Stack de codificación con IA autoalojado vs. el stack SaaS

El mes pasado, un desarrollador con el que hablaba abrió su factura de Cursor y encontró 80 $. El mes anterior habían sido los mismos 20 $ fijos de siempre. Nada había cambiado en su forma de trabajar; lo que cambió fue la facturación. Muchas personas están viviendo ese momento ahora mismo, y por eso «¿debería autoalojar esto?» dejó de ser una pregunta de aficionado para convertirse en una de presupuesto.

Esto es lo que pasó de verdad. Las tres grandes herramientas de codificación con IA en SaaS (GitHub Copilot, Cursor y Windsurf) pasaron a facturación por uso o por créditos entre mediados de 2025 y mediados de 2026. Al mismo tiempo, modelos de código de pesos abiertos como Qwen2.5-Coder-32B se volvieron lo bastante buenos como para que autoalojar tu propio asistente de código sea ahora una opción real, no un experimento. Por fin merece la pena hacer la comparación con cifras reales.

Esta es esa comparación. Te doy el cálculo real de costes tanto para un dev en solitario como para un equipo que crece, una lectura honesta de dónde aguantan los modelos autoalojados y dónde no, y una recomendación ajustada a tu número de asientos y a tu nivel de calidad. Un aviso por adelantado: para un desarrollador en solitario, el consejo popular de «autoalójalo en una GPU» suele fallar en las cuentas, y te mostraré por qué.

TL;DR

• Si trabajas en solitario, la vía GPU no compensa. Un GPU VPS facturado al mes, a precio de lista, de unos 779 $/mes nunca le gana a un asiento de Copilot Pro de 10 $/mes para una sola persona.
• El stack GPU autoalojado es una jugada de equipo. A single GPU VPS breaks even against Copilot Business (about $19/seat) at roughly 27 seats, and against Cursor Teams (about $40/seat) at roughly 13 seats, at the current $506.35/month GPU price (roughly 41 and 20 seats at the undiscounted $779 list price). Below that, per-seat SaaS is usually cheaper.
• La capacidad se divide según la tarea. Qwen2.5-Coder-32B es fuerte en autocompletado y ediciones cotidianas; los modelos alojados de vanguardia todavía ganan con claridad en el trabajo complejo, multiarchivo y agéntico.
• El autoalojamiento tiene un impuesto de mantenimiento. Actualizaciones de modelos, rarezas de los controladores de GPU, dimensionado del contexto, disponibilidad: unas horas al mes, no un segundo empleo. Inclúyelo en las cuentas antes de cambiar.

Lo que cubre este artículo (y lo que no)

Esta es una comparación de coste y capacidad de un stack concreto y construible frente a las herramientas SaaS que la mayoría de los desarrolladores ya paga. Para que sea útil y honesta:

• Cubre: el cálculo de costes mensuales (solo y equipo), la capacidad de codificación cotidiana y una recomendación ajustada.
• Cubre: un stack autoalojado concreto (Ollama, Continue.dev, Code Server y n8n) en un VPS.
• No cubre: la evaluación comparativa exhaustiva de modelos ni la persecución de rankings.
• No cubre: el fine-tuning ni el uso de estos modelos para trabajo LLM ajeno a la codificación.
• No cubre: la instalación paso a paso. Este es el artículo de «¿debería?», no el de «cómo construirlo».

Qué cambió en los precios de las herramientas de codificación con IA

Cursor fue el primero. El 16 de junio de 2025 reemplazó sus límites por solicitud por precios basados en el uso de la API: obtienes un pool de uso de modelos de vanguardia con tarifas de API, y los meses intensos cuestan más que los tranquilos. El cambio sorprendió a muchos, y Cursor ofreció reembolsos durante un periodo tras el anuncio. Una actualización de junio de 2026 reelaboró aún más los pools de uso, pero mantuvo el modelo por uso.

GitHub Copilot lo siguió en 2026. Según el anuncio de GitHub, el 1 de junio de 2026 las antiguas unidades de solicitud premium se reemplazaron por «GitHub AI Credits» basados en tokens. Los precios de suscripción no cambiaron (Pro a 10 $/mes, Business a 19 $/usuario/mes), pero lo que puedes hacer dentro de ese precio ahora se mide por consumo de tokens, con las completaciones de código aún incluidas sin coste de créditos.

