¡CREA AGENTES de IA en LOCAL! - 100% Offline con DeepSeek y LM Studio

Publicado em

Vídeo em Espanhol, publicado pelo canal IA Next.

Sobre este contenido: El resumen, los puntos principales y los temas que aparecen a continuación se generan automáticamente a partir de la transcripción del vídeo. Reflejan el contenido, las opiniones, afirmaciones y predicciones presentadas en el vídeo y no representan una posición, validación o verificación de hechos por parte de IA Dots.

Resumen del vídeo

El video explica el procedimiento para ejecutar modelos de inteligencia artificial locales en modo agente utilizando LM Studio conectado a Dixi Harness, incluso sin conexión a internet, permitiendo que modelos pequeños realicen tareas automatizadas en la computadora.

Puntos principales

  • Se describe cómo utilizar un modelo de inteligencia artificial local con un arnés llamado Dixi Harness.
  • Se muestra el proceso de conexión entre LM Studio y Dixi Harness usando una API personalizada, operando incluso sin internet.
  • Se demuestra la capacidad de los modelos locales con menor capacidad de parámetros para crear y modificar archivos locales, como generar una calculadora en HTML.
  • Se comparan los resultados obtenidos al crear aplicaciones sencillas mediante diferentes modelos locales como Bonsai y Nemotron.

Temas

inteligencia artificial localagentes de IALM StudioDixi Harnessmodelos de lenguajeautomatización localprogramación con IA

Qué aprenderás

  • Es posible conectar LM Studio como proveedor de API local en Dixi Harness para utilizar modelos de lenguaje sin conexión a internet.
  • Los modelos locales de IA pequeños (de aproximadamente 4 a 8 GB) pueden realizar tareas como crear, editar y revisar archivos en el ordenador.
  • Dixi Harness permite configurar y utilizar diferentes modelos personalizados mediante una API abierta en comparación con otras plataformas cerradas.
  • La asignación adecuada de la cantidad de tokens de contexto en LM Studio es fundamental para que el modelo funcione correctamente sin quedarse sin memoria.

Preguntas y respuestas

¿Qué se necesita para conectar un modelo local a Dixi Harness?

Se requiere tener instalado LM Studio con un modelo previamente descargado, configurar el servidor de modelos en LM Studio y añadir un proveedor de modelo personalizado en la sección de configuración de Dixi Harness utilizando la URL base y el protocolo adecuados.

¿Es necesario tener conexión a internet para usar Dixi Harness con LM Studio?

No, el video demuestra que es posible realizar todo el proceso y ejecutar los modelos de forma local sin conexión a internet, utilizando LM Studio como proveedor de API.

¿Qué tipos de tareas pueden realizar estos modelos locales en modo agente?

Los modelos pueden interactuar con el sistema operativo de forma manual limitada, como crear, revisar y eliminar archivos, así como generar código para aplicaciones sencillas como calculadoras o herramientas de finanzas personales.

Transcripción del vídeo

Texto de los subtítulos disponibles; puede contener errores.

