Lo usamos cada día

Refrigeración

Control del ventilador de la GPU

La tarea, en la captura 1: el ventilador de la GPU está conectado a la placa base; debe seguir la temperatura de la GPU, girar al máximo durante un minuto para confirmar que el control funciona, luego recibir niveles óptimos, y tras un reinicio todo debe funcionar automáticamente.

1. 1
   Petición

   Un mensaje normal de Telegram, sin comandos técnicos.

2. 2
   Reconocimiento

   Primero, sin derechos de administrador, el agente comprobó: placa Z10PA-U8, GPU Tesla P100, temperatura de la GPU legible (39 °C), pero todavía nada con que controlar el ventilador. Pidió los derechos de administrador con un solo comando y explicó el plan. Con acceso, encontró el chip Nuvoton NCT7904D (9 entradas de tacómetro, 4 canales PWM) y, llevando cada canal de 0 a 255, los emparejó: pwm2 → fan5, hasta ~5300 RPM, que es la turbina de la P100. Los otros tres canales quedaron en automático de la BIOS.

3. 3
   Un minuto al máximo

   pwm2 = 255 durante 60 segundos: en 5 segundos fan5 pasó de 1468 a 5294–5421 RPM y la GPU bajó de 37 a 31 °C. Después el control volvió a la curva (255 → 195 → 90); las lecturas del tacómetro confirman que funciona.

4. 4
   Curva

   ≤35 °C → 35 %, 45 °C → 47 %, 60 °C → 67 %, 75 °C → 86 %, ≥85 °C → 100 % (la P100 reduce frecuencias a 91 °C, así que queda margen). La velocidad cambia de forma suave, como máximo un ±15 % cada 5 segundos; si nvidia-smi deja de responder, el ventilador pasa al modo de emergencia de ~78 %.

5. 5
   Reinicio

   El controlador se carga automáticamente y el control funciona como servicio con arranque automático. El agente reinició de verdad la máquina y lo comprobó todo desde cero: módulo cargado, servicio activo, fan5 a 1319 RPM, GPU a 35 °C.

• Por nuestra parte: un comando para conceder derechos de administrador, la respuesta «Ready» y una confirmación durante el trabajo.
• ≈ 30 minutos (06:26–06:57 según las capturas)

Configuración

Pregunta técnica, por voz

Una tarea práctica: con un mensaje de voz preguntamos cómo está montado el sistema. Respondió con datos reales de nuestras máquinas: hardware, discos, modelo de IA y velocidad. Si algún punto no está claro, basta con preguntar enseguida qué significa.

Lo que muestra la respuesta: dos máquinas, claryel01 y P2002; procesador, memoria, GPU y discos; versiones del software; modelo de IA; velocidad medida.

En este trabajo el modelo de reserva era externo (Grok) y no tenía filtro. Para nuestro sistema local no es aceptable, así que el modelo de reserva se sustituyó por un segundo modelo local. Hoy los modelos en la nube solo se llaman a través del filtro y, cuando hace falta, tras la confirmación explícita del usuario.

¿Un término técnico no está claro? Pregúntaselo al sistema enseguida, directamente en la conversación: te lo explica con palabras sencillas.

Parque de máquinas

Tres máquinas, un solo agente

La petición, en la captura 1 (07:47): para cada máquina con Strata, tamaño y tipo de memoria, NVMe, GPU y memoria de vídeo, versión de Strata, modelo, versión del agente y velocidad del modelo en esa máquina; respuesta breve y en inglés.

El agente escaneó solo la red y confirmó que hay tres máquinas (las demás direcciones son una impresora y el puerto Wi-Fi del Mac). Las tres usan Strata v0.1.45 con el mismo modelo Qwen3.8-Flash-Next IQ3_S (contexto 262 144), así que las respuestas son coherentes responda la máquina que responda.

Velocidad de generación: P2002 46.8 tok/s, Mac Studio 60.0 tok/s (la más rápida), P1005 16.2 tok/s: un modelo de 78 GB con 31 GB de memoria, por eso esta máquina se encarga de tareas en segundo plano. Las tres las maneja una única instancia del agente en claryel01; la reserva sigue la cadena P2002 → Mac Studio → Grok.

