¿Emprender online como desarrollador WordPress? Aprende a gestionar tu negocio digital con esther solà y Nahuai Badiola, freelancers y desarrolladores WordPress especializados en Genesis Framework y WooCommerce. Descubre cada lunes sus estrategias de marketing digital, cómo se organizan y qué herramientas usan en el día a día.
Site
RSS
Apple
Data updated on 14/07/2026
Recent rankings
Latest chart positions across Apple Podcasts and Spotify rankings.
Shared links between episodes and podcasts
Links found in episode descriptions and other podcasts that share them.
Seguimos con los monográficos dedicados a la IA y en este caso hablamos sobre cómo utilizarla en local y con modelos open source.
¿Qué tal la semana?
Semana Nahuai
Follow-up del episodio de la semana pasada.
Le pasé a Claude la transcripción y le pregunté si había dicho algún dato incorrecto y el único que me rebatió fue el escaneo y destrucción de libros por parte de Anthropic. Pero una simple búsqueda web arroja decenas de enlaces sobre el proyecto Panama. ¡Ojo!
Implementando una restricción a contenido pasado personalizado en Restrict Content Pro.
Última Meetup de WP Terrassa.
Campus Connect en Lleida con charlas de Nilo, Ana y Celi. Además de un concurso de webs de los estudiantes.
Tema de la semana:
¿Por qué correr LLMs en local?
Privacidad: tus datos no salen de tu máquina
Sin costes por token: sin APIs de pago ni límites de uso
Modo offline: funciona sin conexión a internet
Control total: elige el modelo, la cuantización y el contexto
Descentralizar la tecnología y no contribuir al oligopolio de las big tech
Herramientas principales
LM Studio: interfaz gráfica, ideal para empezar, tiene chat integrado y servidor local.
Ollama: orientado a terminal y desarrolladores, muy fácil de integrar con otras apps.
Factores clave a entender
Tamaño del modelo (parámetros)
El número de parámetros (1B, 7B, 13B…) indica la "capacidad" del modelo
Más parámetros = más calidad, pero más recursos necesarios
Un modelo pequeño bien cuantizado puede superar a uno grande mal cuantizado
Novedades
Tip de la semana
Menciones
#347 – Mis problemas con la IA generativa
Monday, May 4, 2026 • Duration 01:10:18
Síguenos en:
Nahuai lleva meses intentando formarse una opinión sobre la IA generativa y este es el primer intento de ordenar sus ideas.
¿Qué tal la semana?
Semana esther
Tareas varias para clientes, vulnerabilidades y malwares y una migración complicada.... vamos, lo de siempre.
Semana Nahuai
Investigando cómo implementar Apple y Google Pay en RCP
Investigando cómo sincronizar usuarios de RCP con Discord
Creando items del menú con enlace dinámico
Sustituir Cursor y Claude por Zed o OpenCode, para usar LLMs de código abierto exclusivamente.
En la medida de lo posible en local (Ollama - LM Studio)
Sino OpenCode Go o Ollama Cloud (modelos de código abierto ejecutados en la nube).
Investigando los agentes de código abierto como OpenCode y Pi (como alternativa a Claude Code).
Contenido Nahuai
Tema de la semana:
Marketing engañoso
El nombre inteligencia artificial no le hace justicia
Los LLMs son modelos de predicción
No piensan, predicen
No alucinan, cometen errores de predicción
La mentira de la AGI
Hype desmedido
Promovido por los principales actores
Concentración de poder
Controlado por las big tech
Mentalidad Silicon Valley:
Cuanto más grande mejor (LLMs vs SLMs)
Mucha información pero de calidad cuestionable
Muévete rápido y rompe cosas vs reflexión
Modelo de negocio insostenible
Uso subvencionado para ganar cuota de mercado y hacerse imprescindibles
Burbuja económica
Inversión circular entre las principales empresas
Falta de ética
Novedades
#346 – Evento SinOficina, lanzamiento WP 7.0 y cierre de plugins maliciosos
Monday, April 27, 2026 • Duration 28:23
Síguenos en:
La nueva versión de WordPress ya tiene fecha, mientras nos dedicaremos a revisar los plugins de essentialplugins y a pulir Amaranto antes de su lanzamiento.
¿Qué tal la semana?
Semana esther
Vuelta clientes post-kit digital
Malware que se carga la carpeta del theme completamente
Semana Nahuai
Recuperándome del evento de Sin Oficina
Creando un addon de Restrict Content Pro para conectar con Mailerlite
Dando los últimos retoques al onboarding de Amaranto (CSS, seguridad, accesibilidad…)
#345 – Convesio ficha al equipo de Sirvelia, con Amadeu Arderiu
Monday, April 20, 2026 • Duration 37:55
Síguenos en:
Amadeu Arderiu es ingeniero industrial de Barcelona y cofundador de Sirvelia, una empresa que desde 2016 se dedicó al desarrollo de plugins WordPress a medida junto a sus socios Joan Rodas y Albert.