Hace unos días subí aquí al canal de YouTube un vídeo donde explicaba cómo poder utilizar en local un nuevo modelo de inteligencia artificial llamado Flin. Es un modelo muy potente, muy capaz, pero que viene con una estrategia muy interesante y es solamente activar una parte del modelo para poderse ejecutar en sistemas no tan potentes como por ejemplo una gráfica limitada de más o menos 8 GB o 12 GB lo va a andar bastante bien. En ese vídeo también dije que este modelo se puede correr en modo agente con un Arnes y eso es lo que he estado probando y les voy a mostrar acá en este vídeo cómo se hace. En este caso, ¿cuál es la forma de hacerlo? Lo primero ejecutar el modelo a través de LM Studio, es decir, tenemos que tener el modelo ya previamente descargado en LM Studio. Una vez descargado en LM Studio lo vamos a conectar a un Arnes. En este caso vamos a utilizar el Arnes de Dixit. ¿Por qué utilizar el Arnes de Dixit y por qué no por ejemplo poderlo conectar a un Arnes como el de Antigravity o el de Codes y eso? Porque Antigravity y los demás que son las empresas de occidente, Codes, eh Cloud Codes pues vienen cerrados en cuanto a la posibilidad de conectarle, digamos así, agentes externos. Y la ventaja de Dixit es que nos permite conectarle APIs externas, es decir, va a funcionar casi que con cualquier tipo de API para conectar modelos como por ejemplo los de Google, los de Antropio, los de Open AI, los de los de Kimi, los mismos de Dixit, en fin, muchos muchos modelos podemos conectar ahí. Pero adicional nos permite conectar proveedores locales. Es decir, vamos a conectar LM Studio como proveedor de API directamente en Dixit y de esta manera poder utilizar los modelos que nosotros tengamos descargados en LM Studio directamente en Dixit Arnes. Esto nos permite evidentemente darle muchísimas más herramientas a estos modelos para poder operar. Evidentemente no estamos hablando de modelos de gran capacidad, simplemente de modelos de capacidad limitada, pero que pueden crear archivos en nuestro computador, pueden revisar archivos que nosotros ya tengamos, pueden eliminar incluso archivos y hacer modificaciones en ellos. Esto nos da la posibilidad de jugar un poco con este tema. Así que bueno, vamos a pasar a la pantalla, les voy a mostrar, digamos así, los resultados que yo había obtenido con estos ejercicios. Vamos a hacer un ejercicio también acá y les voy a enseñar sobre todo cómo se conecta, cómo se hace todo este tema. Así que bueno, bienvenidos, pasemos a la pantalla, no olviden suscribirse al canal, darle un like a este video y desde luego déjame un comentario. Para hacer esto, lo primero que vamos a tener que hacer es, bueno, instalar Arnes. Ya como ustedes en el video anterior, pues yo ya tengo el LM Studio y ya tengo algunos modelos descargados. Entonces, en este video no voy a enseñar cómo se instala LM Studio ni nada, eso yo ya tengo en el canal contenido de eso. Y además, esto pues les estoy es contando cómo podemos utilizar un modelo en local utilizándolo con un Arnes como por ejemplo Dixi. Eso pues que ya les expliqué, ¿no? Eh y aquí lo que vamos a hacer es que nos vamos a ir a un navegador cualquiera y pues vamos a entrar a esta dirección. Eh dixi.com eh slash pues Arnes, o sea, el Arnes. Ahí les dejo en la dirección, aquí en la descripción les voy a dejar esto. ¿Qué tenemos que hacer aquí? Vamos a descargarnos, aquí lo único que tenemos que hacer es descargarnos el instalador que es este. Este es este instalador lo vamos a descargar y lo vamos a instalar como cualquier otro programa, no les voy a explicar cómo se instala algo tan sencillo como esto. Una cuestión de adelante y adelante y adelante y ya está, no es nada más. Ahora, después de eso nos vamos a ir a, bueno, ya podemos cerrar eso después