Windsurf hizo la mayor reorganización. En marzo de 2026, reemplazó los antiguos planes de autoservicio tipo crédito por planes por cuota, añadió un nivel Max de 200 $/mes y llevó el nuevo precio Pro a 20 $/mes, manteniendo a los suscriptores Pro y Teams existentes en su precio actual. Desde entonces el editor se ha convertido en Devin Desktop; windsurf.com ahora redirige a devin.ai/desktop. La actual la documentación de facturación de autoservicio describe Teams como 40 $ por asiento de dev completo con un mínimo de 80 $/mes, no como un simple modelo de complemento «80 $ base más 40 $ por asiento».

El hilo conductor: la factura mensual fija que podías prever ha desaparecido en gran parte. Esa previsibilidad es justo lo que el autoalojamiento recupera, y justo lo que hace que esta comparación sea relevante ahora mismo.

El stack SaaS: qué obtienes y cuánto cuesta por asiento

Empieza por lo que compra el dinero, porque compra mucho. En el lado SaaS hay tres editores (GitHub Copilot, Cursor y Devin Desktop, antes Windsurf) que ofrecen cero configuración, una integración estrecha con el IDE y el mejor razonamiento agéntico multiarchivo disponible hoy. Instalas una extensión o descargas un editor y estás trabajando en minutos. Para la mayoría, esa comodidad es justo lo que importa.

Estos son los precios actuales por asiento, sacados de la página de precios de cada herramienta:

El punto de fallo es el contador. En los planes por uso y por créditos, un mes intenso es una factura alta, y a menudo no la ves venir hasta que llega. Peor aún, cuando se agotan tus créditos, varias de estas herramientas te cortan o te empujan a excesos; no hay un respaldo local degradado pero gratis con el que aguantar hasta el siguiente ciclo. Si tus ingresos son irregulares o tu uso se dispara en semanas de crunch, esa variabilidad es un verdadero dolor de cabeza operativo, no un error de redondeo.

Si estás sopesando herramientas concretas entre sí en lugar de la cuestión del autoalojamiento, profundicé en los editores individuales en una comparación aparte de alternativas a Claude Code.

El stack autoalojado: Ollama, Continue.dev, Code Server, n8n

El lado autoalojado son cuatro piezas, y cada una hace un trabajo concreto. Ollama (actualmente v0.31.1) es el motor de inferencia local: ejecuta el modelo de pesos abiertos en tu servidor y expone una API compatible con OpenAI. Continue.dev es el puente, una extensión de VS Code y JetBrains que apunta el autocompletado y el chat de tu editor a tu endpoint de Ollama en lugar de a un proveedor en la nube. Servidor de Código (actualmente v4.127.0) es VS Code ejecutándose en el navegador, alojado en el propio VPS, útil cuando quieres que todo el entorno viva junto al modelo en lugar de en tu portátil. Y n8n es la capa de flujo de trabajo: así conectas automatizaciones agénticas o de varios pasos (ejecutar pruebas, abrir un PR, avisar a un webhook) alrededor del modelo.

La elección de modelo que hace esto creíble es Qwen2.5-Coder-32B, que Ollama presenta como uno de los modelos de código de pesos abiertos más potentes en los benchmarks estándar. Esa es la pieza que cambió las cuentas. Hace un par de años los modelos abiertos no estaban lo bastante cerca como para molestarse; hoy, para el trabajo diario, sí lo están.

Una salvedad que conviene saber antes de comprometerte con Continue: ahora forma parte del ecosistema de Cursor. el propio sitio de Continue confirma la adquisición, y su documentación todavía muestra la configuración de Ollama y modelos locales, pero el rumbo del producto a largo plazo es menos seguro que antes de la adquisición. Trátalo por ahora como un puente práctico, no como la dependencia más segura a largo plazo.

Aquí está lo cómodo para los alérgicos a la configuración: Ollama, Code Server y n8n están disponibles como despliegues de un clic en el el marketplace de Cloudzy, lo que quita de la mesa la objeción de «pasar un fin de semana instalando». Apuntas y despliegas todo el stack en lugar de montarlo a mano. Si quieres el razonamiento de selección detrás de Ollama en concreto, lo comparé con la principal alternativa, LM Studio.