Comentamos los proyectos de Sirvelia: Ploogins, SiteMait, Suggerence.
¿Cómo surgió el contacto con Convesio y qué os convenció para dar el salto?
¿Cómo ha sido el acuerdo? ¿Qué pasa con la marca Sirvelia y vuestros clientes actuales de plugins a medida?
¿Los tres socios os incorporáis con el mismo rol?
¿Qué ha cambiado en vuestro día a día?
¿En qué estáis trabajando actualmente?
#344 – Mejorando cosas y retraso de WordPress 7.0
Monday, April 13, 2026 • Duration 44:23
Síguenos en:
Parece que el lanzamiento de la próxima versión de WordPress va a retrasarse bastante, y mientras, nos dedicamos como siempre a probar y mejorar tanto productos como flujos de trabajo.
¿Qué tal la semana?
Semana esther
Semana Santa con poco descanso y post-semana santa de estrés total.
Semana Nahuai
Empezando a trastear con los MCP y agentes de WordPress (WordPress Studio)
Mejorando el onboarding para Amaranto
Mejorando el toggle de modo oscuro de Amaranto para que sea similar al onboarding
Mejorando flujo de instalación local -> Codeberg -> producción
Probando un sistema híbrido de tema de bloques + plantillas de PHP
Configurar Uptime Kuma (+ notificaciones por Signal) en mi NAS para reemplazar Uptime Robot
De vez en cuando nos encanta probar cosas nuevas y buscar aplicaciones y servicios más alineados con nuestra ética y filosofía de trabajo... o simplemente para trabajar mejor y más rápido.
¿Qué tal la semana?
Semana esther
Probando Claude Cowork para implementar nuevos idiomas en una web con Elementor y Polylang
Aplicando estilos a las páginas de Mi Cuenta en Amaranto (con CSS, continúa siendo un shortcode) y a la página single de producto (parte de pestañas de descripción, valoraciones, etc… en un único bloque)
Semana Nahuai
Maquetando páginas de WooCommerce para Amaranto y luchando con los bloques monolíticos de WooCommerce.
Revisando detalles de Amaranto que la diseñadora ve mejor.
Recibiendo la noticia de que no he sido seleccionado para para siguiente ronda de la beca de Mozilla (+1.000 solicitudes).
Migrando mis repos de Github a Codeberg (plataforma europea de alojamiento de código abierto, sin ánimo de lucro, basada en Gitea/Forgejo). Usé esta herramienta.
Empezando a trastear con Raycast (similar a Alfred o spotlight):
Flipando con los últimos comentarios de spam en Freelandev..
Añadido snippet para que no se pueda poner la URL.
Read more
Collapse
Cuantización
Proceso de reducir la precisión de los pesos del modelo para que ocupe menos memoria
Q2/Q3: muy comprimido, baja calidad, pero cabe en casi cualquier máquina
Q4_K_M: buena calidad con tamaño razonable
Q6/Q8: casi calidad completa
F16/F32: precisión completa
Tipo de modelo
Modelo denso: todos los parámetros se activan en cada inferencia. Es más predecible y estable, pero más exigente en recursos por parámetro.
Mezcla de Expertos (MoE): solo se activan una fracción de los parámetros por token. Mucho más eficiente en velocidad y memoria.
Velocidad de inferencia (tokens/s)
Cuántos tokens genera el modelo por segundo
En CPU suele ser lento (3–10 tok/s); con GPU dedicada puede ser 10x más rápido
La RAM unificada de Apple Silicon es especialmente eficiente para esto
Formatos de modelo
GGUF: el formato estándar para correr modelos en local con llama.cpp (lo usan LM Studio y Ollama)
MLX: formato optimizado por Apple para correr modelos directamente sobre Silicon, mejor rendimiento que GGUF en Mac.
Ventana de contexto
Cuántos tokens puede "recordar" el modelo en una conversación
Contextos largos (32k, 128k) consumen más RAM aunque el modelo sea pequeño
Reducir el contexto es una palanca útil si te quedas sin memoria
Requerimientos de hardware
Memoria RAM
8 GB: modelos de hasta 7B en Q4 (justo), mejor quedarse en 3B–4B para fluidez
16 GB: cómodo con modelos de 7B–8B en Q4-Q6, o 13B en Q3/Q4
32 GB: modelos de 13B–30B con buena cuantización, o 70B en Q2/Q3
64 GB+: modelos de 70B en Q4+ con buena velocidad
En Apple Silicon la RAM unificada actúa como VRAM, lo que lo hace muy eficiente para inferencia local
Código abierto vs. pesos abiertos
Código abierto: se publican los pesos del modelo, el código y datos de entrenamiento.
Pesos abiertos: solo se publican los pesos, puedes usar y modificar el modelo, pero no sabes exactamente cómo fue entrenado ni con qué datos.