de que lo hayan descargado. Digamos aquí yo lo tengo, Dixi Arnes. Y lo tengo acá. De hecho, esto funciona incluso sin conexión a internet. Por ejemplo, voy a desconectarme de internet y todo lo que van a ver ustedes a partir de ahora que vamos a estar realizando, lo voy a estar realizando sin conexión a internet, porque es algo interesante, digamos, no necesitamos, vean acá que acabo de desconectarme de internet y ven que dice que aparece desconectado. Entonces, como ya lo tengo desconectado y todo esto, o sea, significa que yo no voy a estar consumiendo una API de afuera, sino va a ser una API local. Para eso, lo otro que voy a hacer es abrir LM Studio para mostrarles cómo se hace todo este proceso. ¿Por qué? Porque vamos a necesitar conectar lo que es LM Studio como proveedor de la API y por un lado, digamos por un lado, LM Studio va a proveer de la API, es decir, LM Studio se va a encargar de correr el modelo como tal y a través de la API servírselo, por así decirlo, servírselo a lo que es esto de Dixi a través de la API. Esto no le paren bolas, aquí por ejemplo yo podría conectar una nueva conversación y todo esto, pero aquí no vamos a seleccionar una nueva conversación ni vamos a trabajar acá. Nos vamos a venir aquí donde dice Model Server, o sea, servidores así. Y se van a asegurar aquí pues que obviamente que esté corriendo y acá pues que esté aquí en verde, eso es lo primero. Lo segundo, desde aquí van a encontrar unos datos que sería como los datos de conexión y demás, todo esto de del puerto, todo esto de los datos que vamos a estar necesitando. Y sobre todo pues la dirección aquí que les va a estar por aquí que yo estoy ahí medio ocultando, pero que es los datos que vamos a estar necesitando. Y esos son los datos que, digamos, esos son los datos que vamos a necesitar o que vamos a ocupar para lo que es ya directamente el poderla conectar. Ahora, como ya tenemos aquí esto, podemos copiar desde acá directamente. Esto no es tan del otro mundo y nos vamos a venir directamente a lo que es Dixi. En Dixi nos vamos a venir aquí en la parte de abajo, aunque diga desconectado, no pasa nada. Vamos a venirnos aquí donde dice Settings. Aquí en Settings, bueno, vamos a venir aquí lo que es la cuenta como tal, bueno, eso no no nos interesa, nos vamos a ir aquí a donde dice Models. Y ven que yo aquí ya tengo LM Studio, aquí simplemente lo voy a eliminar para volver a conectarlo y que ustedes se den cuenta bien cómo se hace, entonces lo voy a eliminar, simplemente delete. Y entonces acá ¿qué debo hacer yo? Acá simplemente un add model proveedor, o sea, un proveedor de un modelos como tal. Y aquí tendríamos la opción para conectar una API. La diferencia con este Arnet de Dixi es que está totalmente abierto y le podemos conectar el modelo que nosotros querramos, literalmente. a diferencia, como ya lo decía, de Antigravity y los otros como Codex o los de Antropic que son cerrados, pues aquí esto está, vea, básicamente a través de la API le podemos conectar desde Grok, Google, Antropic, eh Dixit, el mismo Dixit, eh Minimax, eh bueno, los de Xiaomi, todo eso está ahí. Así que por ese problema, digamos que por eso no hay ningún problema. ¿Qué podemos hacer entonces y qué lo pero en este caso pues como nosotros no vamos a estarnos conectando a una API eh en la nube, sino va a ser local, vamos a venirnos aquí donde dice Custom Model API. Y acá lo que vamos a decirle aquí es, vea, acá nos pide algunos datos, ¿no? El primer dato que nos va a pedir es el proveedor ID. Y ese proveedor ID debe ser LM Studio, como tal. En Display Name, que es como el la el digamos como nosotros lo vamos a ver, simplemente le vamos a colocar, por ejemplo, LM Studio. Aquí sí hay hay libertad para colocarle el que ustedes quieran. Aquí base de la