Hugging Face y Unsloth: créditos gratuitos para entrenar modelos, no GPU ilimitadas
Hugging Face anunció en febrero de 2026 una vía para entrenar modelos de lenguaje con Unsloth sobre su infraestructura de Jobs, con créditos gratuitos para quien se sume a la organización Unsloth Jobs Explorers. El anuncio es real y útil, pero conviene ser preciso con el alcance: no es "GPU gratis ilimitada". Es un esquema de créditos gratuitos y pago por uso una vez agotados (Hugging Face, Train AI models with Unsloth and Hugging Face Jobs for FREE, 20 de febrero de 2026).
¿Por qué importa igual? Porque baja mucho la barrera de entrada. Entrenar un modelo chico ya no exige montar infraestructura propia: alcanza con una cuenta de Hugging Face, un token con permisos de escritura y una configuración de facturación.
Cómo funciona en la práctica
- Te sumás a la organización Unsloth Jobs Explorers para reclamar los créditos gratuitos y un mes de suscripción Pro.
- Configurás la facturación de tu cuenta (Hugging Face la pide para verificar; podés monitorear el consumo desde tu página de billing).
- Instalás la CLI
hfy enviás el trabajo conhf jobs uv run …, indicando el tipo de GPU (--flavor), el dataset y los parámetros de entrenamiento. - El trabajo corre en las GPU administradas de Hugging Face Jobs y, al terminar, el modelo se publica en tu repositorio del Hub.
Costo real por hora (precios publicados por Hugging Face/Unsloth, aproximados):
| Tamaño del modelo | GPU recomendada | Costo aproximado por hora |
|---|---|---|
| Menos de 1B parámetros | t4-small | ~US$ 0,40 |
| 1–3B parámetros | t4-medium | ~US$ 0,60 |
| 3–7B parámetros | a10g-small | ~US$ 1,00 |
| 7–13B parámetros | a10g-large | ~US$ 3,00 |
Una vez consumidos los créditos gratuitos, el esquema es pago por uso (pay-as-you-go) o con créditos comprados previamente. No hay un plan de GPU ilimitada.
Qué aporta Unsloth
Unsloth es una biblioteca de optimización para fine-tuning. Según Hugging Face y Unsloth, permite entrenar aproximadamente 2 veces más rápido y con cerca de 60% menos uso de VRAM que los métodos estándar. Eso hace viable afinar modelos chicos —por ejemplo, LiquidAI/LFM2.5-1.2B-Instruct— en GPU de gama media y aun en CPU para servir el modelo resultante.
Características técnicas habituales del flujo:
- Soporte para modelos populares como Llama, Mistral, Gemma y Qwen.
- Menor consumo de VRAM gracias a cuantización y gradient checkpointing.
- Integración nativa con el Hub de modelos de Hugging Face.
- Ejecución vía scripts UV enviados a Jobs.
Impacto para América Latina
El punto relevante para la región no es "gratis para siempre", sino que el costo de experimentar bajó a unos pocos dólares por corrida para modelos chicos. Eso permite:
- Investigadores y estudiantes que antes dependían de becas de cómputo ahora pueden afinar modelos en un presupuesto acotado.
- Startups que pueden iterar sobre un modelo especializado sin contratar infraestructura dedicada.
- Equipos que pueden validar un caso de uso con un modelo chico antes de invertir en uno grande.
La contraparte es organizativa: hay que administrar créditos, controlar el gasto por hora de GPU y elegir el tamaño de modelo correcto, porque el costo crece rápido con los parámetros y las horas.
Hugging Face: quién es el jugador
- 2016: fundación de la plataforma.
- 2020: lanzamiento del Hub de modelos transformers, adoptado masivamente por la comunidad.
- 2022: llegan los Spaces, aplicaciones demo gratuitas.
- 2023: ronda Serie D de US$ 235 millones a una valuación de US$ 4.500 millones, liderada por Salesforce Ventures y con participación de Google, Amazon, Nvidia, Intel, AMD, Qualcomm e IBM (Reuters).
Con Jobs, la plataforma suma entrenamiento a su oferta de modelos e inferencia, y compite con servicios administrados como Replicate o Modal.
Qué tener en cuenta antes de empezar
- Créditos ≠ ilimitado. Reclamá los créditos, pero seguí el gasto: después corre pago por uso.
- Elegí el tamaño correcto. Un modelo de 1–3B cuesta una fracción de uno de 13B por hora.
- Medí antes de escalar. Corré una época con un dataset de prueba para estimar costo y tiempo.
- Revisá los términos de uso comercial del modelo resultante y la licencia del modelo base.
Para emprendedores y equipos de datos de la región, la oportunidad es real: el acceso a fine-tuning dejó de ser un problema de infraestructura y pasó a ser un problema de criterio y experimentación.
Fuentes
- Hugging Face: Train AI models with Unsloth and Hugging Face Jobs for FREE (20 de febrero de 2026).
- Hugging Face: organización Unsloth Jobs Explorers y documentación de Hugging Face Jobs.
- Unsloth: Deploying LLMs with Hugging Face Jobs.
- Reuters: AI startup Hugging Face valued at $4.5 bln in latest round of funding (24 de agosto de 2023).
Nota de corrección: la versión anterior de este artículo afirmaba que Hugging Face ofrecía "GPU gratis ilimitada" y presentaba una tabla con "Gratis / Ilimitado". Eso es incorrecto: el programa otorga créditos gratuitos y un mes de Pro, y luego funciona con pago por uso. También se ajustó la mejora de VRAM de Unsloth a la cifra publicada (~60%) y se eliminaron precios de terceros sin fuente verificable.
Limitaciones y qué verificar antes de decidir
Una automatización o agente de IA no produce el mismo resultado en todos los procesos. La calidad depende de datos, reglas, integración, supervisión y criterio de éxito medible.
- No leas ejemplos, ahorros o capacidades como resultados garantizados: medí una línea de base y un piloto con datos propios.
- Modelos, precios, límites y políticas de proveedores pueden cambiar; verificá la documentación oficial y los costos vigentes.
- Definí revisión humana, privacidad, permisos, registro de decisiones, manejo de errores y una salida manual antes de automatizar producción.