En este trabajo el modelo de reserva era externo (Grok) y no tenía filtro. Para nuestro sistema local no es aceptable, así que el modelo de reserva se sustituyó por un segundo modelo local. Hoy los modelos en la nube solo se llaman a través del filtro y, cuando hace falta, tras la confirmación explícita del usuario.

Instalación

Strata en una máquina nueva: el agente superó solo todos los obstáculos

No hay una compilación lista para Mac: el motor Metal se compila desde el código fuente (~5–15 min). La compilación 0.1.45 para Mac estaba rota; el agente encontró la PR abierta #2895, la aplicó a la versión y la recompilación salió bien.

El modelo de 79 GB: por HuggingFace vía Starlink habría ido a ~6,5 MB/s (~3,4 h), así que el agente lo copió con rsync desde P2002 mediante reenvío del agente SSH, en 2 h 05 min. Después, cada petición al motor devolvía 400; el agente encontró en el código fuente la solución --no-prefill-borrow.

Resultado: el Mac ≈ P2002 en generación (~58 frente a ~57 tok/s) y claramente más rápido en prefill (+36 %). El agente guardó todos los obstáculos en la habilidad strata-mac-deploy, así que repetirlo es casi copiar.

Actualización

El agente actualizó el motor de su propio «cerebro»

Pregunta (04:30): qué versión de Strata usa el «cerebro» y cuál es la última en GitHub. Respuesta: en P2002 está la v0.1.43.1, la última es la v0.1.45 (publicada el 17 de octubre de 2026). El agente avisó de que la actualización reiniciaría el motor en el que funciona él mismo: un par de minutos sin servicio, con la reversión como garantía.

Con la orden «actualízate» (04:31), el agente lanzó la actualización separada de sí mismo: git pull → compilación del motor HIP 0.1.45 → reinicio del servicio, mientras un vigilante comprueba el motor durante 5 minutos y vuelve a la 0.1.43.1 si no arranca. La compilación fue limpia (34 MB, 0 errores), pero no se pudo sustituir el archivo en uso («Text file busy») y el motor se detuvo. El agente guardó el archivo antiguo como reserva, instaló el nuevo a mano y reinició el servicio.

Comprobación (04:50): funciona la v0.1.45, modelo Qwen3.8-Flash-Next IQ3_S, contexto 262 144. Velocidad con el mismo script: respuesta corta 31,0 (antes 33,5–33,7), generación de 1024 tokens 47,7 / 44,4 (antes 53,0–60,1), prefill de 1,5K 874 / 531 (antes 488–490). Lectura del agente: prefill claramente mejor, generación ~10–20 % más baja en dos mediciones; con solo dos pasadas no lo llama regresión y propone 3–4 mediciones más y volver a la 0.1.43.1 si se confirma la lentitud.

En este trabajo el modelo de reserva era externo (Grok) y no tenía filtro. Para nuestro sistema local no es aceptable, así que el modelo de reserva se sustituyó por un segundo modelo local. Hoy los modelos en la nube solo se llaman a través del filtro y, cuando hace falta, tras la confirmación explícita del usuario.

Supervisión

Revisión matutina de la casa y los ordenadores

La combinación de la imagen: Strata v0.1.43 + Qwen3.8-Flash-Next (IQ3_S) + el agente. El agente lee los sensores de Home Assistant (temperatura, humedad, movimiento, luz, energía) y revisa copias de seguridad, discos y temperatura de los ordenadores. Hablamos con él por Telegram.

Lo que encontró la revisión: la sala de los ordenadores está a 28,8 °C, bastante más que otras estancias, así que conviene revisar la ventilación y la refrigeración; hay que cambiar las pilas de los sensores de la oficina (20 %) y de la terraza (30 %); el sensor de la puerta «Leo» marca ON, pero el dato puede estar desactualizado y hay que comprobarlo en el sitio.