URL, URL base, pues le vamos a colocar la URL que ya habíamos copiado. Aquí le vamos a colocar la URL que ya habíamos copiado y al final de todo eso le deben colocar un slash B1. Aquí van a colocar cuál es el protocolo, API Protocol, entonces aquí ya está. Y aquí API Protocol le van simplemente a a colocar este que sería aquí, digamos el que ya está ahí, API Chat, API, perdón, Open AI Chat Complete, Completion, algo así, ¿no? Entonces esta es la que está completa. Ahí le van a colocar esa. Aquí en API Key le van a colocar simplemente LM raya Studio. Y aquí vamos a cargar entonces los modelos que nosotros vamos a tener. Y aquí tendríamos que colocarlo de manera manual, pero pues no aguanta. Eh podemos darle click aquí y automáticamente va a saber cuáles son los modelos que yo tengo ya directamente en LM Studio. ¿Cuáles son esos modelos que yo tengo? Pues eh mi librería, aquí yo tengo estos modelos descargados, que son modelos de lenguaje como tal. Esos modelos yo ya los tengo ahí descargados. Entonces, son los mismos modelos que me aparecen acá. Entonces, yo voy a dejar todos aquí marcados, digamos, para poder simplemente utilizar cualquier cualquiera de ellos. Voy a dejarlos axel seleccionar seleccionar todos y con esto, pues, ya tengo ahí. Y listo, ya tú podemos tener nuestra conexión que dice aquí LM Studio. Ya con esto tenemos, entonces, nuestra conexión lista. Lo único que tenemos que hacer ahora, por ejemplo, desde aquí yo voy a poder seleccionar, entonces, desde acá, ¿ven que yo puedo seleccionar? Como yo estoy desconectado a internet, que la he desconectado, entonces, desde acá yo puedo seleccionar cuál es el modelo que yo voy a estar utilizando. Por ejemplo, aquí sería para agregar archivos y eso, pero aquí yo voy a seleccionar cuál es el modelo que yo voy a estar seleccionando utilizando, ¿no? Por ejemplo, si yo tengo conexión a internet, me va a aparecer Dicsi como tal, porque Dicsi tiene planes totalmente gratis que lo podemos utilizar aquí. Pero como yo no la tengo, pues, entonces, vamos a estar utilizando locales. Entonces, eso es lo que yo les quiero mostrar. Aquí, Prisma, por ejemplo, aquí vamos a poder seleccionar cuál de todos los modelos que yo tengo, digámoslo así, eh descargados. Ven aquí que aparecen los modelos Dicsi que podríamos seleccionar cualquiera de ellos. O, evidentemente, podemos esto seleccionar los modelos, por ejemplo, un modelo Bonsai, por ejemplo, que es un modelo eh bastante rápido de 27 billones de parámetros y que yo los tengo descargados. Pero, por ejemplo, si yo le voy a preguntar aquí, "Hola." Hola, pero aquí hay un pequeño inconveniente y es que yo no lo he arrancado directamente desde aquí. Ah, y aquí vamos a cargar un modelo. Entonces, simplemente voy a seleccionar el modelo Bonsai. ¿Y por qué hago yo esto? Porque de acá yo puedo controlar los parámetros de la cantidad de tokens que yo le puedo o yo le debo colocar. Entonces, este modelo, por ejemplo, tiene 262,000 tokens de contexto. Estos son los tokens de contexto. Evidentemente, entre más tokens, pues, eh entre menos tokens va a ser más rápido, pero entre más token, pues voy a tener la posibilidad de tener mayor capacidad de contexto y por lo tanto sostener trabajos mucho más largos. Entonces, ahí ustedes van a ir haciendo la prueba de qué tanto les aguanta. Y ven aquí que a la medida que yo voy a estar subiendo la cantidad de token, ven que está también aumentando aquí eh 5.17 y todo esto el total. Entonces, si yo la subo hasta acá, pues ya me dice que eh 12 GB de eh GPU me estaría ocupando. Yo no lo voy a colocar todo, lo voy a dejar, por ejemplo, por acá, que tenga bastante contexto. Y aquí vamos a decirle load, ahora sí. Entonces, ven que ahora sí ya se está cargando aquí, ya lo está, como quien dice, sirviendo. Y