¿Modelos locales de código? La experiencia de quien dejó GPT

Un hilo en Hacker News está sacudiendo el café de los devs: ¿alguien ha migrado completamente de Claude o GPT a un modelo local para su día a día? No hablamos de jugar con Ollama el fin de semana, sino de depender de un modelo que corre en tu máquina para escribir, revisar y refactorizar código real. Los pocos que lo han hecho comparten setups modestos —una RTX 3090, 64 GB de RAM— y reportan velocidades de 20 a 40 tokens por segundo con modelos como CodeLlama 34B o DeepSeek-Coder. La sorpresa: no echan de menos la nube. La latencia desaparece, la privacidad es total y, aunque el rendimiento en tareas complejas aún cojea frente a GPT-4, para el 80% del trabajo diario (autocompletado, tests, debugging simple) les sobra. El truco está en elegir el modelo correcto para cada tarea y aceptar que la inteligencia 'generalista' se pierde. Para un dev que vive en la terminal, tener un asistente local sin filtros de uso ni costos recurrentes suena a libertad. Pero ojo: la configuración inicial no es trivial, y necesitas hardware decente. Aún así, el consenso es que para 2025 esto será mainstream.

¿Qué significa para ti? Si trabajas con código sensible o quieres cortar la dependencia de APIs, este fin de semana podrías instalar Ollama y probar CodeLlama. No necesitas migrar de golpe: úsalo para tareas específicas y compara. Tu setup actual quizá ya corre un modelo útil sin que lo sepas.