La mayoría de modelos llamados open source en realidad son open weight: puedes correrlos y afinarlos libremente, pero el proceso de entrenamiento sigue siendo una caja negra.
Modelos de pesos abiertos recomendados (para programar)
Local
Qwen3.6 (Alibaba): familia orientada a coding agéntico con dos modelos locales: 27B denso (~17 GB en Q4) y el 35B-A3B MoE (más versátil y ligero 16 GB de RAM)
Qwen3-Coder (Alibaba): rama específica para programar. 30B-A3B para hardware de consumo y el Qwen3-Coder-Next (MoE con solo 3B activos) diseñado para agentes de código.
Gemma 4 (Google): familia con cuatro tamaños y dos arquitecturas. 26B A4B es MoE, y el 31B es denso para máximo rendimiento en local.
La nube
Kimi K2.6 (Moonshot AI): arquitectura Agent Swarm con 1T parámetros (32B activos), ideal para tareas agénticas complejas
MiniMax 2.6: fuerte en razonamiento y contextos largos, buena relación calidad/tamaño
GLM-5.1 (Zhipu AI): MoE de 744B parámetros, destacado en multilingüe y coding
DeepSeek V4 referencia en razonamiento.
Mistral Medium 3.5: modelo denso de 128B que unifica chat, razonamiento y coding en uno solo, el más accesible de los grandes para correr en local
Viejunos y/o discontinuados
Llama 4 (Meta): Modelo de pesos abiertos bastante popular al inicio.
GPT-OSS (OpenAI): primer lanzamiento de pesos abiertos de OpenAI disponible en dos tamaños (20B y 120B).
Herramientas que actúan de forma autónoma sobre tu código usando un modelo como motor.
Claude Code (Anthropic): agente de terminal oficial de Anthropic.
OpenCode: agente open source (MIT) orientado a terminal.
Pi: agente minimalista y extensible de terminal. Usa menos tokens.
Los tres exponen una API compatible con OpenAI, por lo que pueden conectarse a cualquier modelo local servido desde Ollama o LM Studio.
Casos de uso prácticos en local
Agents y automatizaciones: con frameworks como n8n
Chat privado: alternativa a ChatGPT sin enviar datos
Resumen de documentos: PDFs, notas, reuniones
Asistente de código: con modelos como Qwen-Coder, Kimi 2.6, MiniMax 2.6
Integración con apps propias: via API local (Ollama / LM Studio exponen endpoint OpenAI-compatible)
Chrome instala un LLM de 4GB sin pedir permiso al usuario: https://www.thatprivacyguy.com/blog/chrome-silent-nano-install
Además de la falta de consentimiento, el impacto sería el equivalente a generar 6.000-60.000 toneladas de CO2 (emisiones de unos 1.300-13.000 coches).
DaTO nos comenta en iVox: “Coincido en vuestro análisis del estado actual de las IAs, gracias x el programa”.
Elías nos deja un comentario de que "usamos IA por encima de nuestras posibilidades" (por no hablar de las implicaciones de privacidad o medioambientales). Y el enlace a un vídeo que explica como funcionan los LLMs.
Tanto Nora como Weiko también le dan feedback sobre el tema a Nahuai. Que no descarta hacer una mesa redonda en un futuro.
Modelos creados en el robo sistemático de contenido sin pagar a los autores
Modelo extractivista no sostenible (no revierte de vuelta)
Impacto ambiental y social
Uso intensivo de electricidad y agua
Falta de transparencia
Muchas empresas han relajado o abandonado sus planes para reducir las emisiones de CO2
Construcción de centros de datos en zonas con estrés hídrico
Falta de privacidad por defecto
Todos los datos viajan a servidores externos
La mayoría usa los datos para entrenar sus modelos
Uso de datos para emplazar publicidad
Diseñados para enganchar
Chute de dopamina y pensado para engagement
Diseñado para que sea difícil saber parar/descansar
Tremendamente complacientes
Promueven el "sendentarismo cognitivo"
Ilusión de mejora de productividad
Ilusión de estar hablando con un humano (los antropomorfizamos)
Les damos roles para los que no están diseñados
No son psicólogos pero tampoco hay controles/limitaciones para que se usen como tal
Otros efectos secundarios
Excusa para despedir empleados
Reemplazo de personas para incrementar ingresos
Promueve la brecha digital
Refuerzo del individualismo
Promueve la creación de herramientas personalizadas para uso propio
Devalúa las herramientas compartidas
Incremento de la deuda tecnológica
Es imposible revisar todo el código generado
Acciones
Usar la IA generativa de forma responsable. Solo cuando es realmente necesaria y con modelos de código abierto, en local, en la medida de lo posible.
Discover shows related to Freelandev - Vivir del desarrollo en WordPress, based on actual content similarities. Explore podcasts with similar topics, themes, and formats, backed by real data.