aquí dice ready, que significa que lo está sirviendo o lo está leyendo. Entonces, aquí ahora sí le voy a decir hola, por ejemplo. Aquí ya aquí me contesta, "Hola, ¿en qué te puedo ayudar hoy?" Entonces, y ahí ya tenemos básicamente eh todo el trabajo que podemos realizar, ¿no? Entonces, en esta sección, digamos, la ventaja es que tenemos, digamos, la ventaja de trabajar con un arnés como este es que, evidentemente, yo le puedo pedir aquí que me haga un trabajo en específico sin que yo tenga que, digámoslo así, intervenir en el computador. Este arnés, esto obviamente está un poco limitado por la capacidad del modelo y hay modelos más capaces y unos menos, pero al menos este modelo tiene la capacidad, pues, de intervenir en mi computador de manera, digámoslo así, eh manual. Yo aquí tengo una carpeta que se llama IA local, que la tengo acá, que es esta que tengo aquí abierta y ven que yo he venido generando algunas cositas acá. Entonces, yo, por ejemplo, desde por acá le puedo decir a este modelo como tal, le voy a pedir, por ejemplo, le voy a pedir, "En la carpeta actual crea un archivo de tipo HTML y crea una calculadora funcional en HTML, CSS y JavaScript en un solo archivo." Y le voy a decir enviar. Si vamos a hablar a abrir, por ejemplo, el administrador de tareas, ven que ahí está trabajando. Si voy a abrir el administrador de tareas en rendimiento, pues vemos cómo ya aquí está cargado el modelo en la memoria RAM y está, básicamente, la tarjeta gráfica ejecutándose al tope. Si vamos a ver en procesos, pues podemos ver aquí lo que sería quién está tirando de toda la capacidad y vemos que efectivamente es LM Studio. No es ni siquiera si no está casi que ocupando mucho, el que está trabajando es LM Studio. Y aquí me dice que está preparando los archivos y todo esto, entonces que la va a colocar en la carpeta IA local, que es la carpeta que yo tengo acá y que se va a llamar como calculator HTML. Entonces, esperar a que la haga, ¿no? Digamos, ahí les voy a estar contando un poquito y mientras pues esto va trabajando, les voy a mostrar algunas cositas que yo ya he hecho, digamos, eh probando diferentes modelos acá. Aquí, digamos, esto, eso es, aquí yo tengo el modelo pues Bonsai, pero como se dieron cuenta, yo tengo varios modelos aquí en mi librería. Y aquí tengo varios modelos que los puedo ver, por ejemplo, este es un modelo que hicimos en un video anterior, funciona muy bien también y este modelo tiene la capaci- dad, digamos, para escribir código y es muy bueno. El modelo es de Nvidia en Nemotron, que nada más pesa, vea, este pesa sino 6.2 GB, también es muy bueno y estoy utilizando el más pequeño de todos, que es el Prisma, que pesa sino 4.7 GB y es impresionante. Aquí tengo pues modelos Queen, tengo otros modelos también aquí, esto, este es el modelo, a ver, este es modelo qué, eh, Queen 3.5 y aquí tengo Muse. Por aquí tengo Gema, en fin, tengo varios modelos ahí con los cuales he estado trabajando. Entonces, como yo ya estaba así haciendo algunas cosas y y demás, aquí vemos entonces cuánto capacidad de contexto está ocupando y todo esto. He hecho estas cositas con algunos de sus modelos, por ejemplo, este es un, esto está por perfeccionar, pero la idea me pareció muy chévere y esto lo hice con el modelo que estamos en estos momentos creando la calculadora. Esto simplemente es un generador de prompts para lo que sería inteligencia de generación de imágenes en local. Entonces, por ejemplo, yo aquí vengo, tipo de imagen, le voy a colocarle fotografía, retrato cinematográfico, supongamos, aquí mujer, 21 años, supongamos, eh en un café, en un café, listo. Entorno o fondo, yo le vamos a colocar eh cafetería y aquí le vamos a colocar tipo de iluminación, le voy a decir que sea una luz natural, por ejemplo, por