Consejo pro: Qwen2.5-Coder-32B ocupa unos 20 GB en disco, y con cuantización Q4_K_M necesita aproximadamente 20-25 GB de VRAM para funcionar. Cabe en una GPU de 24 GB de VRAM como la RTX 4090, pero justo. Funciona bien con la configuración por defecto y ventanas de contexto de cortas a medias; estira mucho el contexto y puede empezar a hacer swap. Planifica para «cabe con una gestión cuidadosa del contexto», no para «un montón de margen».

La tabla de costes: desarrollador en solitario vs. equipo

For one developer, self-hosting on a GPU is the wrong call on cost. Using Cloudzy's month-to-month list price for a 1x RTX 4090 GPU VPS, the stack runs about $779/month against $10/month for Copilot Pro. The GPU stack only pays off when that fixed cost is shared across a team: at the current price ($506.35/month at the time of writing, billed month-to-month with no annual commitment), it breaks even at roughly 27 Copilot Business seats or 13 Cursor Teams seats. At the undiscounted $779/month list price, the break-even moves out to roughly 41 Copilot Business seats or 20 Cursor Teams seats.

Ahora los números. Las columnas SaaS son totales por asiento; el stack autoalojado es un coste mensual fijo, sin importar cuántas personas lo compartan.

Read the table by where the fixed line crosses the rising one. Against Cursor Teams at $40/seat, the GPU VPS becomes the cheaper option somewhere around 13 developers at the current price (about 20 at list). Against Copilot Business at $19/seat, you need roughly 27 developers at the current price (about 41 at list) before the fixed cost wins. Below those thresholds, per-seat SaaS is simply cheaper, and no amount of "but it's unlimited" changes that.

La historia en solitario es distinta y conviene decirla con claridad. No pones a una sola persona en una GPU de 779 $. Si quieres autoalojarte como individuo, la comparación honesta es un modelo pequeño (7B) en un CPU VPS de unos 29 $/mes frente a un asiento de Copilot Pro de 10 $/mes. Son unos 19 $/mes más, y lo que compras es cero topes de uso, cero sorpresas del contador y tu código sin salir nunca de tu servidor. Que valga esos 19 $ depende por completo de cuánto te cuesta la imprevisibilidad de la facturación en estrés y previsión, no de los dólares en bruto.

Veredicto rápido: el stack GPU autoalojado es una decisión de escala de equipo o multicarga, no una decisión en solitario. Para una persona es seguir en SaaS o correr un modelo pequeño en una máquina CPU barata. Para un equipo, calcula el número de asientos frente a 19 $ y 40 $ antes de tocar una GPU.

Conclusión clave de la sección: todo el argumento económico del stack GPU es repartir un único coste fijo entre muchos asientos. Es una jugada de equipo o multicarga, nunca una compra en solitario.

Comparación de capacidades: dónde aguanta el autoalojado y dónde no

Dale a una instalación autoalojada de Qwen2.5-Coder-32B un día de trabajo corriente (autocompletado, ediciones de un archivo, «escríbeme esta función», explícame-este-código) y te costará distinguirla de un asistente de pago. En lo cotidiano, la diferencia es pequeña. Donde se rompe es en el 20 % difícil: reescrituras multiarchivo, tareas agénticas de largo horizonte y razonamiento complejo sobre un código grande. Ahí, los modelos alojados de vanguardia siguen ganando con claridad, y no por poco.

También hay una dimensión de velocidad que la gente infravalora. Un modelo alojado de vanguardia responde rápido porque corre sobre la enorme flota de inferencia de otro. Tu GPU VPS de 779 $, sobre todo bajo la carga simultánea de un par de compañeros a la vez, puede sentirse más lento para el trabajo interactivo que las respuestas en menos de un segundo a las que estás acostumbrado. Es usable, pero «autoalojado» e «instantáneo» no son lo mismo en cuanto varias personas comparten una sola tarjeta.

Así que el encuadre correcto no es «Ollama reemplaza a Copilot». Es «Ollama iguala a Copilot en las tareas cotidianas y se queda atrás en las complejas». Si tu día es sobre todo tareas cotidianas, es un trato estupendo. Si tu día es sobre todo el 20 % difícil, no lo es.