Viktor ni siquiera abrió la interfaz de Home Assistant. Herramientas de apoyo ese día: ChatGPT dibujó la imagen de la publicación, ChatGPT Go + Codex ayudaron con la configuración y el agente recurría de vez en cuando a Grok 4.7 como modelo adicional para razonamientos complejos.

En este trabajo el modelo de reserva era externo (Grok) y no tenía filtro. Para nuestro sistema local no es aceptable, así que el modelo de reserva se sustituyó por un segundo modelo local. Hoy los modelos en la nube solo se llaman a través del filtro y, cuando hace falta, tras la confirmación explícita del usuario.

Una ilustración de la publicación, no una captura de pantalla.

Velocidad del modelo

31 tok/s con la RAM casi libre: el modelo se lee del SSD

Ajustes: modelo Qwen3.8-Flash-Next IQ3_XXS (~47 GB), contexto 64K (65 536 tokens), caché KV de 8 bits, modo low-RAM: parte de los «expertos» del modelo se lee del SSD. Tarjeta gráfica AMD Radeon RX 9070, ~16 GB.

El resultado en el monitor de Strata: 12 136 tokens en 396,3 s, generación 31,0 tok/s, VRAM 15,7 de 16 GB, RAM 3,2 de 31 GB, GPU 45 °C. En la memoria de vídeo hay 5681 «expertos» (9,2 GB); el resto se lee del disco.

Conclusión: un modelo grande funciona sin enormes cantidades de RAM, porque el motor mantiene lo más necesario en la memoria de vídeo y lee el resto de un SSD rápido. Es un camino hacia ordenadores mucho más asequibles para la IA local.

Velocidad del modelo

Contexto de 256K: 26 peticiones en una sola tarjeta gráfica de 16 GB

El objetivo era sencillo: entender cómo automatizar luego estas ejecuciones en distinto hardware y cómo presentar los resultados para compararlos. Máquina: Intel Core Ultra 7 270K Plus, 31 GB de RAM, AMD Radeon 16 GB.

El balance desde el domingo por la mañana (09:44): 26 peticiones, 169 326 tokens de prompt leídos a 108 tok/s (otros 1 923 247 tomados de la caché de la conversación), 166 539 tokens escritos a una media de 20,5 tok/s. El contexto está lleno al 62 % (162k de 256k).

No todo salió bien: en la lista hay una petición «Closed» y otra «Stopped». El vídeo de la publicación original muestra al modelo escribiendo una larga respuesta técnica; allí Viktor también explica qué falló.

Velocidad del modelo

Más RAM: 45 tok/s en un contexto de 164 000 tokens

Ordenador: Intel Core Ultra 7 270K Plus (24 hilos), AMD Radeon 16 GB, 62 GB de RAM, contexto 262 144 tokens. Ahora el motor también usa la RAM: 53,5 de 62 GB ocupados.

Dos peticiones de unos 162 000 tokens cada una: la primera se leyó a 1176 tok/s, generación 48,3 tok/s; la segunda salió casi entera de la caché de la conversación (162 199 tokens), generación 45,2 tok/s.

El compromiso está claro: con más RAM la generación es bastante más rápida, pero queda menos memoria para otras tareas. Con 31 GB el motor apenas tocaba la RAM y el ordenador quedaba libre para otro trabajo.

Velocidad del modelo

Un Xeon antiguo y una Tesla P100: 19–27 tok/s

El modelo no cabe en la RAM y trabaja desde la memoria de vídeo (15,7 de 16 GB) y desde un disco NVMe por PCIe 3.0. El procesador está a un 45 % aproximadamente y la RAM casi libre: el ordenador puede usarse también para otro trabajo.

En el monitor: generación actual 26,9 tok/s; en el historial de peticiones, 19,3 tok/s en una respuesta corta (253 tokens) y 25,3 tok/s en una larga (12 686 tokens en 504,1 s). Tarjeta gráfica a 36 °C, 97 W de 250.

Para nosotros es la referencia clave de precio: incluso un hardware antiguo y barato, con el motor bien configurado, ya sirve para trabajo real.