aquí vamos a seleccionar el ángulo de la cámara, voy a decir que sea un plano general. Por aquí lo que sería ángulo de la de la cámara, primer plano, por ejemplo, eh objetivos del cual se hace la foto, le voy a decir que sea un 85 mm para retrato moderno, profundidad de campo, eh baja profundidad de campo, okay, composición, regla de tercios, por ejemplo, simetría perfecta, eh visual, le voy a decir estilo eh digital de alta gama, o sea, más como si fuera un teléfono. Aquí le voy a decir que sea 1 1 cuadrado y aquí ultrarrealista. ¿Y qué tengo que hacer acá? Simplemente aquí le voy a decir generar prompt y ya tengo entonces el prompt generado aquí con toda la información que yo le estoy. Y esto lo hice en cuestión de unos 10 minutos, sin 4 minutos creo que le tomó hacer esta cosa, digamos, este generador de de manera automática aquí en local utilizando el Harness y todo. Entonces, vamos a mirar cómo va todo esto. Aquí dice que sigue que está trabajando, así que hay que dejarlo trabajar. Aquí vemos que he creado también este que se llama un Index. Aquí simplemente esto es esto es que esto es una simple libro contable que aquí puedo yo registrar ingresos o gastos. Este lo hice directamente con el con el modelo este lo hice con este modelo que estamos también trabajando en estos momentos que lo tenemos trabajando y aquí le he colocado diferentes categorías, por ejemplo, todo esto y está perfectamente funcional, la fecha, la descripción, guardar transacción y aquí me aparecen las transacciones que se van creando. Y esta pues es otra similar, pero la diferencia que esta la hice con Demotron y esto fue mucho más básico, yo le pedí simplemente eh algo para registrar gastos ingresos muy muy básico y esto me lo hizo sumamente rápido. Entonces desde aquí, por ejemplo, le va a poder colocar que voy a eh cena, por ejemplo, y va a ser un gasto, le va a colocar aquí gasto, monto, eh me gasté, no sé, 50,000 y simplemente registro el gasto. Entonces me dice que tengo un gasto de 50,000 pesos y está aquí. Entonces le va a colocar aquí salario, por ejemplo, y va a ser un ingreso, entonces le va a colocar eh supongamos 3 millones aquí como por por hacer esto. Y le voy a decir registrar y como ven, pues automáticamente ya me está registrando esto, incluso me está registrando aquí los ingresos y los gastos y el saldo que tengo disponible, ¿no? Aquí me dice como en dólares, pero pues esto yo lo estoy registrando como si fueran pesos colombianos, aquí me está apareciendo como si fueran dólares. Cuestiones de hacer correcciones y eso. Pero pues es impresionante que uno ya pueda, digamos, en con inteligencias y a modo, digamos, en modo agente y en modo esto, con modelos que pesan 4 GB, pues hacer esto y y obviamente esto fue un prompt super básico, ahorita le voy a mostrar qué fue lo que hice ahí, que básicamente es esto. Bueno, este es el analizador de archivos, generador de web, algo así, eh finanzas personales, ¿no? Este es el que hice. Y superrápido. Aquí todavía dice que está trabajando. Vamos a esperar que termine, les estaré contando cómo les fue. Bueno, pues ya ha terminado, le tomó algún rato hacerlo, siempre unos cuantos minutos, hablar de bastantes tokens y demás. Y uno de los problemas que siempre he detectado con este tipo de sistemas es evidentemente en los tokens, porque a veces se puede quedar con sin tokens y eso interfiere evidentemente en el trabajo, entonces siempre hay que colocarle una buena cantidad de tokens dentro de lo que es el M Studio al momento de arrancar. Pero bueno, por aquí lo tengo ya y ese dice calculator, entonces vamos a mirar a ver qué vamos a ver qué tal quedó esto. Como ven, aquí ya tenemos la calculadora, es una calculadora, digamos, muy básica y todo eso, pero pero que según lo que me