Sobre mí

Soy Jon Schenker, arquitecto de software. He entregado proyectos en Swift, Java, .NET, Angular, React y Flutter — móvil, web y backend — y quizá por eso nunca me encariñé con ningún lenguaje. Un lenguaje es una herramienta, y la buena herramienta es la que resuelve el problema que tienes delante hoy. Lo que sobrevive a un cambio de stack es la arquitectura: cómo hablan las piezas entre sí, dónde va a doler el sistema cuando crezca, qué se puede posponer y qué no.

Lo que de verdad me mueve es lo que todavía no está terminado. Tecnología nueva, una herramienta lanzada la semana pasada, una idea que nadie ha probado en serio — ahí es donde quiero estar, metiendo mano antes de que exista consenso sobre el tema. Buena parte de lo que se publica aquí nació exactamente así: de la curiosidad por algo que acababa de salir.

En los últimos tres años esa curiosidad tiene dirección fija: IA. Pruebo modelos ejecutándose en local, los comparo con lo que entrega la API de pago, y uso agentes de código en trabajo real — el famoso vibe coding — para descubrir dónde ayudan y dónde estorban. Esa es la diferencia entre tener una opinión sobre la herramienta y tener una medición de ella.

También soy gamer, y eso tiene más que ver con este sitio de lo que parece: la misma tarjeta que corre juegos corre modelos de lenguaje. Más o menos así empezó todo. En vez de dejar la GPU ociosa entre una partida y otra, empecé a cargarle modelos y a medir qué salía. La curiosidad se volvió método, y el método se volvió trabajo.

Este sitio es el registro público de ese trabajo.

Qué vas a encontrar aquí

Posts sobre ejecutar LLM en local: cuánta VRAM consume realmente cada configuración, cuántos tokens por segundo produce cada modelo en cada cuantización, cuándo vale la pena cambiar la API por una GPU propia y cuándo no. Las herramientas alrededor — Ollama, llama.cpp, Aider, LiteLLM, agentes de código — probadas en uso real, no en una demo.

Las comparativas entre modelos y la cobertura de lanzamientos también entran, y con frecuencia: el campo va demasiado rápido como para ignorar lo que salió esta semana. La regla es una sola — lo ejecuto antes de escribir sobre ello. Aquí la noticia viene con prueba, no con nota de prensa.

Lo que no vas a encontrar: un anuncio repetido sin haberlo ejecutado, predicciones sobre el futuro de la IA, tutoriales copiados de la documentación oficial.

Tres reglas que sigo

Todo número viene con su procedencia. Hardware, versión del runtime, método de medición y número de ejecuciones. Un throughput sin esas cuatro cosas no es una medición, es una afirmación — y una afirmación no ayuda a nadie a decidir nada.

Si no se puede reproducir, no lo publico. Comando completo, versión fijada, parámetros explícitos. Si tienes la misma tarjeta, deberías llegar al mismo número. Si no la tienes, deberías poder ajustar la cuenta.

El error también es un resultado. Cuando un modelo decepciona, el post lo dice. Cuando configuré algo mal y perdí dos horas, el post lo cuenta — porque es justo la parte que nadie escribe y que todo el mundo necesita.

Sobre las traducciones

Escribo en portugués. Las versiones en inglés y español las traduce un modelo ejecutándose en mi propio banco, a través del gateway que describen estos posts, y las reviso antes de publicar.

Es deliberado: un sitio sobre ejecutar IA en local que subcontratara su propia traducción sería una contradicción. Cuando un post aparece traducido, dice qué modelo hizo el trabajo.

Qué hago además de escribir aquí

Ayudo a personas y empresas a poner la IA a funcionar dentro del negocio — no como demostración, sino como sistema en producción. En la práctica: elegir el modelo adecuado para el problema (y a veces concluir que no hace falta ningún modelo), decidir qué se ejecuta en local y qué va a una API, montar la infraestructura alrededor — colas, caché, observabilidad, control de costo — y dejar al equipo capaz de operarlo sin depender de mí.

Aquí vale el mismo rigor de los posts: antes de proponer una arquitectura, mido. Una propuesta que empieza con “la IA lo va a resolver” suele terminar cara.

Ese trabajo lo hago a través de Nexttag. Si estás evaluando IA en tu producto o en tu operación y quieres una conversación técnica antes de cualquier propuesta comercial, solo escribe.

Contacto

Si algún número de aquí no coincide con tu medición, quiero saberlo — las correcciones son lo que hace que este sitio valga algo.

Los asuntos serios van por correo, a la dirección de la empresa: contato@nexttag.com.br. Escribe con el problema concreto — qué intentaste, con qué hardware, dónde se rompió — y respondo. La prospección genérica y las “oportunidades imperdibles” no las respondo.