Cuándo el SaaS sigue ganando

Imagina a un dev en solitario cuyo trabajo es de verdad crítico en calidad (la IA hace cambios de arquitectura multiarchivo, no autocompletado) y que no tiene el menor interés en administrar un servidor. Para esa persona, 20 $/mes por una herramienta de vanguardia es una de las mejores gangas del software, y autoalojar sería un retroceso disfrazado de ahorro. Ahí el SaaS gana de calle, y no es el único caso.

El SaaS es la opción correcta cuando:

• Trabajas en solitario y tu nivel de calidad es el 20 % difícil, no las ediciones cotidianas.
• Your team is under the crossover seat count: below about 13 (vs Cursor Teams) or about 27 (vs Copilot Business) at current pricing, per-seat is cheaper.
• Tus flujos de trabajo dependen de un razonamiento agéntico de primer nivel que los modelos abiertos aún no igualan.
• Nadie en el equipo quiere, ni tiene tiempo para, hacerse cargo de las operaciones.

Ese último punto es el que la gente descarta, así que seamos concretos sobre el impuesto de mantenimiento. Autoalojar un stack de codificación no es un segundo empleo, pero tampoco es gratis. El trabajo recurrente real incluye: bajar y probar nuevas versiones de modelos, resolver las rarezas de los controladores de GPU tras las actualizaciones, ajustar los tamaños de ventana de contexto para no hacer swap de VRAM y mantener la máquina en pie para que tu equipo no se quede bloqueado cuando el modelo se cae. Cuéntalo como unas horas al mes una vez estable, lo cual está bien si alguien se encarga, y un desastre a cámara lenta si nadie lo hace.

Conclusión clave de la sección: autoalojar es una decisión de coste y control que solo compensa pasada cierta escala de equipo, o cuando los requisitos de privacidad y cumplimiento hacen que «nuestro código nunca sale de nuestro servidor» sea innegociable, al margen de las cuentas.

Cómo elegir: un marco de decisión

Ubícate en una fila y prácticamente has terminado. La tabla de costes y el reparto de capacidades de arriba te dan todo para situarte; esto es solo la correspondencia.

• En solitario, sensible al coste, tareas cotidianas: quédate en Copilot Pro, o corre un modelo 7B en un CPU VPS barato si quieres un coste sin tope, privado y predecible. Olvídate de la GPU.
• En solitario, trabajo crítico en calidad: quédate en SaaS. Las herramientas de vanguardia valen la pena y autoalojar es un retroceso para ti.
• Team under about 13 seats: per-seat SaaS is usually cheaper at current GPU pricing. Don't self-host to save money at this size.
• Team about 13 to 27+ seats, or with other GPU workloads, or with privacy and compliance requirements: el stack GPU autoalojado empieza a tener verdadero sentido. Haz el cálculo de asientos y ten en cuenta quién se hace cargo de las operaciones.

Si aterrizas en esa última fila, la pregunta práctica pasa a ser dónde vive la máquina GPU. Correr Qwen2.5-Coder-32B implica una tarjeta con 24 GB de VRAM, y la carga de la puesta en marcha (justo la objeción que mantiene a la gente en SaaS) es lo que vale la pena automatizar. Un GPU VPS con un despliegue de un clic de Ollama, Code Server y n8n pone en marcha todo tu stack sin el fin de semana de montaje, de modo que las operaciones a las que te apuntas son mantenimiento continuo, no una construcción desde cero. Si ese es el camino que llevas, Cloudzy's Ollama VPS te da la GPU de 24 GB de VRAM y el stack de un clic en un solo lugar; los precios y las ubicaciones actuales de GPU están en la página.

Preguntas frecuentes

En resumen

Elige la fila que encaje con tu número de asientos y tu nivel de calidad, y la decisión se toma sola. En solitario y sensible al coste: quédate en Copilot Pro o corre un modelo pequeño en una máquina CPU barata. En solitario y crítico en calidad: quédate en SaaS. Un equipo por encima del tamaño de cruce, o con otras cargas de GPU o requisitos de privacidad, es donde el stack GPU autoalojado por fin se gana su sitio. Los cambios de facturación hicieron que valiera la pena calcular esto; el cálculo, para la mayoría de las personas, sigue apuntando al SaaS, y está bien. Haz tus propias cuentas frente a 19 $ y 40 $ por asiento antes de comprar una GPU.