dice acá es que tiene el teclado completo, puede manejar por aquí vi que decía que puede diseño, interfaz moderna, con un tema es oscuro en gradientes material bueno mantiene los resultados con sus expresiones, eh señales, cambia, funciones avanzadas, en fin, por aquí se que eh maneja maneja también decimales. Entonces, vemos aquí, es una calculadora básica, acá no veo el tema de las es un error porque aquí me está diciendo que le haya colo el tema de la raíz cuadrada, raíz cúbica y recíproco y porcentajes, pero no veo aquí como una tecla específica para raíz cuadrada y eso. Eh sí vemos la tecla de porcentajes, la tecla de dividir por eh multiplicar, restar y sumar. Entonces, como vemos, parece que ha fallado en cuanto a colocar la raíz cuadrada como tal porque no veo un botón específico para raíz cuadrada. Pero pues es impresionante que se haya logrado que esto, ¿no? El diseño está muy bien, todo esto me parece espectacular. Ahora falta ver si realmente funciona, es decir, vamos a sumar, por ejemplo, vamos a empezar con una suma de 2 + 2. Aquí, no sé si ha tomado el 2. Ah, okay, sí lo ha tomado, vamos a ver, algo 5 eh + 2 para poder ver Ah, sí, sí funciona bien. Igual, okay, desde aquí sería para borrar, funciona bien, vamos a ver, 5 5 5, borrar, okay, el de borrar también funciona bien. 4 * 5, okay, todo está funcionando bastante bien. Eh parece que dividir, a ver, en 2, 29,5, perfecto, sí maneja los decimales, como podemos ver ahí perfectamente. Pues sí, nada, para hacer esto en local, evidentemente, una calculadora pues no es que sea como la prueba más completa, no estamos inventando un software de seguridad ni nada, es una calculadora muy básica. Pero me parece muy interesante que podamos hacer algo como esto directamente en en local con un modelo tan chiquito como este que corre eh en local y utilizando un arnés como el de Dixit. Me parece muy muy interesante esto. Pues como vieron, el proceso de conectarlo no es tan difícil, es relativamente fácil conectar LM Studio a Dixit Arnes para que funcione. Arnes funciona como herramienta o entorno, pero toda la potencia tiene que venir de evidentemente del del modelo. ¿Eso qué significa? Pues que si nosotros podemos ejecutar un modelo de gran capacidad, de gran potencia, pues va a poder hacer muchísimo más trabajo, pero en modelos muy chiquitos, como por ejemplo, los modelos bonsai y ese tipo de cosas que pesan 4 GB, pues evidentemente el trabajo va a ser más limitado, pero por ejemplo, un modelo de 4 GB es capaz o tiene la capacidad de crear archivos, ejecutarlos, editarlos, revisarlos y todo esto. Esto también, tengo que ser sincero, esto también es un ejercicio muy práctico como para uno aprender cómo funciona todo esto, pero que en la práctica pues es un poco limitado, ¿no? Pero sin embargo, pues hacer esta calculadora, esto que hicimos pues ya es un trabajo muy interesante que uno le da pistas como para entender cómo funciona todo esto y sobre todo como para jugar un poco con esto. A mí me gusta eh poner a prueba todas estas inteligencias artificiales, ver cómo funcionan, cómo hacen las cosas, qué tanta capacidad tienen y lograr esto es muy interesante. Pues bien, hasta aquí este video, espero que les haya gustado. Si fue así, evidentemente no olviden suscribirse al canal, darle un like a este video y nos estaremos viendo por aquí en un próximo video en IANEX. Hasta la próxima.

Assistir ao vídeo original no YouTube

Assuntos: Agentes de IA. Publicado no YouTube em 2026-11-05.

Seleção automática por assunto e idioma. O vídeo pertence ao canal de origem.

Comentários

Postagens mais visitadas deste blog

How to build a JARVIS AI Voice Agent for FREE | Full Livekit Tutorial (2026)

How Does AI Actually Work? 🤖 | AI, Machine Learning & Generative AI Explained