Una comunidad compró GPUs, montó su inferencia y dejó de pedirle permiso a nadie.

Cristian Córdoba publicó un tweet pidiendo que se juntaran 5 personas para alquilar una GPU. Hoy son casi 500, con 9 servidores, 12 GPUs y hardware propio en Finlandia. NAN Builders es una comunidad que corre modelos open weight a escala, sin depender de ningún lab. Hoy Cristian nos cuenta cómo pasó de un tweet a una cooperativa de inferencia: qué hardware usan, cómo resolvieron la concurrencia, por qué la caché en GPUs no funciona como crees, y qué se siente construir algo que se parece a las comunidades originales de open source. CHAPTERS 00:00 Presentación de Cristian Córdoba y su proyecto Gemcode 01:41 Cómo nació la comunidad de inferencia de Gemcode 06:14 Modelos que ofrece la comunidad: DeepSeek, Qwen3 y Hermes 07:58 De infraestructura tradicional a IA: la historia de Gemcode 11:33 El tuit viral que disparó la demanda de la comunidad 14:52 Limitaciones de hardware al inicio: RTX PRO 6000 y VRAM 17:30 Modelos de pesos abiertos y su impacto en el desarrollo 21:39 Cómo construir un proveedor de inferencia: OpenAI y Anthropic 26:42 Por qué los modelos chinos se acoplan mejor al harness 28:14 El reto técnico de la concurrencia y la caché en GPUs 36:06 Equipo y servidores: la infraestructura de Gemcode en Finlandia 39:33 Precios de la comunidad de Gemcode: tarifa plana sin límites 43:12 La sobrecarga con GLM 5.2 y el nuevo tier de 200 euros 47:43 De Claude Code a Pi: así arma Cristian su propio harness 55:10 La importancia de construir tu propio harness de IA 57:14 El futuro de la IA: modelos pequeños ultra especializados