 49-89 EUR/mes para esos mismos 20 usuarios. El ahorro acumulado es de 4.000-5.500 EUR al año.

3. Control total

Eliges el modelo, la versión, el comportamiento, los límites. Sin censura comercial. Sin cambios sorpresa de API. Sin dependencia de un proveedor que puede subir precios o cambiar condiciones.

Cuándo NO hacer self-hosted

Si solo eres 1-2 usuarios sin datos sensibles, ChatGPT Plus a 20 USD/mes es más simple y los modelos comerciales siguen siendo superiores en muchas tareas. Self-hosted tiene sentido a partir de 3-5 usuarios, o con cualquier número de usuarios si manejas datos regulados.

Calculadora: tu servidor ideal

Selecciona el modelo que quieres ejecutar, tus usuarios y tu presupuesto. La calculadora calcula la VRAM necesaria, el tipo de servidor y te recomienda el mejor proveedor.

Tabla VRAM: qué GPU necesita cada modelo

La VRAM (memoria de la GPU) es el factor limitante. Esta tabla muestra cuánta necesitas según el modelo y la cuantización:

Comparativa de GPUs para LLM

Recomendación práctica: Hetzner GEX44 (RTX 4000 SFF, 20 GB, 184 EUR/mes) es el punto óptimo en Europa para modelos hasta 22B. Para 70B, necesitas GEX130 (RTX 6000 Ada, 48 GB, ~392 EUR/mes) o cloud GPU.

10 proveedores comparados

Hetzner: la referencia europea

Hetzner es el proveedor dominante para self-hosted en Europa. Razones:

Recomendación: AX42 (44 EUR) para modelos 7-8B en CPU. GEX44 (184 EUR) para modelos hasta 22B con GPU. GEX130 (392 EUR) para 70B en Q4.

Contabo: lo más barato

Contabo ofrece los precios más bajos del mercado. El trade-off: hardware menos potente y sin GPU dedicada en planes básicos.

OVH: RGPD nativo

OVH es la mejor opción cuando necesitas garantía legal de datos en territorio francés. Ideal para administración pública, sanidad y educación.

Planes dedicados desde 65 EUR/mes. GPU instances con L4 (24 GB) desde ~250 EUR/mes. L40S y A100 disponibles bajo demanda.

GPU cloud: RunPod, Vast.ai, Lambda

Si no quieres un servidor 24/7, puedes alquilar GPUs por horas:

Cuándo elegir cloud GPU: uso intermitente (menos de 8h/día), prototipado, o necesitas GPU potente (A100/H100) que no puedes conseguir en dedicado.

Cuándo elegir dedicado: uso 24/7, coste predecible, datos en EU.

Stack: Ollama vs vLLM vs llama.cpp

Resumen: empieza con Ollama. Cuando tengas 10+ usuarios o necesites rendimiento, migra a vLLM. Si necesitas imagen + audio + texto, LocalAI.

Interfaces: Open WebUI, Jan, LM Studio

Open WebUI: interfaz web multi-usuario. Login, RAG integrado, gestión de modelos, historial, compartir chats. La mejor opción para equipos. Tutorial de instalación.

Jan: app de escritorio. Descargar, instalar, usar. Sin servidor, sin configuración. Ideal para uso personal en tu Mac/PC.

LM Studio: similar a Jan. Mejor UI, servidor local integrado. Popular entre developers.

LobeChat: alternativa a Open WebUI con soporte multi-proveedor (Ollama + APIs cloud en una interfaz).

Cuantización: Q4 vs Q8 vs FP16

La cuantización reduce el tamaño del modelo comprimiendo los pesos. Menos VRAM, algo menos de calidad:

Recomendación práctica: Q4_K_M para la mayoría. Q5_K_M si puedes. FP16 solo si tienes A100/H100 y necesitas máxima precisión.

Breakeven: cuándo self-hosted supera a cloud

Punto de breakeven: con 3 usuarios self-hosted ya ahorra dinero (si usas CPU inference). Con GPU, el breakeven está en 8-10 usuarios. A partir de 20 usuarios, el ahorro es enorme.

Seguridad y RGPD

Self-hosted no es automáticamente seguro. Necesitas:

• Firewall: solo abrir puertos necesarios (SSH, HTTPS). Nunca exponer Ollama/vLLM directamente a internet.
• Reverse proxy: Caddy o Nginx con TLS. Open WebUI detrás del proxy.
• Autenticación: Open WebUI tiene login integrado. Para APIs, usar API keys o OAuth.
• Cifrado: disco cifrado (LUKS), conexiones TLS, backups cifrados.
• Actualizaciones: sistema operativo, Ollama/vLLM, Open WebUI. Automatizar con unattended-upgrades.
• Acceso remoto: Tailscale o WireGuard. Nunca SSH con password.
• Backups: configuración, modelos, base de datos Open WebUI. Mínimo semanal.

RGPD: con servidor en Alemania (Hetzner, Contabo) o Francia (OVH, Scaleway), los datos están en territorio UE. No necesitas DPA con terceros porque tú eres el responsable. Documenta el tratamiento en tu registro de actividades.

7 errores al montar tu IA

1. Elegir modelo demasiado grande. Un 7B bien configurado supera a un 70B mal cuantizado con poca VRAM. Empieza pequeño.
2. Ignorar la cuantización. Q4_K_M da 90-95% de la calidad con 25% de la VRAM. No uses FP16 si no tienes A100.
3. Exponer Ollama a internet. Puerto 11434 sin autenticación = cualquiera usa tu GPU. Siempre detrás de proxy con auth.
4. No medir el throughput real. Benchmarks teóricos mienten. Prueba con tus prompts reales y mide tokens/segundo.
5. Comprar GPU consumer para producción 24/7. RTX 4090 funciona pero no está diseñada para uso continuo. Servidores dedicados con garantía son mejores.
6. Olvidar los backups. La configuración de Open WebUI, los chats, los modelos custom. Todo puede desaparecer sin backup.
7. No planificar la concurrencia. 10 usuarios simultáneos necesitan más VRAM (KV caché) y benefician de vLLM sobre Ollama.

3 recetas listas para copiar

Receta 1: IA personal por 44 EUR/mes

Hetzner AX42 (44 EUR/mes) + Ollama + Open WebUI + Llama 3.1 8B Q4

Para: 1-3 usuarios. CPU inference a 10-15 tok/s. Instalación en 30 minutos. Tutorial de instalación.

# SSH a tu servidor Hetzner
curl -fsSL https://ollama.com/install.sh | sh
ollama pull llama3.1:8b-instruct-q4_K_M

# Open WebUI con Docker
docker run -d -p 3000:8080 \
  --add-host=host.docker.internal:host-gateway \
  -v open-webui:/app/backend/data \
  --name open-webui --restart always \
  ghcr.io/open-webui/open-webui:main

# Reverse proxy con Caddy (TLS automatico)
# Caddyfile: ia.tudominio.com { reverse_proxy localhost:3000 }

Receta 2: IA de equipo por 184 EUR/mes

Hetzner GEX44 (184 EUR/mes) + Ollama + Open WebUI + Qwen 2.5 14B Q8

Para: 5-15 usuarios. GPU inference a 30-50 tok/s. Modelo potente con GPU dedicada.

Receta 3: IA de empresa por 392 EUR/mes

Hetzner GEX130 (~392 EUR/mes) + vLLM + Open WebUI + Llama 3.1 70B Q4

Para: 15-50+ usuarios. Continuous batching con vLLM. Modelo nivel GPT-4 class. Producción seria.