Sí, podés correr un modelo MoE de 2 billones de parámetros en una workstation sin GPU dedicada: cargás solo los expertos activos en RAM y streameás el resto desde NVMe bajo demanda. Esta guía explica cómo funciona el offloading de expertos, qué SSD y RAM necesitás, cómo la cuantización 4-bit lo hace viable, latencia real con llama.cpp, y los tradeoffs honestos frente a una API.

Cómo ejecutar modelos de 2 billones de parámetros sin GPU

Explicación para audiencia general de cómo los modelos procesan contextos extremadamente largos: tokenización, atención, recuperación, costo, latencia y degradación de precisión. Tabla verificada de qué modelos ofrecen 1M de contexto en 2026, comparación de precios y guía práctica de cuándo usar un millón de tokens (y cuándo RAG sigue ganando).

Cómo funcionan los modelos con un millón de tokens de contexto (y qué modelos lo entregan en 2026)

DeepSeek notificó el 6 de agosto de 2026 que subirá "significativamente" los precios de su API — sin detallar tarifas nuevas ni fecha efectiva. V4-Flash hoy cuesta USD 0.14 / 0.28 por millón de tokens (input/output), cerca de 20x más barato que Moonshot Kimi K3 ($3/$15). Para founders SaaS LATAM que ruteaban a DeepSeek como arbitraje de costo: la "death zone" se achica. Acá están los escenarios plausibles del precio nuevo, el recálculo de unit economics para un agente de soporte en español, y la checklist operativa para esta semana antes de que llegue el cambio.

DeepSeek sube precios API "significativamente": la era del AI ultra-barato se acaba para founders LATAM

Una investigación de CNBC muestra que los modelos open-weight chinos (Qwen, DeepSeek, GLM, Kimi) ya manejan entre 30% y 46% del tráfico en gateways como OpenRouter — y cuestan entre 30% y 90% menos que los modelos frontera de Anthropic y OpenAI según el tier y el workload. Para SaaS Latam de alto volumen, eso es un arbitraje de costo real pero más modesto de lo que el marketing sugiere: los savings típicos en un split 60/40 commodity/frontier rondan 49-53%. Te dejo la tabla comparativa corregida, el cálculo de ahorro en español con tráfico real, y la checklist operativa para empezar a rutear sin romper calidad.

Artículos sobre DeepSeek

Cómo ejecutar modelos de 2 billones de parámetros sin GPU

Cómo funcionan los modelos con un millón de tokens de contexto (y qué modelos lo entregan en 2026)

DeepSeek sube precios API "significativamente": la era del AI ultra-barato se acaba para founders LATAM

Modelos chinos open-weight ya manejan 30-46% del tráfico de IA — 30-90% más baratos que Anthropic y OpenAI